Baidu의 Unlimited-OCR, 이미지와 여러 페이지 문서를 파싱하는 OCR 모델

AI 요약

Baidu가 공개한 Unlimited-OCR은 이미지 한 장부터 여러 페이지 문서까지 파싱하는 OCR 모델입니다. 모델 카드에서는 Deepseek-OCR을 한 단계 발전시키는 것을 목표로 제시하며, Hugging Face Transformers 추론 코드와 vLLM·SGLang 배포 방법을 안내합니다.

이미지와 PDF 추론

단일 이미지 추론은 gundam과 base 두 설정을 지원합니다. gundam은 base_size=1024, image_size=640, 자르기 기능을 켜고, base는 base_size=1024, image_size=1024로 처리합니다. 여러 이미지와 PDF는 base 설정을 사용합니다. PDF는 PyMuPDF로 페이지를 이미지로 변환한 뒤 infer_multi에 전달합니다.

실행 환경과 서빙

Transformers 예시는 Python 3.12.3과 CUDA 12.9 환경에서 시험했으며, PyTorch 2.10.0과 Transformers 4.57.1 등을 사용합니다. 모델은 bfloat16 정밀도로 불러오고, 추론 문맥 길이는 최대 32,768 토큰으로 설정합니다. vLLM용 Docker 이미지도 제공하며, SGLang에서는 OpenAI 호환 API로 스트리밍 요청을 보낼 수 있습니다. 반복 생성을 줄이기 위해 35-그램 반복 방지 로짓 프로세서를 설정하는 예시도 포함합니다.

평가와 생태계

모델 카드에 실린 OmniDocBench 결과는 Mean View 46.17, Text Content View 86.81, Text Formatting View 0.97입니다. 각 수치의 평가 단위나 비교 기준은 함께 설명하지 않습니다. Hugging Face 페이지에는 지난달 다운로드 수 1,205,646건과 이 모델을 사용하는 Spaces 79개가 표시되어 있습니다.

원문: Hugging Face / 번역·요약: Trawling