.svg)
AI 솔루션 문의하기
기존의 문자인식 방식은 이미지 속 글자 형태를 정해진 문자 목록과 대조해 가장 가까운 글자를 찾아내는 방식으로 동작합니다. 이 방식은 인쇄 상태가 깨끗한 문서에서는 높은 정확도를 보이지만, 글자 하나의 형태만으로 판단하다 보니 앞뒤 문맥을 고려하지 못해 비슷하게 생긴 글자를 잘못 인식하는 경우가 발생합니다. 시각과 언어를 함께 학습한 모델을 결합해 글자 형태뿐 아니라 문장 전체의 맥락까지 함께 살피는 구조를 갖춘다면 형태만으로는 구분하기 어려운 글자를 문맥을 통해 보완할 수 있는 여지가 생깁니다.
인쇄 품질이 낮거나 접힌 자국이 남은 문서에서는 특정 글자의 일부가 지워지거나 흐릿하게 남아 형태만으로는 어떤 글자인지 판단하기 어려운 경우가 있습니다. 이런 상황에서 주변 문장의 흐름과 문서 전체의 맥락을 함께 참고해 가능성이 높은 글자를 추정하는 방식을 적용한다면 형태 인식만으로는 확정하기 어려운 글자도 앞뒤 맥락을 근거로 보완할 수 있습니다. 다만 이 보완은 어디까지나 참고 수준으로 다루어져야 하며, 확신이 낮은 부분은 별도로 표시해 사람이 다시 확인할 수 있도록 남겨 두는 절차가 함께 필요합니다.
기존 방식은 미리 정해진 항목의 위치를 기준으로 정보를 뽑아내는 구조여서, 문서 양식이 바뀌거나 정해두지 않은 항목을 확인하려 하면 별도의 설정 작업을 다시 거쳐야 했습니다. 자연어로 표현된 질문을 문서 내용과 함께 이해하는 방식을 적용한다면 미리 정해진 항목이 아니더라도 필요한 순간에 원하는 정보를 문서에서 찾아 답하는 유연한 처리가 가능해집니다. 이 방식은 문서 양식이 자주 바뀌거나 다양한 종류의 문서를 함께 다루어야 하는 상황에서 특히 참고할 만합니다.
문서 안에는 서로 연관된 항목이 여러 곳에 나뉘어 기재되는 경우가 있으며, 이 항목들 사이에 값이 어긋나 있다면 어느 한쪽에 오류가 있다는 신호로 볼 수 있습니다. 문서 안의 여러 항목을 개별적으로 인식하는 데 그치지 않고 항목 간의 관계와 의미까지 함께 파악해 값이 서로 어긋나는지를 대조하는 절차를 거친다면 단순 인식만으로는 발견하기 어려운 불일치를 찾아내는 데 도움이 됩니다.
문맥까지 함께 살피는 방식은 형태만 비교하는 기존 방식보다 처리에 걸리는 시간과 자원이 더 많이 들어갑니다. 인쇄 상태가 깨끗하고 정해진 양식을 그대로 따르는 문서까지 매번 무거운 방식으로 처리하면 전체 처리 속도가 느려지고 운영 비용도 함께 늘어날 수 있습니다. 먼저 가벼운 방식으로 인식을 시도하고 신뢰도가 낮게 나오거나 항목 간 불일치가 발견된 문서에 한해서만 맥락을 함께 살피는 방식을 추가로 적용한다면 처리 속도와 인식 정확도 사이의 균형을 유지할 수 있습니다. 어떤 조건에서 추가 처리를 발동시킬지에 대한 기준을 문서 종류별로 다르게 설정하는 작업도 함께 필요합니다.
문서 안에는 글자뿐 아니라 도표나 그림, 사진이 함께 포함되어 있는 경우가 있으며, 이런 요소는 글자만 인식하는 방식으로는 의미를 담아내기 어렵습니다. 이미지와 텍스트를 함께 이해하는 방식을 활용해 도표나 그림이 담고 있는 내용을 문장으로 풀어 설명하도록 처리한다면 문서 전체를 글자만으로 정리했을 때보다 놓치는 정보를 줄일 수 있습니다. 도표의 형태가 복잡할수록 해석의 정확도가 낮아질 수 있어 이 부분은 별도의 검증 절차와 함께 운영되는 편이 안전합니다.
한 문서 안에 서로 다른 언어가 함께 쓰이는 경우, 언어가 바뀌는 지점에서 기존 방식은 오류가 잦아지는 경향이 있습니다. 언어 전환 지점을 문맥으로 함께 판단하는 방식을 적용한다면 어떤 언어에서 다른 언어로 바뀌는 구간을 자연스럽게 인식하고 각 언어에 맞는 처리로 이어갈 수 있습니다.
인식 결과가 얼마나 신뢰할 수 있는지를 함께 알려주지 않으면 담당자는 모든 결과를 동일한 수준으로 신뢰하거나 반대로 모든 결과를 다시 확인해야 하는 부담을 안게 됩니다. 문맥 추정이 개입된 부분과 형태 인식만으로 확정된 부분을 구분해 표시하고 확신 수준을 함께 제공한다면 담당자는 확신이 낮은 부분에만 검토를 집중할 수 있습니다.
하이브리드 방식을 운영하는 과정에서는 어떤 조건에서 문맥 보완이 자주 발동되는지, 어떤 유형의 문서에서 항목 간 불일치가 자주 발견되는지에 대한 자료가 함께 쌓이게 됩니다. 이 자료를 정기적으로 살펴본다면 특정 문서 유형이나 발급처에서 반복되는 인식 어려움을 짚어낼 수 있고, 이는 처리 기준을 다시 다듬는 참고 자료로 이어질 수 있습니다.
.svg)
.svg)
