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

메뉴는 격자가 아닙니다. 가격은 설명 줄 끝에 탭과 같은 간격으로 떨어져 있을 수 있습니다. 열에서 오른쪽 정렬되어 왼쪽의 요리 이름과 공백 및 점선으로 시각적으로 연결될 수 있습니다. 요리 이름 뒤에 구분자 없이 바로 이어질 수도 있습니다. 기존 OCR 엔진은 페이지를 위에서 아래로, 왼쪽에서 오른쪽으로 읽어 "Grilled Salmon — Served with lemon butter sauce and seasonal vegetables — 28.00 — Pan-Seared Ribeye — 12oz grass-fed beef with truffle fries — 34.50"이 하나의 구분되지 않는 블록이 됩니다. $28.00 가격은 연어 설명에 붙고, $34.50 가격은 립아이에서 완전히 분리됩니다. 이후 수 시간의 수동 정리가 이어집니다 — 그리고 이는 6개 카테고리에 걸친 다중 섹션 메뉴를 처리하기 전의 이야기입니다.

"House-made pasta, slow-braised lamb ragù, pecorino romano, fresh basil" 같은 요리 설명은 열 너비와 글꼴 크기에 따라 두세 줄로 이어질 수 있습니다. 기존 OCR은 각 줄바꿈을 데이터 경계로 읽어 설명을 세 조각으로 나누고 각 조각을 별도 행에 할당하거나, 조각을 연결하되 2~3행을 유령 요리에 귀속시킵니다. 한편 해당 요리의 실제 가격인 $26.00은 1행의 맨 오른쪽 공간에 고립되어 있습니다. 결과적으로 한 요리가 세 개의 부분 행을 만들고, 어느 행도 완전한 설명과 올바른 가격을 모두 갖추지 못합니다. 네 섹션에 40개 요리가 있는 메뉴의 경우 수동 수정 작업량이 빠르게 늘어납니다 — 레스토랑 운영 포럼 사용자들은 일관되게 보고합니다. 전문 도구 없이 메뉴를 디지털화하면 메뉴당 60~90분이 걸린다고요.

"스타터", "메인", "디저트", "사이드" — 이러한 섹션 라벨은 요리 이름과 동일한 타이포그래피 어휘를 사용합니다. 굵은 글씨, 더 큰 크기, 눈에 띄는 배치가 그렇습니다. 기존 파서는 "스타터"를 읽고 1행의 요리로 처리한 다음, "트러플 시저 샐러드 | $16.50"을 2행에 할당합니다. 그 결과 카테고리 라벨이 빈 가격 열을 가진 데이터 행으로 나타나고, 모든 요리가 섹션 맥락을 잃으며, 40개 항목 메뉴가 8개의 가짜 행을 가진 48행 스프레드시트가 됩니다. 이러한 출력물로 디지털 메뉴 데이터베이스를 구축하려는 레스토랑 운영자는 섹션 헤더 행을 삭제하고 카테고리를 수동으로 다시 할당하는 데 데이터를 처음부터 입력하는 것만큼 많은 시간을 소비합니다.

맞춤 열 추출 — ImageToTable.ai의 핵심 메커니즘 — 은 텍스트를 순차적으로 읽지 않습니다. "항목 이름", "설명", "가격" 같은 열 이름을 입력하면, AI는 각 값을 페이지 전체에서 의미적으로 무엇인지, 시각적으로 무엇에 속하는지 파악하여 찾아냅니다. 요리 이름 오른쪽에 정렬된 가격은 같은 텍스트 줄에 나타나기 때문이 아니라 시각적 근접성을 공유하기 때문에 해당 요리에 속하는 것으로 이해됩니다. 두 줄에 걸쳐 줄바꿈된 설명은 별도의 조각이 아닌 하나의 연속된 텍스트 블록으로 읽힙니다. 즉, 가격이 점선 뒤 오른쪽 정렬된 메뉴, 두 줄 레이아웃에서 요리 이름 아래에 쌓인 가격, 설명 뒤에 인라인으로 붙는 가격 — 메뉴 디자이너가 선택한 어떤 정렬 방식이든 — 각 요리 행의 가격 열에 올바른 가격이 들어간 깔끔한 출력이 생성됩니다.

AI가 굵은 중앙 정렬 텍스트와 위쪽 여백이 있는 "에피타이저"를 만나면, 이를 요리 이름으로 추출하지 않습니다. 전체 시각적 맥락을 읽습니다: "에피타이저" 라벨 뒤에 각자의 이름, 설명, 가격을 가진 여러 요리가 이어집니다. "에피타이저"가 메뉴 항목이 아닌 카테고리 지정임을 이해하고, 그 아래의 모든 요리를 카테고리 열에 "에피타이저" 또는 "스타터"로 할당합니다. 다음 섹션 헤더인 "메인"이 나타나면 카테고리 할당이 그에 따라 전환됩니다. 출력은 각 행에 카테고리 필드가 채워지고, 섹션 헤더가 유령 요리 행으로 나타나지 않는 깔끔한 테이블입니다. 카테고리가 2페이지 하단에서 3페이지 상단으로 이어질 수 있는 다중 페이지 메뉴의 경우, AI는 페이지 나눔을 넘어 섹션 맥락을 계속 추적하므로 카테고리 없이 고립된 요리가 생기지 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. 매운맛 단계는 칠리 아이콘 1~5개, "순한 맛/중간 맛/매운 맛"이라는 단어, 또는 매운맛 척도의 숫자로 표시될 수 있습니다. 칼로리는 설명 뒤에 "(450 cal)"로 인라인 인쇄되거나 자체 헤더가 있는 별도의 "Cal" 열로 인쇄될 수 있습니다. 기존 OCR은 문자("V", "450 cal", "🌶️🌶️")를 읽을 수 있지만, 그 의미나 어떤 요리에 속하는지는 해석할 수 없습니다. AI는 이러한 속성을 의미적으로 읽습니다. 즉, 요리 이름 옆의 "(v)"가 채식 태그를 나타내고, "🔥🔥🔥"가 매운맛 단계 3/5를 나타낸다는 것을 이해하며, 각각을 출력의 올바른 요리 행과 올바른 열에 할당합니다. 메뉴에 텍스트 라벨 없는 아이콘만 사용하는 경우에도, 매운맛 단계 열을 정의하면 AI가 아이콘 개수를 매운맛 수준으로 해석할 수 있습니다.