Language-First 한계 극복을 통한 Vision-First OCR 설계 및 인식 오류 95% 감소

Context

기존 OCR 아키텍처는 시각 인식 레이어 이후 현대어 Corpus 기반의 언어 보정 레이어를 적용하는 Language-First 구조를 채택. 이러한 설계는 현대어 표준화에는 유리하나, 표기법이 가변적인 고대 Khmer어 등 역사적 문헌 분석 시 원본 데이터를 현대어로 강제 치환하여 데이터 무결성을 훼손하는 치명적 결함 발생.

Technical Solution

• 언어 모델의 확률적 보정 프로세스를 배제하고 이미지의 시각적 특징에 집중하는 Vision-First 아키텍처 도입
• 현대어 사전 기반의 자동 교정 로직을 제거하여 역사적 텍스트의 고유한 Spelling을 보존하는 구조 설계
• CNN, RNN/LSTM, Transformer 기반의 Deep Learning 모델을 활용하여 시각적 패턴 인식 정밀도 극대화
• 원본 이미지, 역사적 컨텍스트, Raw OCR 텍스트, 현대어 대응 텍스트의 4계층 데이터 구조를 통한 VLM(Vision-Language Model) 학습 기반 마련
• 특정 지역 및 시대별 가변적 표기법을 수용하기 위한 비표준 데이터셋 중심의 학습 전략 채택