레퍼런스

문서 AI에 대한 데이터 레퍼런스 및 용어 정의 모음입니다. 각 페이지는 출처 검증 완료되었으며 인용할 수 있도록 설계되었습니다.

통계

통계
docTR vs Docling 영수증 벤치마크: 텍스트, 필드, 런타임 (2026)

Receipt v1.1: 고정된 SROIE 및 CORD 영수증에서 docTR vs Docling 비교; 정규화 텍스트 거리, 후처리 필드 F1, 배치 처리량, GPU 비용.

통계
docTR vs Surya2 영수증 벤치마크: 필드, 타이밍, 비용 (2026)

영수증 v1.1: 361개 SROIE 및 100개 CORD 영수증에서 docTR vs Surya2; 텍스트 거리 진단, 후처리 필드 F1, 배치 타이밍, GPU 비용.

통계
EasyOCR vs docTR 영수증 벤치마크: 필드, 속도, 비용 (2026)

영수증 v1.1: docTR이 SROIE LLM 필드 F1과 배치 처리량에서 앞서고, EasyOCR이 SROIE 정규식 F1과 CORD 배치 처리량에서 앞섭니다. 방법 및 출처.

통계
1,000페이지당 OCR 비용: 오픈소스 엔진 8종 벤치마크(2026)

영수증 벤치마크: 사용 가능한 RTX 4090 GPU 추정치는 역사적 $0.76/hr 기준 SROIE 1,000페이지당 $0.0479–$1.0609입니다. 타이밍 한계와 CPU 범위를 설명합니다.

통계
OCR 지연 시간 벤치마크: p50/p95, 처리량, 테일 스파이크 (2026)

SROIE에서 영수증 OCR 요청 p50은 108.7–2668.0ms입니다. 유지된 CPU/GPU 엔진 실행 8건; p95, 허용된 실제 처리량 및 타이밍 한계를 설명합니다.

통계
PaddleOCR vs EasyOCR 영수증 벤치마크: 필드 및 비용 (2026)

Receipt v1.1은 SROIE와 CORD에서 PaddleOCR과 EasyOCR을 비교합니다: 정규화 텍스트 거리, 정규식 및 LLM 필드 F1, 배치 처리량, GPU 비용.

통계
영수증 필드 추출: regex vs LLM 벤치마크 데이터 (2026)

자체 벤치마크: 영수증 필드 추출에서 LLM 후처리가 regex를 능가하며, SROIE + CORD의 8개 OCR 모델에 대한 필드 F1과 방법론을 포함합니다.

통계
Surya2 vs Unlimited-OCR vs PaddleOCR-VL: 영수증 VLM 벤치마크 (2026)

Receipt v1.1은 SROIE와 CORD 필드 점수, 요청 지연 시간, 과거 GPU 비용을 기준으로 세 가지 VLM을 비교합니다. Unlimited-OCR의 SROIE wall 및 비용 데이터는 누락되었습니다.

통계
Tesseract vs PaddleOCR 영수증 벤치마크: 필드, 시간, 비용 (2026)

영수증 v1.1: 361개 SROIE 및 100개 CORD 영수증에서 Tesseract vs PaddleOCR 비교; 정규화 텍스트 거리, 필드 F1, 누락된 벽시계 시간, CPU 비용 범위.

통계
기존 OCR vs 문서 파싱 VLM: 영수증 벤치마크 (2026)

자체 벤치마크: 361개 SROIE + 100개 CORD 영수증으로 8개 오픈소스 OCR 엔진과 문서 파싱 VLM 비교 — CER, 필드 F1, 레이턴시, 비용. 방법론 포함.

통계
문서 파싱 VLM에서 CER이 오해를 부르는 이유: 영수증 데이터 (2026)

영수증 벤치마크: 정규화된 SROIE CER과 필드 F1은 서로 다른 대상을 측정합니다. CORD 전체 페이지 CER은 적용할 수 없습니다. 채점 및 파이프라인 한계를 설명합니다.

통계
영수증 OCR 벤치마크 결과: 정확도, 지연 시간 및 비용 (2026)

461장의 영수증(SROIE + CORD)에 대한 5개 오픈소스 OCR 모델의 자체 벤치마크: CER, WER, 필드 F1, 지연 시간, 1,000페이지당 비용.

통계
문서 자동화의 예외 발생률: 대기열, 비용, 임계값 (2026)

문서 자동화의 예외 발생률: 최고 수준 9% 대 평균 22%, 근본 원인, 검토 비용, 임계값 트레이드오프를 모든 출처와 함께 제시합니다.

통계
레코드당 문서 처리 비용: 수동, 템플릿, AI (2026)

레코드당 문서 처리 비용에 대한 독립 벤치마크: 수동 $8-16, 템플릿 $2-5, AI 페이지당 $0.02부터. 문서 유형, 크기, 지역별.

통계
필기 인식 정확도: 문자 체계, 모델 및 문서 유형 (2026)

필기 OCR 정확도 데이터: IAM CER 1.2-1.7%, 아랍어 8.9-16%, 역사적 문서 71-82%. 문자 체계, 모델 및 문서 유형별 분석. 인용 가능한 출처 15개.

통계
송장 처리 시간 벤치마크: 수동, OCR, AI (2026)

송장 처리 시간 벤치마크: 수동 터치 12.5분 vs 사이클 9.2일, 방법·복잡도·단계별 — 인용 가능한 전체 출처 포함.

통계
수동 vs 자동 데이터 입력 ROI: 투자 회수 기간 및 첫해 절감액(2026)

데이터 입력 자동화 ROI에 대한 독립 벤치마크: 3~12개월 투자 회수 기간, 60~80% 절감, 손익분기 물량, 그리고 수익을 모델링하는 공식 제공.

통계
문서 유형별 OCR 정확도: PDF, 스캔, 필기, 표 (2026)

문서 유형별 OCR 정확도에 대한 독립 벤치마크: 디지털 PDF 99.2-99.8%, 스캔 98-99%, 필기 46-95%, 표 TEDS. 인용 가능한 출처 15개.

통계
영수증 OCR 정확도: 감열지, 구겨짐, 바램, 다중 통화 (2026)

조건과 필드별 영수증 OCR 정확도: 깨끗한 스캔 90%+, 바랜 감열지 55-73%, 휴대폰 사진 67-69%. 총액 95-99%, 판매자명 73-88%. 출처 14곳.

통계
수동 데이터 입력 오류율: 유형·산업·역할별 1-4% (2026)

수동 데이터 입력 오류율에 대한 독립적 벤치마크: 필드 수준 1-4%, 레코드 수준 최대 40%, 문서 유형·산업·역할별 분석.

정의

정의
문서 처리에서 데이터 캡처란 무엇인가?

데이터 캡처는 종이, 스캔본, PDF, 사진을 기계가 읽을 수 있는 데이터로 변환합니다. 작동 방식, 유형, 오해를 정리합니다.

정의
지능형 문자 인식(ICR)이란?

ICR은 손으로 인쇄한 텍스트를 위한 머신러닝 문자 인식입니다. OCR에서 어떻게 발전했는지, ICR vs OCR vs IWR의 차이점, 그리고 어디에 사용되는지 알아봅니다.

정의
문서 AI에서 키 정보 추출(KIE)이란 무엇인가요?

키 정보 추출(KIE)은 인보이스 번호, 날짜 같은 필드를 문서에서 구조화된 데이터로 추출합니다. 작동 방식, 경계, 오해를 살펴봅니다.

정의
검색 가능한 PDF란 무엇인가?

검색 가능한 PDF는 보이지 않는 OCR 텍스트 레이어가 있는 스캔본입니다 — 텍스트를 선택, 복사하고 Ctrl+F로 찾을 수 있습니다. 작동 방식, PDF/A 규칙, 흔한 함정을 다룹니다.

정의
필드 단위 정확도 vs 문자 단위 정확도: 무엇이 다른가?

필드 단위 정확도는 올바르게 추출된 필드를 세고, 문자 단위 정확도는 올바르게 읽은 문자를 셉니다. 문자 정확도 99%가 데이터 정확도 99%를 의미하지는 않습니다.

정의
지능형 문서 처리(IDP)란 무엇인가요?

IDP는 문서에서 데이터를 캡처, 분류, 추출, 검증하는 AI 소프트웨어입니다. 작동 방식, OCR에서 LLM으로의 진화, 오해를 다룹니다.

정의
문서 자동화에서 Straight-Through Processing (STP) 비율이란?

STP 비율은 사람의 개입 없이 처리된 문서의 비율을 측정합니다 — 업계 평균 32%, 최고 수준 49%, AI 60-80%. 공식과 오해.

정의
광학 문자 인식(OCR)이란 무엇인가요?

OCR은 인쇄, 필기 또는 타이핑된 텍스트의 이미지를 기계가 읽을 수 있는 데이터로 변환합니다. 작동 방식, 4가지 OCR 유형, 역사 및 사용 사례를 알아보세요.

📮 contact email: [email protected]