Tencent/WeVisDoc

해결하는 문제

WeVisDoc은 엔드투엔드 문서 파싱의 과제를 해결하며, 페이지 이미지를 구조화된 기계 판독 가능 형식으로 변환합니다. 특히 문서 이미지에서 텍스트, 복잡한 LaTeX 수식, HTML 표를 원본 구조를 유지하면서 정확하게 추출하는 문제를 해결합니다.

작동 원리

WeVisDoc은 Qwen3-VL(2B 및 4B 파라미터 버전)에서 미세 조정된 시각-언어 모델입니다. 페이지 이미지를 입력으로 받아 직접 구조화된 Markdown 출력을 생성합니다. vLLM을 사용하여 고처리량 추론 서비스로 배포하거나 Transformers 라이브러리를 사용하여 로컬에서 실행할 수 있습니다.

대상 사용자

이 도구는 문서를 디지털화하거나, PDF 또는 이미지에서 데이터 추출을 자동화하거나, 시각적 문서 레이아웃을 다른 AI 시스템에서 처리할 수 있도록 구조화된 Markdown으로 변환해야 하는 개발자 및 연구자를 위해 설계되었습니다.

주요 특징

• 높은 정확도: OmniDocBench v1.6 및 PureDocBench 벤치마크에서 다른 엔드투엔드 파서보다 뛰어난 성능을 보입니다.
• 구조화된 출력: 페이지 이미지를 Markdown으로 변환하며, 수식에는 LaTeX를, 표에는 HTML을 지원합니다.
• 유연한 배포: API 액세스를 위한 vLLM 기반 서버 또는 Transformers 기반 로컬 추론 등 다양한 실행 방법을 제공합니다.
• 확장 가능한 옵션: 성능과 정확도의 균형을 맞출 수 있도록 두 가지 모델 크기(2B 및 4B 파라미터)로 제공됩니다.