Mistral OCR 4의 Bounding Box 도입 및 Baidu의 3B MoE 기반 로컬 OCR 공개

Context

기존 OCR 모델은 단순 텍스트 추출에 집중하여 문서의 구조적 정보 손실이 발생함. 이로 인해 문서 검색 및 컴플라이언스 시스템 구축 시 페이지 내 텍스트 위치를 재구성해야 하는 오버헤드가 존재함.

Technical Solution

• Paragraph-level Bounding Box 좌표 제공을 통한 문서 구조적 이해 체계 구축
• 170개 언어 지원 및 Confidence Score 산출로 데이터 신뢰도 검증 로직 구현
• SAM+CLIP 및 DeepSeek-V2 MoE Decoder 기반의 Unlimited-OCR 아키텍처 채택
• Reference Sliding Window Attention 적용을 통한 장문 문서 처리 시 메모리 효율 최적화
• GGUF, MLX, NVFP4 양자화를 통한 온디바이스 추론 환경 지원
• Tables-to-HTML 및 Equations-to-LaTeX 변환 로직을 통한 정형 데이터 추출 최적화