OXR 운영 중

OXR은 수커우 테크놀로지 SoMark이 오픈 소스로 공개한 1.3B 문서 파싱 모델로, PDF/문서 이미지를 대상으로 Agent 친화적인 Markdown/JSON을 출력합니다. 텍스트, 표, 수식, 화학 방정식/구조식, 코드 등 13가지 요소를 인식하고 페이지 레이아웃 좌표와 읽기 순서를 제공합니다. OXR은 후속 학습에 RSI 자기 개선 루프를 도입했으며, OmniDocBench, olmOCR-Bench, DocParsingBench 세 벤치마크에서 모두 1위를 차지하고 파싱 속도도 앞섭니다.

문서를 구조화 데이터로 변환: PDF와 문서 이미지를 Markdown/JSON으로 파싱하여 Agent와 다운스트림 시스템이 직접 사용할 수 있습니다.
다양한 요소 인식: 텍스트, 표, 수식, 화학 방정식, 화학 구조식, 코드 블록 등 13가지 문서 요소를 지원합니다.
레이아웃 정보 출력: 인식 결과에 바운딩 박스 좌표를 제공하고 콘텐츠를 읽기 순서에 따라 구성합니다.
복잡한 레이아웃 처리: 다단 논문/신문, A3 시험지, 세로쓰기 텍스트, 중·영문 필기 등 어려운 사례를 지원합니다.
사용자 정의 레이아웃 분석: 내장 레이아웃 모델을 교체하여 요소 유형, 영역 경계, 콘텐츠 그룹에 대한 다양한 업무 정의에 대응할 수 있습니다.
다양한 연동 방식: 무료 API, 온라인 Demo, Docker/소스 코드 기반 로컬 배포를 제공하며 SoMark CLI/SDK와 호환됩니다.

WeChat에서 팔로우한 후 “开源”라고 답장하여 AI 오픈 소스 프로젝트交流群에 참여하세요.
모델 및 학습: OXR은 1.3B 파라미터 모델로, 처음부터 사전 학습되었습니다. 후속 학습 단계에서는 문서 파싱을 위한 RSI 루프를 도입하여 여러 모델이 오인식 샘플과 약한 샘플을 분석하고 학습 전략과 데이터를 자동 생성합니다.
아키텍처 구성: 시스템은 경량 Layout Analysis 모델과 OXR 메인 모델로 구성됩니다. 전자는 콘텐츠 영역을 찾고, 후자는 동일한 인식 단계에서 콘텐츠 인식과 읽기 순서 판단을 수행하여 별도의 정렬 비용을 줄이며 의미 관계를 활용해 순서 판단을 개선합니다.
플러그형 설계: 레이아웃 분석을 독립 모듈로 분리하여 타사 또는 자체 개발 레이아웃 모델로 교체할 수 있습니다. 동시에 OXR의 콘텐츠 인식 및 읽기 순서 기능은 유지하여 도메인 간 적용 비용을 낮춥니다.
효율성 최적화: 작업 단위에서 파싱 프로세스를 재구성하여 1.3B 소형 모델이 정확도를 유지하면서 더 높은 처리량을 얻도록 했습니다. 공식 테스트에서 동일한 조건으로 100페이지를 파싱한 결과 RTX PRO 6000 기준 OXR은 약 101초로, PaddleOCR-VL-1.6과 MinerU2.5-Pro보다 빠릅니다.
엔지니어링 연동: 파싱 API는 SoMark과 호환되며 somark-py/somark-js/CLI를 재사용할 수 있습니다. 로컬에서는 all-in-one Docker 배포가 가장 간단하고, 소스 코드 배포 시 OXR 모델 서비스, Layout Analysis 서비스, 파싱 API를 각각 시작해야 합니다.

리소스 다운로드: GitHub 저장소를 복제하고 Hugging Face 또는 ModelScope에서 OXR-1.0 BF16 가중치를 다운로드합니다.
Docker 시작: docker/Dockerfile.allinone을 빌드하고 모델 디렉터리를 마운트한 후, 시작이 완료되면 localhost:8000/demo 또는 /docs에 접속합니다.
소스 코드 배포: OXR 모델 서비스와 Layout Analysis 서비스를 차례로 시작한 다음 문서 파싱 API를 시작하고 config.yaml을 구성합니다.
파싱 요청: /v1/parse/sync 또는 비동기 인터페이스를 호출하거나 SoMark CLI/SDK의 base URL을 변경한 후 파일을 제출합니다.
결과 확인: markdown/json 등의 출력 형식을 선택하고 파싱 결과를 다운로드한 뒤 좌표와 읽기 순서를 확인합니다.
프로덕션 연동: 로컬 서비스 또는 SoMark 상용 서비스를 사용하고, 업무에 맞게 레이아웃 분석 모듈을 교체하거나 미세 조정합니다.

세 벤치마크에서 앞선 정확도: OmniDocBench, olmOCR-Bench, DocParsingBench에서 모두 1위를 차지했으며 표 처리 시나리오에서 강점이 더욱 뚜렷합니다.
빠른 속도: 1.3B 파라미터 모델로 동일한 조건에서 100페이지를 약 101초에 파싱하며, 공식 발표 기준 테스트에 참여한 오픈 소스 모델 중 1위입니다.
폭넓은 요소 지원: 텍스트, 표, 수식, 화학 방정식/구조식, 코드 블록 등 13가지 문서 요소를 지원합니다.
Agent 친화적 출력: 결과에 레이아웃 좌표와 읽기 순서가 포함되며, Markdown/JSON으로 바로 변환하여 워크플로에 사용할 수 있습니다.
지속적인 진화: 후속 학습에 RSI 루프를 적용하여 오인식 샘플과 약한 샘플로 전략과 데이터를 자동 생성하고 수작업 주석 의존도를 줄입니다.
낮은 적용 비용: 레이아웃 분석을 독립적인 플러그형 모듈로 제공하여 업무에 맞는 사용자 정의 레이아웃 모델로 교체하면서도 인식 및 정렬 기능을 유지할 수 있습니다.

GitHub 저장소: https://github.com/SoMarkAI/OXR
HuggingFace 모델 저장소: https://huggingface.co/SoMarkAI/OXR-1.0

RAG 지식 베이스 구축: PDF/스캔 문서를 구조 좌표가 포함된 Markdown/JSON으로 변환하여 청킹, 검색 및 인용 품질을 향상합니다.
금융/리서치 보고서 파싱: 다단 보고서, 복잡한 표와 차트 설명을 처리하고 표 구조와 읽기 순서를 안정적으로 출력합니다.
교육 및 시험 디지털화: A3 시험지와 세로쓰기/필기 콘텐츠를 파싱하여 문제 은행 구축, 채점 및 오답 분석에 활용합니다.
연구 및 출판 프로세스: 논문의 수식, 화학 방정식/구조식을 인식하고 LaTeX, mhchem, SMILES로 변환하여 재사용할 수 있습니다.
기업 문서 Agent: 계약서, 이력서, 기록물, 코드 문서에 구조화된 입력을 제공하며, 레이아웃 분석 모듈을 교체하여 업종별 문서 형식에 대응할 수 있습니다.