PIX-TAB: Speculative Decoding과 영역 기반 이미지 분할을 활용한 효율적인 픽셀 정밀 테이블 구조 인식 방식

삼성 R&D Institute Ukraine 연구진은 복잡한 표 구조를 정확하게 인식하면서도 온디바이스(on-device) 환경에서 빠르게 동작하는 PIX-TAB 방식을 제안했다. 이 모델은 MTL-TabNet 아키텍처에서 영감을 받았으며, 픽셀 단위의 정밀한 구조 인식을 제공한다.

핵심 기술로는 Position-Aware Pixel-Precise (PAPP) Tokens를 도입하여 행과 열의 위치 정보를 명시적으로 제공함으로써, 길고 복잡한 표에 대한 인식 정확도를 높였다. 또한, Speculative Decoding 기술을 적용해 인식 정확도는 유지하면서도 디코딩 속도를 높여 기기 응답성을 개선했다.

주요 특징은 다음과 같다:

• RBIS(Region-Based Image Segmentation): Flood fill 기법을 사용하여 경계가 명확한 표의 셀을 안정적으로 탐지한다.
• 유연한 확장성: 핵심 구조 모델을 수정하지 않고도 OCR 모델 교체만으로 새로운 언어를 지원할 수 있다.
• 데이터셋 강화: 위키피디아 표를 기반으로 구조적 다양성을 높인 100만 개 이상의 합성 데이터를 생성하여 모델을 학습시켰다.
• 새로운 평가지표: 기존 TSR(Table Structure Recognition) 측정 방식의 한계를 극복하기 위해 TEDS struct100 및 TEDS 100 지표를 도입했다.