연구팀은 시각-언어 모델 기반의 문서 OCR 시스템 효율성을 높이는 LayoutLite 모듈을 제안했어요.
LayoutLite는 명시적인 문서 레이아웃 감지 없이 토큰 수준에서 암시적 레이아웃 분석을 수행하며, 중요도 점수를 예측하여 불필요한 토큰을 제거해요.
OmniDocBench 실험 결과, LayoutLite는 시각 토큰 길이를 줄이고 추론 비용을 낮추면서도 인식 품질 저하를 최소화하며, FireRed-OCR 및 Logics-Parsing-V2 모델에서 최대 50% 토큰 압축 시 성능을 유지했어요.