OCR 페이지 수준 분석 결과에 대해 후처리를 수행하여, 문서 수준의 의미 트리 (Semantic Tree) 구조를 구축함으로써 구조화된 문서 분석 (Structured Document Parsing)의 품질을 향상시킵니다.
https://
github.com/opendatalab/MinerU-Popo
...
MinerU-Popo는 4B 파라미터를 가진 경량 OCR 후처리 모델로, 페이지 수준의 OCR 출력을 문서 트리 (Document Tree)로 재정리할 수 있습니다. 이는 표 잘림 (Table Truncation), 텍스트 잘림 (Text Truncation), 제목 계층 (Heading Hierarchy) 및 그림-텍스트 연관성 (Image-Text Association) 문제를 처리합니다.

데이터 엔진 (Data Engine), 동적 청킹 (Dynamic Chunking) 및 문서 풍부화 (Document Enrichment)를 통해 페이지 간 불연속성, 중복 분석 및 긴 문서 문제를 해결합니다. MinerU에서 TEDS 점수가 53.7에서 90.6으로 상승하여 매우 뚜렷한 효과를 보였습니다. 논문, 모델 및 데이터셋은 모두 오픈 소스로 공개되었습니다.

AI 가이드 대화를 통해 모호한 비디오 개념을 초 단위의 정밀한 스토리보드 스크립트로 단계별로 세분화합니다.