NVIDIA Nemotron Parse 1.1

초록

경량 문서 파싱 및 OCR 모델인 Nemotron-Parse-1.1을 소개합니다. 이 모델은 이전 버전인 Nemoretriever-Parse-1.0의 성능을 향상시켰습니다. Nemotron-Parse-1.1은 일반 OCR, 마크다운 서식 지정, 구조화된 테이블 파싱, 그림/차트/다이어그램 내 텍스트 추출 등 다양한 분야에서 개선된 성능을 제공합니다. 또한 시각적으로 밀도 높은 문서를 위해 더 긴 출력 시퀀스 길이를 지원합니다. 이전 모델과 마찬가지로 텍스트 세그먼트의 바운딩 박스와 해당 의미론적 클래스를 추출합니다. Nemotron-Parse-1.1은 885M 매개변수를 가진 인코더-디코더 아키텍처를 채택하며, 여기에는 컴팩트한 256M 매개변수의 언어 디코더가 포함됩니다. 공개 벤치마크에서 경쟁력 있는 정확도를 달성하여 강력한 경량 OCR 솔루션으로 자리매김했습니다. 모델 가중치는 Huggingface를 통해 공개하며, 최적화된 NIM 컨테이너와 더 넓은 Nemotron-VLM-v2 데이터셋의 일부인 훈련 데이터 서브셋도 함께 제공합니다. 추가로 시각 토큰 길이를 축소하여 20%의 속도 향상을 제공하며 품질 저하를 최소화한 Nemotron-Parse-1.1-TC도 공개합니다.

English

We introduce Nemotron-Parse-1.1, a lightweight document parsing and OCR model that advances the capabilities of its predecessor, Nemoretriever-Parse-1.0. Nemotron-Parse-1.1 delivers improved capabilities across general OCR, markdown formatting, structured table parsing, and text extraction from pictures, charts, and diagrams. It also supports a longer output sequence length for visually dense documents. As with its predecessor, it extracts bounding boxes of text segments, as well as corresponding semantic classes. Nemotron-Parse-1.1 follows an encoder-decoder architecture with 885M parameters, including a compact 256M-parameter language decoder. It achieves competitive accuracy on public benchmarks making it a strong lightweight OCR solution. We release the model weights publicly on Huggingface, as well as an optimized NIM container, along with a subset of the training data as part of the broader Nemotron-VLM-v2 dataset. Additionally, we release Nemotron-Parse-1.1-TC which operates on a reduced vision token length, offering a 20% speed improvement with minimal quality degradation.