PolyOCR-Venus, OCR 모델 통합
- •PolyOCR-Venus, 인식·위치 지정·문서 분석·정보 추출·추론을 하나의 OCR 모델군으로 통합
- •PolyOCR-9B, OCRBench v2.1 영어 80.42점·중국어 78.37점; 다국어 2.7B 모델은 MDPBench 87.0점
- •OCRBench v2.1, 2,449개 샘플 수정 및 과업에 맞춘 채점 지표 반영
GuangJian Team 연구진은 9월 29일 논문으로 발표하고 10월 12일 Hugging Face에 제출한 광학 문자 인식(OCR) 모델군 PolyOCR-Venus를 공개했습니다. 모델은 복잡한 시각 환경의 텍스트를 인식하고 위치를 찾으며, 문서를 분석하고 추론하도록 설계됐습니다. 연구진은 기존 OCR 시스템이 개별 과업에서는 성능을 내더라도 여러 상황에서 인식·분석·추론 능력을 균형 있게 발휘하기 어렵다고 설명했습니다.
PolyOCR는 지시를 따르는 공통 프레임워크와 다양한 시각 자료를 품질 검증된 OCR 학습 데이터로 바꾸는 대규모 데이터 엔진을 활용합니다. 2B·9B 모델은 텍스트 인식, 위치 지정, 문서 분석, 정보 추출, OCR 추론을 하나의 인터페이스에 결합했습니다. 연구진은 검증기 기반 그룹 상대 정책 최적화와 온폴리시 증류를 결합한 역량 유도 정책 최적화(CGPO)도 개발했습니다. 이 방식은 교사 모델의 신뢰도와 교사·학생 모델 간 역량 차이에 따라 학습 샘플을 배정합니다.
논문에 따르면 PolyOCR-9B는 OCRBench v2.1에서 영어 80.42점, 중국어 78.37점을 기록했고, 다국어 OCR을 제외한 CC-OCR 평가 트랙 3개에서는 82.43점을 얻었습니다. 별도의 다국어 2.7B 모델은 MDPBench에서 87.0점을 기록했습니다. 연구진은 OCRBench v2.1의 샘플 2,449개를 수작업으로 수정하고 과업에 맞춘 채점 지표를 추가했습니다. 논문은 OCRBench v2.1, CC-OCR, 자체 KIE 벤치마크, OmniDocBench v1.6, MDPBench 실험에서 최첨단 또는 매우 경쟁력 있는 성능을 보였다고 밝혔습니다.