FVQ: 시각 토큰을 이산화해도 이해 성능을 지킬 수 있을까
FVQ는 시각 특징의 재구성 오차와 멀티모달 이해 성능을 분리하고, 병렬 코드북의 비트 예산을 확장해 이산 표현의 가능성을 검증한다. 통제 실험과 대규모 학습 결과, 실제 모델 공개 상태를 구분해 살펴본다.
Tag11 posts
#OCR
글 목록
jina-ocr-v1은 OCR 품질보다 ‘문서 한 페이지를 얼마나 싸게 끝낼지’를 겨냥한다
jina-ocr-v1은 DeepSeek-OCR의 압축형 vision encoder와 3B MoE decoder 위에 FastMTP speculative decoding과 dense verifiable reward post-training을 얹어, 이미...
Unlimited-OCR은 긴 문서 OCR을 고정 KV 캐시 문제로 푼다
Baidu의 Unlimited-OCR은 DeepSeek-OCR의 압축 encoder 위에 Reference Sliding Window Attention을 얹어, 수십 페이지 문서를 한 번의 디코딩 흐름으로 처리하려는 3B급 OCR 모델이다.
HPD-Parsing은 문서 파서를 ‘하나의 긴 생성’에서 꺼낸다
HPD-Parsing은 전체 페이지의 읽기 순서는 layout branch가 조정하고, 블록별 내용은 병렬 branch가 생성하게 해 unified 문서 파서의 긴 autoregressive decoding 병목을 줄이는 1B 모델이다.
PP-OCRv6은 OCR을 거대 VLM 호출이 아니라 전문 파이프라인 문제로 되돌린다
arXiv 2606.13108과 PaddleOCR v3.7.0 릴리스, Hugging Face 배포를 함께 읽어 1.5M~34.5M급 PP-OCRv6이 왜 OCR 전용 모델의 효율과 신뢰성을 다시 전면에 세우는지 정리한다.
PaddleOCR-VL-1.6은 문서 VLM을 더 키우지 않고 약한 구간만 다시 학습한다
PaddleOCR-VL-1.6 Hugging Face 모델 카드와 기술보고서를 함께 읽어, 0.9B 문서 파싱 VLM이 under-optimized region data engine과 CPT-SFT-RL 후학습으로 OmniDocBench v1.6 96...
DeepSeek-OCR 시각화는 OCR 모델을 압축 아키텍처로 읽게 만든다
Frederik vom Lehn의 DeepSeek-OCR fully visualised와 DeepSeek 공식 논문·GitHub·Hugging Face 자료를 함께 읽어, Gundam 모드, SAM/CNN/CLIP 기반 DeepEncoder, MoE...
Mistral OCR 3는 OCR을 문서 지식화 엔진으로 바꾼다
Mistral OCR 3는 OCR을 단순 텍스트 인식이 아니라 Markdown, HTML table, structured annotation, Document AI Playground까지 이어지는 문서 구조 복원 계층으로 끌어올린다.
NuExtract3는 문서 추출을 JSON과 OCR로 나누지 않는다
NuExtract3는 구조화 추출과 문서-to-Markdown OCR을 하나의 4B VLM으로 묶고, reasoning을 필요할 때만 켜는 방식으로 문서 AI 파이프라인의 비용·품질 균형점을 다시 설계한다.
OCR4all은 역사 인쇄물 OCR을 사람-개입형 워크플로우로 푼다
OCR4all은 초기 근대 인쇄물처럼 표준 OCR이 자주 무너지는 문서를 대상으로, 전처리·레이아웃 분할·라인 분할·인식·교정·도메인별 모델 학습을 하나의 웹 UI에 묶어 비전문가도 고품질 OCR 파이프라인을 운영할 수 있게 하려는 오픈소스 프로젝트다...
문서 AI 벤치마크는 왜 단일 정확도로 설명되지 않는가
문서 복원 품질은 OCR 텍스트 정확도와 테이블 구조 품질이 함께 움직일 때 비로소 사용자 체감 품질에 가까워진다.