IBM, 기업용 문서 이해 특화 Granite 4.0 3B Vision 공개

주장IBM은 기업의 복잡한 문서와 차트를 정확하게 이해하고 정보를 추출하기 위해 Granite 4.0 3B Vision 모델을 개발했습니다. 이 모델은 경량화된 구조를 통해 기업 현장에서 실용적이고 효율적인 문서 처리를 지원합니다.

팩트Granite 4.0 3B Vision은 2026년 3월 31일에 발표되었습니다. 이 모델은 30억 개의 파라미터를 가진 소형 모델로, 기업용 문서 이해를 목적으로 설계되었습니다.

팩트주요 기능은 복잡한 표 구조를 분석하는 표 추출, 차트를 기계가 읽을 수 있는 형식으로 변환하는 차트 이해, 문서 내 의미 있는 키-값 쌍을 식별하는 키-값 쌍 추출입니다. 이 모델은 Granite 4.0 마이크로 모델에 저순위 적응 기법인 로라 어댑터를 적용한 모듈형 구조를 채택했습니다.

팩트모델 성능 향상을 위해 170만 개의 차트 샘플로 구성된 차트넷 데이터셋을 구축했습니다. 이 데이터셋은 코드 기반 합성 파이프라인으로 생성되었으며, 24가지 차트 유형과 6개의 플로팅 라이브러리를 포함합니다.

팩트딥스택 아키텍처를 도입하여 시각적 특징을 계층적으로 주입합니다. 추상적인 시각 정보는 초기 레이어에, 고해상도 공간 정보는 후기 레이어에 전달하여 문서 내 위치와 내용을 동시에 파악합니다.

교차검증기존 멀티모달 모델은 시각적 패턴과 수치 데이터, 자연어를 동시에 추론하는 작업에서 한계를 보였습니다. 특히 선 그래프의 정확한 값을 읽는 등 공간적 정밀도가 필요한 작업에서 성능 저하가 발생했습니다.

팩트성능 평가 결과, 차트 투 서머리 벤치마크에서 86.4%의 점수를 기록하며 더 큰 규모의 모델들을 능가했습니다. 표 추출 성능을 측정하는 펍테이블스V2 벤치마크에서도 크롭된 표와 전체 페이지 문서 모두에서 최고 수준의 텍스트 편집 거리 기반 유사도 점수를 달성했습니다.

팩트미국 정부 문서 1,777개를 포함한 바렉스 벤치마크에서 85.5%의 제로샷 정확도를 기록했습니다. 이는 복잡한 중첩 구조를 가진 문서에서도 높은 신뢰도로 정보를 추출할 수 있음을 증명합니다.

주장이 모델은 독립형 엔진으로 사용하거나 IBM의 도클링 도구와 결합하여 전체 문서 처리 파이프라인을 자동화할 수 있습니다. 모듈형 설계를 통해 시각 정보가 필요 없는 경우에는 기본 언어 모델로 전환하여 자원을 절약합니다.

출처https://huggingface.co/blog/ibm-granite/granite-4-vision. IBM Granite 팀이 허깅페이스 블로그를 통해 공식 발표한 기술 문서입니다.