플러스프로젝트 배경
(1) 복합 레이아웃 문서의 OCR 오류 누적 및 RAG 검색 한계 - 법령, 규정집, 안전기준서의 별표 서식은 병합 셀, 다단 구조, 중첩 헤더 등 복잡한 비정형 레이아웃을 띠고 있어 기존 규칙 기반 파서나 단편적 OCR로는 셀 간 의미 관계를 파악하기 어려웠습니다. - 테이블 탐지 ➔ 구조 인식 ➔ 텍스트 추출로 이어지는 기존의 다단계 파이프라인은 이전 단계의 오류가 다음 단계로 누적 전파되어 최종 데
프로젝트 성과
표 기하학적 뼈대 복원율 97.67% 달성
4,376개 데이터셋 평가 결과, 복잡한 표의 구조적 뼈대를 인식하는 GriTS-Topology 지표에서 0.9767(97.67%)을 기록하며 뛰어난 시각적 구조 복원력을 입증했습니다
엔드투엔드 파이프라인으로 레거시 다단계 OCR 오류 누적 차단
탐지·인식·추출 단계를 단일 VLM 추론으로 통합하여 이전 단계의 결함이 최종 데이터로 전파되는 구조적 한계를 원천 해결했습니다.
타 최신 대형 VLM 대비 단어/문자 인식률 1위 달성
30B 이상 대형 모델 및 상용 LLM 벤치마크 비교에서 단어 정확도 0.6692, 문자 정확도 0.9569로 최고 성능을 달성했습니다
RAG 검색 최적화 3계층 JSON 지식베이스 스키마 확립
물리적 표 구조(`table`), 의미 압축 요약(`summary`), 검색 보조 색인 키워드(`keywords`)를 일체화한 스키마로 LLM 질의응답 신뢰도를 극대화했습니다
핵심 기능
VLM 기반 엔드투엔드 표 구조 인식 및 단일 정보 추출
시각 정보와 텍스트를 동시 추론하는 네이티브 VLM을 적용해 다단계 OCR의 오류 누적을 차단했습니다
진행 단계
도메인 문제 정의 및 3계층 JSON 스키마 설계
2026.01.
법령/규정집 별표 구조 분석, RAG 검색 연계 3계층 스키마 및 5대 생성 규칙 수립
프로젝트 상세
[프로젝트 개요] 법령, 안전기준서, 공공 규정집 등 복잡한 문서 내 비정형 표(Table) 데이터를 기계가 완벽히 이해할 수 있는 계층적 JSON 구조로 변환하고, 생성형 AI의 검색 증강 생성(RAG) 및 정보 검색(IR) 정확도를 극대화하는 지능형 문서 처리(IDP) 엔지니어링 프로젝트입니다. 비전 언어 모델(VLM)을 활용한 End-to-End 단일 파이프라인을 구축하여 4,376개 데이터셋 실증 벤
