Gemma 4 Native Vision 기반의 8초 내 화이트보드 구조화 분석

Context

기존의 화이트보드 디지털화 방식은 OCR과 LLM을 분리한 2단계 파이프라인 구조로 인해 맥락 손실과 구현 복잡도가 높음. 이미지 내 도형이나 화살표 같은 시각적 메타데이터를 텍스트로 변환하는 과정에서 우선순위와 의존성 정보가 유실되는 한계 존재.

Technical Solution

• 별도의 OCR 단계 없이 Gemma 4 Native Multimodal Vision을 활용한 단일 추론(Single Inference) 구조 설계
• Temperature 0.2 설정을 통한 할루시네이션 억제 및 데이터 추출의 Grounding 강화
• 원형(High), 사각형(Medium), 일반 텍스트(Low) 등 시각적 큐를 우선순위로 매핑하는 Visual Reasoning 프롬프트 적용
• Ollama REST API 기반의 Local LLM 배포를 통한 기업 데이터 유출 방지 및 오프라인 프라이버시 보장
• Q4_K_M 양자화 모델 적용으로 추론 속도와 정확도 사이의 최적 Trade-off 달성
• run_js 툴과 URL 파라미터를 활용한 구조화된 JSON 데이터의 프론트엔드 렌더링 파이프라인 구축