PyTorchKR Papers

최신 논문

총 4편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.27784v1cs.IR

EidosDoc: 비용 효율적인 반구조화 문서 QA를 위한 암시적 구조 인코딩

EidosDoc: Implicit Structure Encoding for Cost-Effective Semi-Structured Document QA

반구조화 문서는 과학 보고서, 재무제표, 기술 매뉴얼 등에서 흔히 등장한다. 이러한 문서에 대한 질의응답(QA)은 텍스트, 표, 차트, 복잡한 계층적 레이아웃을 동시에 이해해야 한다. 기존 방법은 구조 파싱과 검색을 위해 대규모 언어 모델(LLM)을 반복 호출하여 높은 비용과 큰 지연을 초래하거나, 문서를 평탄화하여 레이아웃과 계층 정보를 잃고 답변 정확도를 희생한다. 이를 해결하기 위해 최소한의 계산 비용으로 최고 수준의 정확도를 달성하는 새로운 시스템 EidosDoc을 제안한다. 우리 접근법은 세 가지 핵심 혁신을 도입한다. (1) 대조 학습(contrastive learning)과 구조 일관성 손실(structure consistency loss)으로 학습되는 암시적 구조 인코더(Implicit Structure Encoder). 이 모듈은 계층적 관계, 공간적 위치, 텍스트 내용을 밀집 벡터 공간에 공동 임베딩하여, 수동으로 정의하고 오류가 발생하기 쉬운 구조 없이 문서 구조를 전체적으로 포착한다. (2) BM25, 레이아웃 핑거프린트, 경량 cross-encoder를 활용해 LLM을 전혀 호출하지 않고 고정밀도 검색을 수행하는 하이브리드 검색 파이프라인으로, 비용과 지연을 크게 줄인다. (3) 공간적으로 인접하고 구조적으로 관련된 증거를 적응적으로 검색하여 고정 경로 검색 방법에서 흔한 증거 누락을 극복하는 동적 증거 확장(Dynamic Evidence Expansion) 메커니즘. 네 개의 벤치마크에서 EidosDoc을 평가했으며, 종합 평가 결과 EidosDoc은 네 벤치마크 모두에서 새로운 최고 수준의 정확도를 달성한다. 특히 이전 최고 수준 방법 대비 비용은 50배 감소하고 지연은 4배 낮다. 이 결과는 EidosDoc이 정확도, 비용, 속도 사이의 새로운 최적 절충을 확립하며, 정확한 반구조화 문서 분석을 위한 실용적이고 확장 가능한 경로를 제공함을 보여준다.

arXiv:2607.14117v2cs.CL

레이아웃 인지 정렬과 구조 인지 추론을 통한 이질적 요소 인지 과학 문서 교차 버전 차이 분석

Heterogeneous Element-Aware Cross-Version Differencing of Scientific Documents via Layout-Aware Alignment and Structure-Aware Reasoning

과학 문서의 교차 버전 차이 분석은 학술 출판 및 기술 문서화에서 필수적이지만, 과학 문서가 텍스트, 표, 수식, 그림, 레이아웃 단서와 같은 이질적 요소를 포함하는 페이지 구조 산출물이기 때문에 여전히 어려운 과제로 남아 있다. 기존의 텍스트 시퀀스 기반 방법은 종종 레이아웃 및 구조 정보를 잃는 반면, 이미지 기반 방법은 의미적 해석 가능성이 부족하고 렌더링 변화에 민감하다. 이러한 한계를 해결하기 위해, 본 논문은 과학 문서 차이 분석을 위한 레이아웃 인지 이질적 요소 인지 프레임워크를 제안한다. 이 프레임워크는 문서 버전을 의미적으로 유형화된 요소로 분해하고, 공간적·내용적·구조적 호환성을 공동으로 모델링하는 정렬 우선(alignment-first) 메커니즘을 통해 교차 버전 대응 관계를 수립하며, 정렬된 요소 쌍에 대해 유형 인지(type-aware) 차이 추론을 수행한다. 이는 텍스트, 표, 수식, 그림에 걸쳐 통합된 변경 탐지, 위치 특정(localization), 구조 인지(structure-awareness) 분석, 정렬/매칭 평가를 지원한다. 학술지 제작 교정(proofreading) 워크플로우에서 수집한 실제 과학 PDF 데이터에 대한 실험 결과, 제안된 프레임워크가 요소별 베이스라인을 일관되게 능가함을 보여준다. 텍스트, 표, 수식, 그림에 대해 각각 탐지 F1 점수 0.903, 0.855, 0.862, 0.845를 달성했으며, 위치 특정, 구조 인지, 매칭 품질에서도 추가적인 향상을 보였다. 소거(ablation) 및 민감도 분석은 교차 버전 정렬, 유형별 표현, 구조 인지 추론, 호환성 가중치 설계의 효과를 확인한다. 이러한 결과는 이질적 요소 인지 차이 분석이 실제 편집 제작 시나리오에서 과학 문서 비교를 위한 견고하고 해석 가능한 솔루션을 제공함을 보여준다.

arXiv:2607.15082v1cs.CV

신문 이미지의 계층적 구조 이해를 향하여

Towards Hierarchical Structure Understanding of Newspaper Images

신문 이미지 이해는 복잡하고 중첩된 계층적 구조와 밀집되고 이질적인 레이아웃 때문에 여전히 어려운 과제로 남아 있다. 본 논문에서는 신문 구조 이해를 위한 두 가지 상보적인 접근법을 탐구한다. 먼저, 최신(state-of-the-art) 오픈소스 모델을 결합한 모듈형 bottom-up 파이프라인을 제시한다. 레이아웃 검출에는 YOLO, 읽기 순서 예측에는 LayoutReader, 기사 분할에는 맞춤 알고리즘을 사용한다. 이 접근법은 유연성과 해석 가능성을 유지하면서 기존의 견고한 구성 요소를 활용한다. 둘째, 반복적 계층(tiered) 과정을 통해 문서 계층 구조를 명시적으로 모델링하는 새로운 end-to-end 트랜스포머 기반 아키텍처인 Tiramisu(Tiered Transformers for Hierarchical Structure Understanding)를 소개한다. Tiramisu는 고도로 병렬화된 어텐션 메커니즘을 사용하여 섹션 및 기사 분리, 블록 위치 지정, 의미적 분류, 읽기 순서 예측을 수행한다. 마지막으로, 역사적 신문에서의 계층적 정보 검색 평가를 위해 특별히 설계된 새로운 데이터셋인 Finlam La Liberté을 공개한다. 실험 결과는 복잡한 신문 계층 구조 재구성에서 두 접근법의 효과를 보여 주며, 비교 분석을 통해 확장 가능한 문서 디지털화에 있어 각 접근법의 강점을 부각한다. Tiramisu 학습 코드(합성 신문 생성기 포함)는 https://git.litislab.fr/tiramisu/tiramisu-newspaper-articles-extractor 에서 이용할 수 있다.

arXiv:2606.07558v2cs.CV

세기에 걸친 스캔 문서 아카이브에 파인튜닝된 페이지 이미지 분류기: 콘텐츠 특화 후속 처리를 위한 연구

Page image classifier fine-tuned on century-spanning archives of scanned documents for further content-specific processing

목적: 인문학 분야의 디지털화 프로젝트는 방대하고 이질적인 역사 문서 아카이브를 생산하며, 이를 대규모로 수동 분류하는 것은 비현실적이다. 본 연구는 스캔된 페이지 이미지를 시각적 콘텐츠 유형(텍스트, 표, 그래픽)에 따라 자동으로 분류하는 시스템의 필요성을 다루며, 이를 통해 광학 문자 인식(OCR)이나 구조화 데이터 추출과 같은 콘텐츠 특화 하위 처리를 가능하게 한다. 방법: 100년 이상 된 체코 고고학 아카이브에서 수집한 48,000개 이상의 주석이 달린 역사적 페이지 이미지 데이터셋을 기반으로 이미지 분류 시스템을 개발하고 평가하였으며, 도메인 전문가 검토를 포함한 4단계의 연속적인 주석 작업을 통해 정제하였다. 수작업으로 설계된 이미지 특징을 활용한 랜덤 포레스트 분류기(Random Forest Classifier)를 기준선으로 설정하였다. 이후 심층 학습 아키텍처를 파인튜닝하여 비교하였다: 합성곱 신경망(Convolutional Neural Networks)(EfficientNetV2, RegNetY), 비전 및 문서 이미지 트랜스포머(ViT, DiT), 그리고 멀티모달 CLIP 모델. 도메인 전문가와 협력하여 11개 범주의 레이블 체계를 설계하고 5-폴드 교차 검증으로 평가하였다. 결과: 특징 기반 기준선은 약 75%의 정확도를 달성하였다. 파인튜닝된 합성곱 신경망과 트랜스포머는 이를 크게 능가하였으며, RegNetY-16GF는 보류 테스트 세트에서 99.16%, ViT-large는 99.12%의 Top-1 정확도를 달성하였다. CLIP ViT-B/16은 최적화된 텍스트 설명으로 99.14%에 도달하였다. 결론: 이미지 전용 모델, 특히 RegNetY-16GF는 거의 완벽한 분류 정확도를 제공하며, 649,508개의 레이블 없는 아카이브 페이지에서 90% 이상의 모델 간 일치율로 일관된 레이블을 생성한다. 파인튜닝된 CLIP은 테스트 세트 정확도에서는 경쟁력이 있었으나, 레이블 없는 데이터에서 이미지 전용 모델과의 일치율이 65% 미만으로, 실제 배포에는 적합하지 않다. 최종 모델, 주석이 달린 데이터셋, 소프트웨어는 오픈소스 라이선스 하에 공개되어 있다.