# \#got-ocr2

**URL:** https://discuss.pytorch.kr/tag/got-ocr2/8638.md

[최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md)

---

## [GOT-OCR2.0: 문서와 수식, 표, 악보를 하나의 모델로 인식하는 End-to-End OCR 모델](https://discuss.pytorch.kr/t/got-ocr2-0-end-to-end-ocr/11415)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [7월 26, 2026, 9:30오전 UTC](https://discuss.pytorch.kr/t/got-ocr2-0-end-to-end-ocr/11415 "2026-07-26T09:30:56Z")

</div>

GOT-OCR2.0 소개 문서를 디지털로 옮기는 광학 문자 인식(OCR)은 오랫동안 여러 개의 모듈을 이어 붙인 파이프라인으로 구현되어 왔습니다. 텍스트 영역을 찾는 검출기, 글자를 읽는 인식기, 레이아웃을 분석하는 후처리기가 각각 따로 학습되고 조합되는 방식입니다. 이런 구조는 단순한 인쇄 텍스트에는 잘 맞지만, 수식이나 표, 악보처럼 형태가 복잡한 대상이 섞이면 모듈마다 오류가 쌓이고 유지보수도 어려워집니다. GOT-OCR2.0은 이 문제를 하나의 엔드투엔드(end-to-end) 모델로 다시 설계한 OCR 모델입니다. 논문 General OCR Theory: Towards OCR-2.0 via a Unified End-to-end Model 에서 저자들은 평문 텍스트뿐 아니라 수식, 분자식, 표, 차트, 악보, 기하 도형까지 사람이 만든 모든 광학 신호를 통틀어 "문자(character)" 로 정의하고, 이것들을 하나의 모델로 처리하는 접근을 OCR-2.0이라고 부릅니다. GOT는 이 이론을 구현한 모델로, 5.8억(580M) 개의 파라미터로 구성된 단일 모델이 다양한 입력 이미지를 받아 텍스트로 변환합니다. GOT-OCR2.0은 중국과학원대학(UCAS) 연구진이 중심이 된 팀이 공개했으며, 저자들의 이전 연구인 Vary의 코드베이스 위에 만들어졌고 디코더의 언어 모델로는 Qwen을 사용합니다. 모델 가중치와 벤치마크, 학습 코드가 모두 공개되어 있고, 2025년 2월에는 Hugging Face Transformers 라이브러리에 병합되어 배치 추론까지 지원합니다. 이 게시물에서는 GOT가 제안하는 OCR-2.0의 개념과 모델 구조, 지원하는 인식 기능, 그리고 설치 방법을 정리합니다. GOT-OCR2.0가 제안하는 OCR-2.0 저자들은 기존 OCR 시스템을 OCR-1.0으로 규정합니다. OCR-1.0은 여러 전문 모듈을 조합하는 구조여서 관리 비용이 높고, 사람이 만들어내는 광학 문자의 종류가 다양해지면서 점점 수요를 따라가기 어려워졌다는 것…
