모든 메뉴 사진을 구조화된 데이터 테이블로 변환 — 섹션 헤더가 요리 행이 되지 않도록

메뉴는 그리드가 아닙니다. 가격은 설명 줄 끝에 탭 같은 간격을 두고 위치할 수 있습니다. 열에서 오른쪽 정렬되어 왼쪽의 요리명과 공백 및 리더 점으로 시각적으로 연결될 수도 있습니다. 요리명 바로 뒤에 아무 구분자 없이 인라인으로 있을 수도 있습니다. 기존 OCR 엔진은 페이지를 위에서 아래로, 왼쪽에서 오른쪽으로 읽어 "그릴드 연어 — 레몬 버터 소스와 제철 야채 곁들임 — 28.00 — 팬 시어드 립아이 — 12oz 초지 쇠고기와 트러플 프라이 — 34.50"이 하나의 구분되지 않은 블록이 됩니다. $28.00 가격은 연어 설명에 붙고, $34.50 가격은 립아이에서 완전히 분리됩니다. 이후 수동 정리에 몇 시간이 소요됩니다. 그리고 이는 여러 섹션에 걸친 메뉴를 다루기 전 이야기입니다.

"수제 파스타, 저속 조리 양고기 라구, 페코리노 로마노, 신선한 바질" 같은 요리 설명은 칼럼 너비와 글꼴 크기에 따라 두세 줄로 나뉠 수 있습니다. 기존 OCR은 각 줄바꿈을 데이터 경계로 읽어 설명을 세 조각으로 나누고 각각을 별도 행에 할당하거나, 조각을 합치되 2, 3행을 유령 요리에 귀속시킵니다. 한편 해당 요리의 실제 가격인 $26.00은 1행의 맨 오른쪽 공간에 고립됩니다. 결과는 하나의 요리가 세 개의 불완전한 행을 생성하고, 그중 어느 것도 완전한 설명과 올바른 가격을 모두 갖추지 못한 스프레드시트입니다. 네 섹션에 40개 요리가 있는 메뉴의 경우 수동 수정 작업량이 급증합니다. 레스토랑 운영 포럼 사용자들은 일관되게 보고합니다. 특화 도구 없이 메뉴를 디지털화하는 데 메뉴당 60-90분이 소요된다고.

"스타터", "메인", "디저트", "사이드" — 이 섹션 레이블은 요리명과 동일한 타이포그래피(굵은 글씨, 큰 크기, 눈에 띄는 배치)를 사용합니다. 기존 파서는 "스타터"를 읽고 1행의 요리로 처리한 뒤, "트러플 시저 샐러드 | $16.50"를 2행에 할당합니다. 결과적으로 카테고리 레이블이 빈 가격 열을 가진 데이터 행으로 나타나고, 모든 요리는 섹션 맥락을 잃으며, 40개 항목 메뉴가 8개의 가상 행을 가진 48행짜리 스프레드시트로 변환됩니다. 이러한 출력물로 디지털 메뉴 데이터베이스를 구축하려는 레스토랑 운영자는 섹션 제목 행을 삭제하고 카테고리를 수동으로 재할당하는 데 데이터를 처음부터 입력하는 것만큼 많은 시간을 소비합니다.

Custom Column Extraction — ImageToTable.ai의 핵심 기술 — 은 텍스트를 순차적으로 읽지 않습니다. "Item Name", "Description", "Price" 같은 열 이름을 입력하면, AI는 페이지 전체에서 각 값을 의미론적으로 이해하고 시각적으로 속한 위치를 파악하여 찾아냅니다. 요리 이름 오른쪽에 정렬된 가격은 같은 텍스트 줄에 있기 때문이 아니라 시각적 근접성을 공유하기 때문에 해당 요리에 속한 것으로 이해됩니다. 두 줄에 걸쳐 있는 설명은 별도 조각이 아닌 하나의 연속된 텍스트 블록으로 읽힙니다. 즉, 리더 점 뒤에 오른쪽 정렬된 가격, 두 줄 레이아웃에서 요리 이름 아래에 쌓인 가격, 설명 뒤에 인라인으로 있는 가격 등 메뉴 디자이너가 선택한 어떤 정렬 방식이든 각 요리 행의 Price 열에 올바른 가격이 깔끔하게 출력됩니다.

AI가 굵은 가운데 정렬 텍스트와 위쪽 여백이 있는 "Appetizers"를 만나면, 이를 요리 이름으로 추출하지 않습니다. 전체 시각적 맥락을 읽습니다. "Appetizers" 레이블 뒤에 고유한 이름, 설명, 가격을 가진 여러 요리가 이어집니다. AI는 "Appetizers"가 메뉴 항목이 아닌 카테고리 지정임을 이해하고, 그 아래 모든 요리를 Category 열에 "Appetizers" 또는 "Starters"로 할당합니다. 다음 섹션 헤더인 "Mains"가 나타나면 Category 할당이 그에 따라 변경됩니다. 출력 결과는 각 행에 Category 필드가 채워져 있고, 섹션 헤더가 가짜 요리 행으로 나타나지 않는 깔끔한 테이블입니다. 카테고리가 2페이지 하단에서 3페이지 상단까지 이어질 수 있는 다중 페이지 메뉴의 경우, AI는 페이지 나누기 전반에 걸쳐 섹션 컨텍스트를 계속 추적하므로 카테고리 없이 고립된 요리가 발생하지 않습니다.

메뉴는 식이 및 영양 정보를 일관되지 않은 방식으로 전달합니다. 채식 표시는 "V" 아이콘, 녹색 잎 기호, "Vegan"이라는 단어 또는 "(v)"일 수 있습니다. 매운 정도는 1~5개의 고추 아이콘, "mild/medium/hot"이라는 단어 또는 매운 척도의 숫자로 표시될 수 있습니다. 칼로리는 설명 뒤에 "(450 cal)"로 인라인으로 인쇄되거나 자체 헤더가 있는 별도의 "Cal" 열로 인쇄될 수 있습니다. 기존 OCR은 "V", "450 cal", "🌶️🌶️"와 같은 문자를 읽을 수 있지만, 이것이 무엇을 의미하는지 또는 어떤 요리에 속하는지 해석할 수 없습니다. AI는 이러한 속성을 의미론적으로 읽습니다. 즉, 요리 이름 옆의 "(v)"가 채식 태그를 나타내고, "🔥🔥🔥"가 3/5의 매운 정도를 나타내며, 각각을 올바른 요리 행과 출력의 올바른 열에 할당합니다. 메뉴에 텍스트 라벨 없이 아이콘만 사용하는 경우(숫자 없는 고추 이모지), 매운 정도 열을 정의하면 AI가 아이콘 개수를 매운 정도로 해석할 수 있습니다.