# \#dophin **URL:** https://discuss.pytorch.kr/tag/dophin/5049.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [Dolphin: ByteDance가 공개한, 이종간 앵커 프롬프트 기반 문서 이미지 파싱 모델](https://discuss.pytorch.kr/t/dolphin-bytedance/7109)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 3\ **마지막 업데이트:** [7월 9, 2025, 8:56오전 UTC](https://discuss.pytorch.kr/t/dolphin-bytedance/7109 "2025-07-09T08:56:44Z")
Dophin 모델 소개 문서 이미지를 텍스트, 수식, 표, 그림 등 다양한 요소로 나누고 이를 자동으로 추출하는 기술은 여전히 어렵고 복잡한 문제입니다. ByteDance가 발표한 Dolphin(Document Image Parsing via Heterogeneous Anchor Prompting)은 이를 해결하기 위해 ‘분석 후 파싱(analyze-then-parse)’ 방식을 제안하며, 학계와 산업계의 최신 모델들과 비교해 속도와 성능 모두에서 우수한 결과를 보여주고 있습니다. Dolphin은 문서 이미지에서 복잡하게 얽힌 구성 요소를 인식하고 이를 구조화된 형태로 파싱하는 데 초점을 맞춘 모델입니다. 기존 방식은 보통 OCR 기반 파이프라인을 사용하거나 VLM(비전-언어 모델) 기반으로 전체 페이지를 생성해내는 방식이었지만, 이들은 효율성과 레이아웃 보존 측면에서 한계를 보였습니다. 이에 Dolphin은 2단계 접근을 제안합니다. 첫 번째 단계에서는 전체 문서 페이지의 요소들을 읽기 순서에 따라 나열하고, 두 번째 단계에서는 각 요소별 프롬프트를 통해 병렬로 파싱을 수행합니다. 특히 이때 사용되는 heterogeneous anchor prompting이 핵심 기술로, 요소별 특화된 파싱이 가능합니다. ByteDance는 이를 위해 3천만 개 이상의 학습 데이터를 구축했고, 다양한 벤치마크에서 최신 모델들과 비교해 성능을 입증했습니다. Dolphine과 기존의 OCR 기반 파이프라인, VLM 기반 모델들과의 주요 특징을 비교하면 다음과 같습니다: 모델/방식 구조 특징 성능 속도 OCR 기반 파이프라인 레이아웃 분석 + OCR + 후처리 복잡한 모델 조합 필요 요소 인식 성능 높음 느림 VLM 기반 End-to-End autoregressive 시맨틱 추론 강점 레이아웃 깨짐 우려 느림 Dolphin 분석 후 파싱 (2단계) 병렬 처리 + 프롬프트 기반 파싱 SOTA 수준 빠름 (2배 이상 빠름) 특히 Mathpix…