추천Xiaomi-OCR-0: OmniDocBench 92.7점, 0.8B 크기의 문서 OCR

문서 이미지에서 텍스트를 추출하고 구조를 파악하는 데 특화된 비전 언어 모델이다. Qwen3.5-0.8B-Base를 기반으로 파인튜닝하여, 소형 모델임에도 복잡한 문서 이해 작업을 수행한다. 이미지와 텍스트를 함께 처리하는 멀티모달 아키텍처를 사용한다.

1 / 7

PaddlePaddle의 Real5-OmniDocBench 벤치마크에서 종합 점수 92.73점을 기록했다. 스캔, 왜곡, 화면 촬영, 조명, 기울기 등 다양한 실제 환경의 문서 조건에서도 91점 이상의 일관된 성능을 보여준다. 단순 문자 인식(Optical Character Recognition)을 넘어 문서 구조를 이해하는 데 초점을 맞춘다.

주요 기능으로는 문서 파싱, 문서 이해, 시각 질의응답, 핵심 정보 추출 등이 있다. 대화형 인터페이스를 지원하여 사용자가 이미지와 텍스트를 섞어 질문할 수 있다. Transformers 라이브러리와 함께 사용 가능하며, 오픈소스로 공개되어 있다.

경량화된 모델 구조 덕분에 로컬 환경이나 엣지 디바이스에서 문서 처리 파이프라인을 구축할 때 적합하다. 대규모 LLM을 사용하지 않고도 높은 정확도의 문서 정보 추출이 필요한 개발자에게 유용하다.