HPD-파싱: 계층적 병렬 문서 파싱

초록

효율적인 팀워크는 일반적으로 전역 조정과 병렬 실행을 결합하는데, 이 원칙은 아직 통합 VLM 기반 문서 파서에 완전히 반영되지 않았다. 기존의 통합 파서는 전체 페이지를 공동으로 처리하지만, 하나의 토큰 단위 자기회귀 경로를 통해 출력을 생성하여 문서 길이에 따라 증가하는 순차적 병목을 만든다. 이러한 전체 페이지 순차 생성은 문서 파싱의 핵심 특성, 즉 레이아웃은 전역적으로 분석되어야 하지만 블록 내용은 병렬로 파싱될 수 있다는 점을 간과한다. 이러한 관찰에 기반하여, 우리는 HPD-Parsing을 제안한다. 이는 전체 페이지 자기회귀 생성을 계층적 병렬 디코딩 패러다임으로 대체한다. 메인 레이아웃 브랜치가 전체 문서 구조를 조직하고 블록 수준 내용 디코딩을 동시 브랜치에 동적으로 할당하며, 점진적 다중 토큰 예측(P-MTP)을 통해 각 브랜치 내 디코딩 단계를 추가로 줄인다. 공개 벤치마크 실험 결과, HPD-Parsing은 초당 4,752개의 토큰을 처리하여 기존 가장 빠른 문서 파싱 모델 대비 2.62배, 기본 자기회귀 기준선 대비 3.06배의 처리량을 달성하면서도 경쟁력 있는 파싱 정확도를 유지한다. 이러한 결과는 계층적 병렬 디코딩이 전체 페이지 자기회귀 생성의 효과적인 대안임을 입증하며, 효율적인 통합 문서 파싱을 위한 새로운 방향을 제시한다.

English

Efficient teamwork typically combines global coordination with parallel execution, a principle not yet fully reflected in unified Vision-Language Model (VLM)-based document parsers. Existing unified parsers process an entire page jointly but generate its output through a single token-by-token autoregressive trajectory, creating a sequential bottleneck that grows with document length. Such full-page sequential generation overlooks a key property of document parsing: layout must be analyzed globally, whereas block content can be parsed in parallel. Based on this observation, we introduce HPD-Parsing, which replaces full-page autoregressive generation with a Hierarchical Parallel Decoding paradigm. A main layout branch organizes the overall document structure and dynamically assigns block-level content decoding to concurrent branches, while progressive multi-token prediction (P-MTP) further reduces the decoding steps within each branch. Experiments on public benchmarks show that HPD-Parsing achieves 4,752 tokens per second, delivering 2.62times the throughput of the fastest existing document parsing model and 3.06times that of the vanilla autoregressive baseline, while maintaining competitive parsing accuracy. These results establish hierarchical parallel decoding as an effective alternative to full-page autoregressive generation, opening a new direction for efficient unified document parsing.