---
title: "바이두, 수십 페이지 문서를 한 번에 읽는 오픈소스 OCR 모델 공개"
published: 2026-06-29T03:05:02.843Z
canonical: https://jeff.news/article/4375
---
# 바이두, 수십 페이지 문서를 한 번에 읽는 오픈소스 OCR 모델 공개

바이두가 긴 PDF와 이미지 문서를 한 번에 판독하는 오픈소스 모델 언리미티드 OCR을 공개했다. 핵심은 R-SWA라는 어텐션 구조로 장문 출력 때 KV 캐시가 계속 커지는 문제를 억제하는 것이다. 최대 32K 컨텍스트에서 수십 페이지 문서를 1회 추론으로 전사할 수 있다고 설명한다.

- 바이두가 장문 문서를 한 번에 판독하는 오픈소스 OCR 모델 `언리미티드 OCR(Unlimited OCR)`을 공개함
  - 이미지나 PDF 안의 문자를 읽는 모델이고, 특히 여러 페이지에 걸친 긴 문서 분석을 겨냥함
  - 종이 계약서 스캔본, 연구 논문, 매뉴얼, 회의록처럼 페이지가 많은 문서를 다루는 상황이 타깃임

- 기존 OCR 파이프라인은 긴 PDF를 페이지별로 쪼개 처리한 뒤 결과를 이어 붙이는 경우가 많았음
  - 이 방식은 처리 시간이 늘어남
  - 페이지를 나누는 순간 전후 문맥, 표 연결, 문단 흐름이 깨질 수 있음
  - 사람이 보기엔 이어진 문서인데 모델 입장에선 조각난 이미지 묶음이 되는 셈임

- 최근 AI 기반 OCR은 단순 문자 추출을 넘어 문서 구조와 흐름까지 읽으려는 방향으로 가고 있음
  - 표, 레이아웃, 문장 흐름을 함께 고려할 수 있다는 게 장점임
  - 대신 출력이 길어질수록 이전 내용을 기억하기 위한 `KV 캐시`가 커짐
  - 캐시가 커지면 메모리 사용량이 늘고 생성 속도도 떨어짐

> [!IMPORTANT]
> 이 모델의 포인트는 “OCR 정확도가 좋아졌다”보다 “수십 페이지 문서를 페이지 단위로 쪼개지 않고 1회 처리하려 한다”는 데 있음. 문맥이 중요한 문서 처리 서비스에 꽤 큰 차이를 만들 수 있음.

- 언리미티드 OCR은 이 장문 처리 병목을 줄이기 위해 `R-SWA(Reference Sliding Window Attention)`를 도입함
  - 어텐션은 모델이 입력의 어느 부분에 집중할지 정하는 구조임
  - R-SWA는 문서 이미지 같은 참조 정보는 보되, 이미 출력한 전체 텍스트를 무제한으로 쌓지 않음
  - 대신 직전 일정 범위를 작업 기억처럼 유지해 KV 캐시를 일정하게 관리하는 설계임

- 논문에서는 최대 컨텍스트 길이 32K 조건에서 수십 페이지 문서를 1회 추론으로 전사할 수 있다고 설명함
  - 기준선으로는 2025년 10월 출시된 `딥시크-OCR(DeepSeek-OCR)`을 사용함
  - 장문 출력 때 메모리 사용량이 커지는 문제를 R-SWA로 억제하는 구조라고 소개됨

- 모델 규모도 계산 효율을 의식한 쪽임
  - 전체 파라미터 수는 3B, 즉 30억 개임
  - 실제 처리에서 활성화되는 파라미터는 500M, 즉 5억 개라고 함
  - 모든 파라미터를 매번 쓰지 않고 일부만 활성화해 장문 처리 능력과 계산 효율을 같이 노린 구조임

- 깃허브 샘플 코드에는 여러 페이지 이미지와 PDF 처리 예제가 포함돼 있음
  - PDF는 먼저 페이지를 이미지로 변환한 뒤 여러 페이지 분석을 수행하는 방식임
  - 문서 처리 제품을 만드는 팀이라면 기존 페이지 단위 OCR 파이프라인과 비교해볼 만함

---

## 기술 맥락

- 언리미티드 OCR이 풀려는 문제는 “글자를 읽을 수 있느냐”보다 “긴 문서를 문서답게 읽을 수 있느냐”예요. 페이지별 OCR은 구현은 쉽지만, 표가 다음 페이지로 이어지거나 앞 문단이 뒤 문단의 전제가 되는 순간 정보가 끊기거든요.

- R-SWA를 쓴 이유는 긴 출력을 만들 때 KV 캐시가 계속 커지는 비용 때문이에요. 모델이 이전 출력 전체를 다 붙잡고 있으면 메모리 사용량과 생성 시간이 같이 늘어나니까, 참조 문서와 최근 문맥만 중심으로 보는 절충을 택한 거예요.

- 전체 3B 파라미터 중 실제 활성화가 500M이라는 점도 같은 맥락이에요. 긴 문서를 처리하려면 모델이 너무 무거우면 안 되니, 필요한 부분만 활성화해 계산량을 줄이려는 설계로 볼 수 있어요.

- 실무에서는 계약서 분석, 매뉴얼 검색, 논문 파싱처럼 페이지 경계 때문에 품질이 흔들리는 작업에서 의미가 커요. 다만 기사에 나온 정보만으로는 정확도 벤치마크나 한국어 문서 성능이 충분히 검증된 건 아니라서, 도입 전에는 자체 문서셋으로 꼭 확인해야 해요.

## 핵심 포인트

- 언리미티드 OCR은 페이지별로 쪼개 처리하던 긴 문서 OCR의 문맥 유실 문제를 줄이기 위해 나왔다.
- R-SWA는 참조 문서 정보와 직전 문맥만 유지해 KV 캐시를 일정하게 관리하는 구조다.
- 모델은 전체 3B 파라미터 규모이며 실제 처리 시 활성화되는 파라미터는 500M이다.

## 인사이트

문서 OCR은 단순 문자 추출에서 레이아웃과 문맥을 읽는 문제로 넘어가고 있다. 계약서, 논문, 매뉴얼처럼 긴 문서를 다루는 서비스라면 페이지 단위 파이프라인을 계속 유지할지 다시 고민할 만한 신호다.