반복적으로 처리되는 정형화된 문서에서 OCR(광학 문자 인식) 시스템은 매번 새로운 문서처럼 인식하며 비효율을 겪습니다. 예를 들어, 100장의 동일한 양식에서 '직원 이름' 필드가 항상 같은 위치에 있다면, 시스템은 이 위치를 기억하고 활용할 수 있어야 합니다. 하지만 기존 시스템은 이러한 '공간 기억'이 없어 매번 필드 위치를 재탐색하고, 갑자기 다른 위치에 나타나도 이를 이상으로 감지하지 못하는 한계가 있었습니다.
새롭게 공개된 '텍스트랙트 필드 메모리(textract-field-memory)' 라이브러리는 이러한 문제를 해결하기 위해 문서 내 명명된 엔티티(named entities)의 바운딩 박스(bounding box) 좌표를 학습하여 공간 기억을 구축합니다. 이 라이브러리는 OCR 엔진 이후 단계에서 작동하며, 필드 이름과 위치 정보만 저장하고 실제 필드 값이나 문서 내용은 저장하지 않아 보안 위험을 줄입니다. 3~5개의 문서로도 기본적인 학습이 가능하며, 10개 이상의 문서를 통해 높은 신뢰도의 공간 점수를 얻을 수 있습니다. AWS 샘플로 공개되었지만, AWS 자격 증명이나 외부 서비스 호출 없이 순수 파이썬으로 로컬에서 작동하며, 의존성(dependencies)이 전혀 없다는 점이 특징입니다.
이 공간 기억 라이브러리는 단순히 문서 OCR에만 국한되지 않고, 공간적 속성을 가진 모든 정형 데이터에 적용될 수 있습니다. 예를 들어, UI 테스트에서 버튼/입력 필드의 화면 렌더링 위치를 기억하여 레이아웃 회귀를 감지하거나, 위성/지리 이미지에서 객체 변위를 탐지하고, 제조 검사에서 부품 정렬 불량을 확인하는 등 다양한 분야에서 활용 가능합니다. 이를 통해 시스템은 문서 양식 변경, 추출 오류, 데이터 변조 등을 자동으로 감지하고, 알려지지 않은 레이아웃의 문서를 식별하여 효율적인 라우팅 및 처리 비용 절감에 기여할 수 있습니다. 이는 반복적인 수작업 검토를 줄이고, 데이터 처리 파이프라인의 신뢰성과 자동화 수준을 크게 향상시킬 수 있는 중요한 진전입니다.