[논문리뷰] CHURRO: Making History Readable with an Open-Weight Large Vision-Language Model for High-Accuracy, Low-Cost Historical Text Recognition

링크: 논문 PDF로 바로 열기

저자: Sina J. Semnani, Han Zhang, Xinyan He, Merve Tekgürler, Monica S. Lam

핵심 연구 목표

본 연구는 역사 문서의 텍스트 인식 정확도를 높이고 비용을 절감하기 위해 오픈-웨이트 대규모 비전-언어 모델(VLM) 인 CHURRO 를 개발하는 것을 목표로 합니다. 기존 VLM이 현대 표준화된 텍스트에 주로 맞춰져 있어, 다양한 언어, 필체, 불규칙한 레이아웃, 그리고 손상이 잦은 역사 자료 인식에 비효율적인 문제를 해결하고자 합니다.

핵심 방법론

연구팀은 3B-파라미터 오픈-웨이트 VLM 인 Qwen 2.5 VL 을 기반으로 CHURRO 를 개발했습니다. 이 모델은 현재까지 가장 크고 다양한 역사 텍스트 인식 데이터셋인 CHURRO-DS 를 활용하여 파인튜닝되었습니다. CHURRO-DS 는 155개 역사 자료(99,491페이지, 46개 언어 클러스터)를 통합하고 정제하여 구축되었으며, 평가는 정규화된 레벤슈타인 유사도 와 비용 효율성으로 진행되었습니다.

주요 결과

CHURRO 는 CHURRO-DS 테스트 세트 에서 인쇄물 82.3% , 필기체 70.1% 의 정규화된 레벤슈타인 유사도를 달성하여 모든 VLM 중 최고 성능을 기록했습니다. 이는 두 번째로 우수한 Gemini 2.5 Pro 를 인쇄물에서 1.4% , 필기체에서 6.5% 앞서는 결과이며, 동시에 15.5배 더 비용 효율적 입니다. 파인튜닝을 통해 기본 Qwen 2.5 VL (3B) 대비 인쇄물에서 14.5% , 필기체에서 27.2% 의 성능 향상을 보였습니다.

AI 실무자를 위한 시사점

CHURRO 의 공개는 역사 문서 OCR 분야에서 오픈-웨이트 모델의 잠재력 과 낮은 비용으로 고정밀 달성 가능성 을 시사합니다. 이는 AI/ML 엔지니어들이 대규모 독점 모델에 의존하지 않고도 문화유산 데이터에 접근하고 처리할 수 있는 강력한 도구를 제공합니다. 또한, 범용 VLM의 한계를 넘어서는 도메인 특화 데이터셋 과 전략적 파인튜닝 의 중요성을 강조하며, 이는 다양한 니치 도메인에서 AI 모델을 최적화하는 데 귀중한 통찰을 제공합니다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.