PDF에서 Artifact(아티팩트)란 무엇인가?

PDF 아티팩트(Artifacts)는 문서 생성, 렌더링, 스캐닝 또는 OCR(광학 문자 인식) 처리 과정에서 도입되는 비의미적(non-semantic) 시각 요소입니다. AI 파이프라인에서 이러한 아티팩트는 추출 품질을 저하시키며 임베딩(embeddings), 검색(retrieval), LLM 추론(reasoning)과 같은 후속 작업에 부정적인 영향을 미칩니다.

전형적인 PDF 아티팩트에는 다음이 포함됩니다:

• 페이지 헤더/푸터(page header/footer)
• 여러 페이지에 걸친 표의 테이블 헤더(table headers)
• 콘텐츠로 해석될 수 있는 장식 요소(decorative elements)

아티팩트는 일반적으로 다음과 같은 보조 기술(assistive technologies)에 의해 무시되어야 합니다: 스크린 리더(screen readers), 음성 합성 시스템(text-to-speech systems), 접근성 API(accessibility APIs), AI 의미론적 추출 파이프라인(AI semantic extraction pipelines).

이 개념은 HTML 접근성에서의 장식 요소(decorative elements)와 매우 유사합니다.

예를 들어, HTML에서는: 장식용 이미지는 alt=""를 사용하고, 레이아웃 컨테이너는 ARIA presentation 역할을 사용할 수 있으며, CSS로 생성된 시각 요소는 의미론적으로 무시됩니다. PDF에서는 이에 상응하는 메커니즘이 콘텐츠를 아티팩트(Artifact)로 표시하는 것입니다.

참고로 아티팩트는 PDF/UA 준수 및 스크린 리더 사용성에 있어 결정적인 역할을 합니다. 적절한 아티팩트 처리가 없으면 보조 기술이 장식적 요소나 반복적인 콘텐츠를 소리 내어 읽어 사용자에게 혼란과 오해를 불러일으킬 수 있습니다.

PDF4WCAG Accessibility Checker와 같은 현대적인 접근성 검증 도구는 이러한 문제를 식별하고 PDF가 의미 있는 콘텐츠와 장식 요소를 올바르게 구분하도록 도와줍니다.

PDF/UA와 WCAG의 핵심 요구 사항은 모든 콘텐츠 조각이 아티팩트로 지정되거나 구조 트리(structure tree)의 일부로 지정되어야 한다는 것입니다. 어떤 것도 남겨두어서는 안 됩니다. 이것이 바로 PDF4WCAG가 검증하는 내용입니다.

PDF4WCAG 검증 후의 아티팩트 오류 샘플

PDF 2.0 및 향상된 아티팩트 의미론(artifact semantics)

PDF 2.0 (ISO 32000-2:2020)은 이전 버전에 비해 아티팩트의 처리와 정의에 상당한 개선을 가져왔습니다.

PDF 2.0에서 아티팩트 모델의 주요 개선 사항:

표준화된 태깅(Standardized Tagging): PDF 2.0은 특히 태그가 지정된 PDF(tagged PDF)에서 항목을 아티팩트로 표시하는 더 명확하고 견고한 메커니즘을 제공하여 접근성 도구의 모호성을 줄입니다.

모호한 표현 감소(Reduced Vague Wording): 이전 PDF 1.7 사양의 모호성을 해결하며, 개발자와 소프트웨어가 아티팩트를 처리해야 하는 방법에 대해 더 명확한 규칙을 제공합니다.

향상된 주석 처리(Better Annotation Handling): 주석과 구조적 요소 간의 관계가 더 잘 정의되어 배경 장식이나 여백이 콘텐츠로 오인되는 문제를 줄입니다.
개선된 구조 계층(Improved Structural Hierarchy): 아티팩트화된 콘텐츠가 문서 구조 트리와 어떻게 상호 작용할 수 있는지, 특히 태그를 어떤 순서로 배열하거나 무시해야 하는지에 관하여 명확히 했습니다. 이는 이전 표준에서 모호했던 지점이었습니다.

요약하자면, 아티팩트를 적절하게 사용하는 것은 PDF 접근성의 근본적인 개념 중 하나입니다.

구조적으로 잘 짜인 접근 가능한 PDF는 의미 있는 시맨틱 콘텐츠와 장식적이거나 보조적인 표현 요소를 명확히 분리해야 합니다.

PDF 접근성이 발전함에 따라, 특히 PDF 2.0의 의미론과 AI 기반 문서 처리가 이루어지면서 아티팩트 분류는 접근성 전문가뿐만 아니라 지능형 문서 시스템을 구축하는 개발자, 출판사, AI 엔지니어에게도 점점 더 중요해지고 있습니다.