OmniDocBench

OmniDocBench는 문서 파싱 벤치마크로, 다양한 유형의 PDF 페이지를 텍스트, 표, 수식으로 바꾸는 모델의 능력을 채점합니다.

  • 모델 활용
  • 업데이트

OmniDocBench는 2024년 12월 논문에서 소개되었으며, 코드와 데이터는 GitHub의 opendatalab에서 공개되어 있습니다. 페이지는 학술 논문, 교과서, 손글씨 메모, 조밀한 신문 등 아홉 가지 문서 출처에서 왔으며, 19개 레이아웃 범주와 15개 속성 라벨에 대한 주석이 달려 있습니다. 이 사이트의 OCR 모델 카드 대부분이 이 벤치마크 점수를 인용합니다.

이 벤치마크는 개정을 거쳐 v1.5, v1.6 같은 버전이 있고, Real5-OmniDocBench 같은 파생 세트도 있습니다. 이는 PaddlePaddle 팀이 v1.5 데이터로부터 스캔, 왜곡, 촬영된 페이지를 모아 만든 것입니다. 버전이 다르면 점수를 비교할 수 없으며, 이 사이트의 수치는 개발자들 자신의 것입니다. 모델을 여러분의 문서에 직접 돌려 어떻게 대응하는지 확인하세요.

관련 용어

  • OCR 및 문서 파싱 OCR은 문자가 담긴 이미지를 텍스트로 바꿉니다. 문서 파싱은 한 단계 더 나아가 표, 수식, 차트, 읽기 순서를 재구성하며, 보통 Markdown으로 출력합니다.
  • 벤치마크(Benchmark) 벤치마크는 모델을 비교하기 위한 표준화된 테스트로, 수학, 코딩, 지식 문제 세트 등이 사용됩니다. 점수는 참고가 되지만 과대해석하기 쉽습니다.

전체 용어