HPD-Parsing: 문서 파싱을 계층적 병렬 디코딩으로 바꾸다

들어가며

문서 파싱은 OCR, 레이아웃 분석, 후처리를 따로 엮는 방식에서 점차 통합형 비전-언어 모델(VLM) 기반 방식으로 이동하고 있다. 모델이 페이지 이미지를 한 번에 보고 구조화된 텍스트와 문서 구조를 생성할 수 있다는 점은 매력적이다. 하지만 많은 통합형 파서는 여전히 출력 단계에서 하나의 자기회귀 경로에 의존한다. 페이지 전체 결과를 token 단위로 순서대로 생성하기 때문에, 문서가 길거나 복잡할수록 지연이 커진다.

PaddleOCR 팀이 제안한 HPD-Parsing(Hierarchical Parallel Document Parsing)은 이 병목을 정면으로 다룬다. 핵심 관찰은 간단하다. 문서의 레이아웃은 전체 페이지 맥락에서 판단해야 하지만, 각 블록의 내용까지 반드시 하나의 긴 줄로 순차 생성할 필요는 없다는 것이다.

핵심 내용

• 전체 페이지 순차 생성의 대안: 기존 통합 파서가 페이지 전체 출력을 하나의 token-by-token 경로에 넣었다면, HPD-Parsing은 계층적 병렬 디코딩 구조를 사용한다.
• 메인 레이아웃 분기의 조정 역할: 주 분기는 문서의 전체 구조를 조직하고, 블록 단위 콘텐츠 디코딩 작업을 동적으로 배정한다.
• 콘텐츠 분기의 병렬 처리: 각 블록의 내용은 여러 분기에서 동시에 생성될 수 있어 단일 출력 스트림에 대한 의존을 줄인다.
• P-MTP로 디코딩 단계 축소: progressive multi-token prediction을 적용해 각 분기 내부에서도 디코딩 스텝을 줄인다.
• 공개 벤치마크 결과: HPD-Parsing은 4,752 tokens/s를 달성했다. 이는 기존 가장 빠른 문서 파싱 모델 대비 2.62배, 일반 자기회귀 베이스라인 대비 3.06배의 처리량이며, 파싱 정확도도 경쟁력 있는 수준을 유지했다고 설명된다.

의미와 영향

HPD-Parsing의 의미는 단순한 속도 개선을 넘어선다. 이 방법은 문서 파싱을 전역 레이아웃 이해와 지역 콘텐츠 생성이라는 두 층위로 나눈다. 이는 문서 자체의 구조와 더 잘 맞는 설계이며, 통합형 VLM 파서가 꼭 완전한 순차 생성 방식일 필요는 없다는 점을 보여준다.

실무적으로는 영수증, 계약서, 논문, 보고서, 양식 문서를 대량 처리하는 환경에서 처리량과 지연 시간이 중요하다. 특히 긴 페이지나 복잡한 레이아웃에서는 단일 자기회귀 경로의 비용이 빠르게 커질 수 있다. 블록 단위 병렬 디코딩은 이런 부담을 나누는 현실적인 방향이 될 수 있다.

다만 제공된 요약만으로는 하드웨어 조건, 문서 유형별 성능, 오류 양상까지 판단하기 어렵다. 그럼에도 HPD-Parsing은 멀티모달 문서 지능에서 중요한 메시지를 던진다. 전체적으로는 조정하고, 국소적으로는 병렬 실행하는 방식이 고효율 문서 파싱의 새로운 축이 될 수 있다.

출처: Hugging Face Daily Papers