[논문리뷰] Typhoon OCR: Open Vision-Language Model For Thai Document Extraction

링크: 논문 PDF로 바로 열기

저자: Surapon Nonesung, Natapong Nitarach, Teetouch Jaknamon, Pittawat Taveekitworachai, Kunat Pipatanakul

핵심 연구 목표

기존 VLM이 태국어와 같은 저자원 언어의 복잡한 스크립트 특성(비라틴 문자, 명시적 단어 경계 부재, 스택형 발음 구별 부호) 및 비정형 문서 레이아웃으로 인해 겪는 한계를 해결하는 것입니다. 본 연구는 태국어 및 영어 문서 추출을 위한 개방형 Vision-Language Model (Typhoon OCR) 을 개발하여 텍스트 전사, 레이아웃 재구성, 문서 수준의 구조적 일관성을 달성하는 것을 목표로 합니다.

핵심 방법론

Typhoon OCR은 Qwen2.5-VL (V1) 및 Qwen3-VL (V1.5) VLM 백본 을 사용하여 전체 파라미터 Supervised Fine-Tuning (SFT) 방식으로 훈련됩니다. 다단계 데이터 구성 파이프라인 을 통해 전통적인 OCR, VLM 기반 재구조화, 그리고 큐레이션된 합성 데이터 를 결합하여 태국어 중심의 훈련 데이터셋을 구축합니다. 모델은 Default Mode (느슨한 구조)와 Structure Mode (복잡한 레이아웃) 두 가지 모드를 지원하며, 특히 합성 데이터는 PyThaiNLP, SEA-VL Crawling, ChartCap, LaTeX OCR 등을 활용하고 Augraphy 로 이미지 증강을 수행하여 다양한 시각 및 언어적 패턴을 포괄합니다.

주요 결과

Typhoon OCR V1.5 (2B 파라미터)는 태국어 문서 파싱 벤치마크에서 기존 V1 (7B 파라미터) 모델 및 GPT-4o, Gemini 2.5 Flash 와 같은 최첨단 독점 모델들을 능가하는 성능을 보였습니다. 특히 평균 BLEU 점수 0.644 및 Levenshtein 거리 0.251 를 달성하여 더 높은 정확도와 낮은 오류율을 기록했습니다. 태국 정부 양식과 같은 구조화된 문서에서는 BLEU 0.870 을 기록하며 독점 모델을 크게 앞섰으며, 이는 더 작은 모델 크기에도 불구하고 비용 효율적인 추론 이 가능함을 입증합니다.

AI 실무자를 위한 시사점

본 연구는 사전 훈련된 VLM의 목표 지향적 적응 과 정교하게 설계된 데이터 파이프라인 이 태국어와 같은 저자원 환경에서 강력한 문서 이해 능력을 달성할 수 있음을 보여줍니다. 특히 2B 파라미터 의 경량 모델임에도 불구하고 경쟁력 있는 성능을 제공하여 자원 제약적이고 개인 정보 보호에 민감한 환경 에서의 배포에 실용적인 시사점을 제공합니다. 합성 데이터 생성 은 복잡한 스크립트와 데이터 부족 문제를 해결하는 효과적인 전략으로, 다른 저자원 언어에도 적용 가능한 방법을 제시합니다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.