MonkeyOCRv2는 문서 이미지에 특화된 시각-텍스트 기반 모델로, 기존 자연 이미지 전처리 방식의 한계를 극복합니다.
연구진은 1억 1천3백만 장의 이미지로 구성된 MonkeyDoc v2 데이터셋을 구축하고, 이미지-텍스트 생성과 픽셀 단위 문서 복원을 결합한 사전 학습 전략을 제안했습니다.
MonkeyOCRv2는 텍스트 인식, 수식 인식, 문서 변조 탐지 등 5가지 문서 분석 작업에서 성능을 향상시켰으며, 0.7B 파라미터의 문서 파싱 모델로 오픈 소스 최고 성능을 달성했습니다.