djai 님의 블로그

제 2장: Gemma 4 내부 구조 심층 분석Gemma 4가 기존 OCR의 한계를 극복하고 '문서 지능'의 정점에 도달할 수 있었던 비결은 그 내부 아키텍처의 혁신에 있습니다. 과거의 모델들이 시각 인코더와 언어 모델을 단순히 어댑터(Adapter)로 이어 붙인 '결합형' 구조였다면, Gemma 4는 시각적 이해와 언어적 추론이 하나의 신경망 안에서 유기적으로 공존하는 '네이티브 멀티모달' 구조를 지향합니다. 이번 장에서는 Gemma 4의 핵심 아키텍처를 해부하여, 복잡한 문서를 인간처럼 읽어내는 기술적 실체를 분석합니다.2.1 네이티브 멀티모달 토크나이저: 이미지는 어떻게 언어가 되는가?기존의 OCR 시스템은 이미지를 텍스트로 '번역'한 후 모델에게 전달하는 단방향 프로세스를 가졌습니다. 이 과정에서 ..

제 1장: 왜 OCR을 위해 Gemma 4인가?과거의 문서를 디지털화하는 작업은 기술적 한계를 극복하기 위한 긴 여정이었습니다. 단순히 종이 위의 글자를 텍스트 파일로 옮기는 것을 넘어, 문서가 담고 있는 복잡한 맥락과 구조를 컴퓨터가 이해하도록 만드는 과정은 지난 수십 년간 수많은 엔지니어의 과제였습니다. 초기에는 규칙 기반(Rule-based) 시스템이, 이후에는 딥러닝 기반의 분절된 파이프라인이 그 자리를 채워왔습니다. 하지만 Gemma 4와 같은 네이티브 시각-언어 모델(Vision-Language Model, VLM)의 등장은 이 모든 단계를 하나로 통합하며, 단순한 '글자 읽기'를 넘어선 '문서 지능(Document Intelligence)'의 새로운 표준을 제시하고 있습니다.1.1 기존 OC..

머릿말: 텍스트 인식을 넘어 문서 지능(Document Intelligence)으로과거의 OCR이 단순한 '글자 디지털화'에 머물렀다면, Gemma 4와 같은 차세대 VLM(Vision Language Model)의 등장은 이를 '지능형 문서 처리(IDP)'의 영역으로 격상시켰습니다. 이제 기업은 단순히 영수증의 글자를 읽는 것이 아니라, 그 영수증이 어떤 항목으로 분류되어야 하는지, 계약서의 독소 조항이 무엇인지 모델에게 직접 묻고 답을 얻기를 원합니다.이 책은 단순히 모델을 실행해보는 수준을 넘어, 실제 서비스 환경(Production)에서 마주하는 한계들—인식 오차, 느린 추론 속도, 방대한 데이터 처리 비용—을 어떻게 Gemma 4의 최신 아키텍처로 해결할 수 있는지에 초점을 맞춥니다. 구글의 최..