Topdu/OpenOCR

OpenOCR – 범용 오픈소스 OCR 툴킷

소개 – OpenOCR은 푸단 대학교 FVL Lab에서 개발한 오픈소스 라이브러리로, 범용 광학 문자 인식(OCR)을 위한 최첨단 모델과 파이프라인을 통합합니다. 레이아웃 감지, 텍스트 라인 감지, 일반 텍스트·수식·표 인식, 그리고 엔드투엔드 문서 파싱까지 문서 이해 기술 스택 전체를 다룹니다.

주요 구성 요소

구성 요소	기능	크기 / 특징
OpenDoc‑0.1B	초경량 문서 파서 (약 0.1B 파라미터). 2단계 구성: PP‑DocLayoutV2를 이용한 레이아웃 분석 + UniRec‑0.1B를 이용한 통합 인식. 중국어 및 영어 지원, OmniDocBench v1.5에서 90.57% 기록.	0.1B 파라미터, HuggingFace/ModelScope 데모
UniRec‑0.1B	일반 텍스트, 단일/다중 라인 수식, 표를 인식하는 단일 모델. UniRec40M 데이터셋에서 처음부터 학습(사전 학습 없음).	0.1B 파라미터, 논문 [arXiv 2512.21095]
OpenOCR (SVTRv2)	SVTRv2 인식기를 기반으로 구축된 전체 OCR 시스템. Baidu AI Studio 대회에서 PP‑OCRv4를 4.5% 앞서면서 유사한 속도 유지. 서버급 및 모바일급 체크포인트와 ONNX 내보내기 제공.	SVTRv2 (CTC 기반 장면 텍스트 인식기) 사용
SVTRv2	기반 인식기 아키텍처 (ICCV 2025). 대규모 Union14M‑L‑Filter 데이터셋에서 학습하여 합성 데이터 베이스라인 대비 20‑30% 정확도 향상, 임의 형태의 텍스트에서 인코더-디코더 모델을 능가.	논문 [arXiv 2411.15858]

OpenOCR을 선택해야 하는 이유

• 혼합 콘텐츠의 통합 처리 – 대부분의 OCR 툴킷은 텍스트와 수식을 별도로 처리하지만, UniRec‑0.1B는 이를 함께 처리하여 과학 문서 파이프라인을 단순화합니다.
• 경량 모델 – 100M 파라미터 미만의 체크포인트로 엣지 디바이스나 저사양 서버에 배포가 가능합니다.
• 연구 준비 완료 – 리포지토리에 학습 스크립트, 설정 파일, Union14M 기반 벤치마크가 포함되어 있어 장면 텍스트 및 문서 OCR에 대한 재현 가능한 실험이 가능합니다.
• 오픈 생태계 – 모델은 HuggingFace와 ModelScope에 게시되어 있으며, 코드는 오픈 라이선스로 배포되어 커뮤니티 기여를 장려합니다.

시작하기

1. 리포지토리를 클론하고 PyPI에서 openocr-python 패키지를 설치합니다.
2. Quick‑Start markdown (QUICKSTART.md)에 따라 로컬 또는 제공된 HuggingFace/ModelScope 스페이스에서 데모를 실행합니다.
3. 사용자 정의 데이터의 경우 파인튜닝 가이드(finetune_det.md, finetune_rec.md)를 참조하세요.
4. 프레임워크에 구애받지 않는 추론이 필요한 경우 ONNX로 내보내세요.

일반적인 사용 사례

• 과학 논문 디지털화 (텍스트 + 수식 + 표).
• 레이아웃이 다양한 청구서/영수증 자동 처리.
• 다국어 지원 검색 가능한 문서 아카이브 구축.
• 장면 텍스트 인식 연구, 특히 임의 형태의 텍스트 연구.

리소스

• 문서: docs/ (OpenDoc, UniRec, OpenOCR, SVTRv2).
• 모델 카드: README 내 HuggingFace 및 ModelScope 링크.
• 데이터셋: UniRec40M (HF) 및 Union14M‑L‑Filter (문서에서 링크).
• 논문: UniRec‑0.1B 및 SVTRv2의 arXiv 링크.

---

모든 정보는 리포지토리의 README에서 직접 가져왔으며, 외부의 추측은 추가되지 않았습니다.