[논문리뷰] PaddleOCR-VL-1.5: Towards a Multi-Task 0.9B VLM for Robust In-the-Wild Document Parsing

링크: 논문 PDF로 바로 열기

저자: Cheng Cui, Ting Sun, Suyin Liang, Tingquan Gao, Zelun Zhang, Jiaxuan Liu, Xueqing Wang, Changda Zhou, Hongen Liu, Manhui Lin, Yue Zhang, Yubo Zhang, Yi Liu, Dianhai Yu, Yanjun Ma

핵심 연구 목표

본 논문은 실제 환경에서 발생하는 스캔, 기울어짐, 왜곡, 화면 촬영, 조명 변화와 같은 물리적 왜곡에 강건한 문서 파싱 모델 을 개발하는 것을 목표로 합니다. 또한, 기존 모델의 한계를 넘어 Seal Recognition 및 Text Spotting 과 같은 새로운 기능을 통합하면서도 0.9B 의 초소형 VLM 으로 높은 효율성을 유지하고자 합니다.

핵심 방법론

이 연구는 PaddleOCR-VL-1.5 를 제안하며, 이는 PP-DocLayoutV3 를 통해 레이아웃 분석을 크게 개선합니다. PP-DocLayoutV3 는 RT-DETR 객체 탐지기 기반의 인스턴스 세그멘테이션과 트랜스포머 디코더 를 활용하여 다중 포인트 바운딩 박스와 논리적 읽기 순서를 동시에 예측하며 왜곡에 강건합니다. 또한, NaViT-스타일 동적 해상도 인코더 와 ERNIE-4.5-0.3B 언어 백본 을 유지하면서, Uncertainty-Aware Cluster Sampling (UACS) 및 Group Relative Policy Optimization (GRPO) 기반의 학습 전략을 통해 모델의 강건성과 일반화 성능을 강화했습니다.

주요 결과

PaddleOCR-VL-1.5 는 OmniDocBench v1.5 에서 94.5% 의 새로운 SOTA 정확도 를 달성했으며, 특히 새로 구축된 Real5-OmniDocBench 벤치마크에서는 92.05% 의 전체 정확도를 기록했습니다. 이 모델은 0.9B 의 작은 파라미터 규모에도 불구하고 Qwen3-VL-235B 및 Gemini-3 Pro 와 같은 대규모 범용 VLM 을 능가하는 성능을 보였습니다. 특히, 가장 어려운 Skewing 카테고리에서 91.66% 의 정확도를 달성하여 이전 모델 대비 14.19% 의 절대적인 개선을 이루었습니다.

AI 실무자를 위한 시사점

PaddleOCR-VL-1.5 는 실제 환경에서 발생하는 다양한 문서 왜곡에 매우 강건한 문서 파싱 솔루션 을 제공합니다. 이는 OCR , 테이블 , 수식 , 차트 , Seal Recognition , Text Spotting 등 다양한 작업을 효율적으로 수행할 수 있는 멀티태스킹 VLM 이므로, RAG 시스템 및 LLM 기반의 문서 이해 애플리케이션에 매우 유용할 것입니다. 특히 0.9B 의 초소형 모델로 높은 효율성을 제공하여 리소스 제약이 있는 환경에서도 활용 가능성이 높습니다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.