# 구글 AI 문서 이해 특허: 제목·본문·이미지의 배치를 함께 읽는 원리

구글 US12393768B2의 블록·문서 2단 인코더와 배치 정보, 사전학습 과제를 살펴보고 가상 점검 안내서와 Document AI의 구조 보존을 구별해 설명합니다.

Source: https://www.iplexlaw.co.kr/ko/blog/google-layout-aware-document-understanding

HOME / NEWS & INSIGHTS NEWS & INSIGHTS 구글 AI 문서 이해 특허: 제목·본문·이미지의 배치를 함께 읽는 원리 구글 US12393768B2의 블록·문서 2단 인코더와 배치 정보, 사전학습 과제를 살펴보고 가상 점검 안내서와 Document AI의 구조 보존을 구별해 설명합니다. 인공지능 2026.11.10 게시 IPLEX 7분 읽기 장비 안내서의 글자를 뽑아 한 줄로 모으면 어느 제목 아래에 절차가 있었는지, 사진 밑 설명이 무엇을 가리켰는지 알기 어려워질 수 있습니다. 구글의 미국 특허 US12393768B2는 문서를 블록으로 나누고 각 블록의 내용과 배치 정보를 표현한 뒤, 이웃 블록의 관계를 함께 처리해 문서 전체의 표현을 만드는 방법을 설명합니다. 가상의 점검 안내서로 이 두 단계의 차이와 문서 검색에서 제목·그림·본문의 연결을 보존하는 이유를 살펴봅니다. 문서에 담긴 시각 정보, 글자, 서식을 블록과 연결해 살펴보는 개념 그림입니다. 1. 글자를 읽었는데 문서의 뜻이 달라지는 이유 현장에서 장비를 점검하는 사람이 안내서에서 ‘덮개를 닫은 뒤 확인’이라는 문장을 찾았다고 해 보세요. 어느 장비의 절차인지, 오른쪽에 있는 그림이 그 절차를 설명하는지 알 수 있어야 실제로 쓸 만한 정보가 됩니다. 같은 페이지에 두 개의 절이 놓인 안내서라면, 제목과 설명이 어느 쪽에 있었는지도 중요한 단서입니다. 문서 사진에서 글자를 찾아 텍스트로 바꾸는 기술을 광학 문자 인식, 줄여서 OCR이라고 합니다. OCR의 결과를 글자 목록으로만 저장하면 원래 페이지에서 가까이 놓였던 요소들의 관계를 잃을 수 있습니다. 문서 처리에서 글자를 읽는 일과 읽은 글이 어느 부분에 속하는지 정리하는 일이 함께 필요한 이유입니다. 구글의 미국 특허는 글자와 이미지가 놓인 레이아웃, 즉 페이지에서 요소가 차지하는 위치와 배치를 함께 다룹니다. 굵은 글씨가 절의 제목인지, 아래 문단이 그 제목을 이어받는지, 그림과 설명이 어떻게 놓였는지 고려할 단서를 모델의 입력으로 준비하는 접근입니다. 2. 제목·문단·그림을 블록 단위로 나눕니다 먼저 문서를 여러 블록으로 구분합니다. 블록은 제목, 문단, 이미지, 표처럼 문서 안에서 하나의 역할을 하는 구역입니다. 원문의 예에서는 블록이 페이지의 어느 위치에 있는지, 글꼴·색·서식이 어떤지 같은 정보가 함께 쓰일 수 있습니다. 웹 문서를 처리하는 경우 HTML의 제목이나 문단을 표시하는 태그를 구분의 단서로 활용하는 방법도 나옵니다. 두 단으로 된 문서에서 같은 높이에 문장이 두 줄 놓였다고 생각해 보세요. 첫 줄을 읽은 다음 무조건 같은 높이의 오른쪽 줄로 이동하면 두 절이 섞일 수 있습니다. 먼저 문단이 차지하는 구역을 구분하고 각 구역의 위치를 남겨 두면, 뒤의 모델이 어떤 요소를 함께 살필지 정하는 데 필요한 정보가 생깁니다. 이 단계에서 필요한 것은 각 구역의 내용과 배치가 연결된 입력입니다. 예를 들어 ‘정기 점검’이라는 글자, 제목에 쓰인 큰 굵은 서식, 페이지 위쪽의 위치를 한 블록의 정보로 보관합니다. 그림 블록은 화면에 보이는 특징을 담고, 아래의 설명은 자체 블록이나 관련 내용으로 표현할 수 있습니다. 3. 블록을 표현한 뒤 문서 전체의 관계를 읽습니다 첫 번째 모델은 블록별로 내용을 계산 가능한 숫자 묶음으로 바꿉니다. 이런 변환을 인코딩이라고 합니다. 글이 있는 블록에는 문장 내용과 서식 정보를, 그림이 있는 블록에는 이미지의 특징을 넣을 수 있습니다. 특허는 블록에 연결된 배치 데이터도 이 모델의 입력으로 제공하는 방식을 설명합니다. 두 번째 모델은 앞서 만든 여러 블록의 표현과 서로 이웃한 블록 사이의 연결을 함께 처리합니다. 첫 모델이 ‘이 블록에 무엇이 들어 있는가’를 표현한다면, 다음 모델은 ‘문서의 다른 블록과 어떤 관계에 놓였는가’를 계산에 반영합니다. 제목, 설명, 이미지가 함께 있는 문서 전체를 하나의 표현으로 정리할 수 있습니다. 문서 전체의 표현은 이후 작업의 입력이 됩니다. 원문에는 관련 문서를 찾거나 문서 종류를 분류하는 예가 나옵니다. 또한 문서 내용에 어울리는 사진을 후보 이미지 중에서 제안하는 흐름을 설명합니다. 어느 기능을 구성하든 블록을 개별적으로 이해하는 것과 문서 안에서의 관계를 함께 이해하는 것이 두 단계의 중심입니다. 4. 순서와 이미지의 관계를 어떻게 학습할까요? 제목과 설명이 어떻게 연결되는지 배우도록 학습 문제를 만들 수 있습니다. 예를 들어 블록 두 개의 순서를 바꾸고, 모델에게 그 순서가 자연스러운지 판단하도록 합니다. 특허는 일부 글자나 블록을 가려 주변 정보를 통해 맞히게 하는 사전학습 과제도 설명합니다. 이미지와 글의 관계를 배우는 예도 있습니다. 학습 자료의 사진을 다른 문서의 사진으로 바꾼 뒤, 바뀐 이미지인지 판단하게 할 수 있습니다. 문서의 일부 이미지를 가리고 후보에서 어울리는 이미지를 고르는 과제도 설명됩니다. 이 문제는 사진의 특징뿐 아니라 문서 속 설명과의 연결을 학습할 자료가 됩니다. 이 과정은 문서 구조에 관한 단서를 모델에 익히게 하는 사전학습입니다. 실무에서 새 안내서를 처리할 때는 이미 학습한 모델이 입력 문서의 블록과 관계를 표현합니다. 결과를 검색, 분류, 문서 정리 중 어느 작업에 쓸지에 따라 뒤에 붙는 처리가 달라집니다. 5. 2단 점검 안내서에서 제목과 캡션을 연결해 봅니다 가상의 안내서 상단에 ‘정기 점검’이라는 큰 제목이 있고, 왼쪽에는 점검 절차가 나열돼 있다고 해 보겠습니다. 오른쪽에는 장비의 그림과 그 아래 짧은 설명이 있습니다. 구역을 먼저 구분하면 큰 제목, 절차가 담긴 문단, 그림, 그림 아래의 설명을 각각 살펴볼 수 있습니다. 가상의 2단 점검 안내서입니다. 점선 화살표는 제목과 점검 절차, 그림과 그 아래 설명의 관계를 보여 줍니다. 블록 수준에서 제목은 큰 글씨와 짧은 문구를, 절차 블록은 여러 줄의 작업 내용을, 그림은 장비의 모양을 담습니다. 문서 수준에서는 제목과 절차의 연결, 그림과 아래 설명의 연결이 함께 의미를 가집니다. 서로 같은 높이에 놓인 왼쪽 절차와 오른쪽 설명도 각자 어떤 구역에 속하는지 살필 수 있습니다. 이 정보를 검색용으로 정리한다면 ‘덮개 확인’이라는 문장을 반환할 때 그 문장이 들어 있던 절 제목과 연결된 그림 설명도 같이 제공하는 방법을 생각해 볼 수 있습니다. 사용자는 한 문장만 볼 때보다 어떤 작업 순서의 일부인지 파악하기 쉽습니다. 6. Document AI는 문서의 구조를 어떻게 전달하나요? Google Cloud의 공식 문서에는 서로 다른 문서 처리 기능이 소개되어 있습니다. Enterprise Document OCR은 문서에서 글자와 줄, 단어, 문단 등의 정보와 배치를 추출합니다. 예를 들어 스캔 문서를 검색할 수 있게 만드는 업무에서 이런 출력이 쓰일 수 있습니다. Document AI의 Layout Parser는 PDF의 제목, 표, 목록, 그림 같은 요소를 구분하고 문서 계층을 구조로 반환하는 기능을 안내합니다. 문서를 검색에 쓸 수 있는 작은 단위로 나누는 과정에서, 그 단위가 속한 상위 제목을 함께 붙일 수도 있습니다. 문맥을 담은 이런 구간을 청크라고 부릅니다. 설비 문서를 모아 검색하는 팀이라면 절 제목과 문단의 연결을 살린 청크를 검색 결과에 쓸 수 있습니다. 특허 원문은 블록과 관계를 숫자 표현으로 처리하는 원리를 보여 줍니다. 제품 공식 문서는 문서 구조와 제목 문맥을 보존한 결과를 어떤 업무에 활용할 수 있는지 안내합니다. 7. 개발팀은 글자 정확도와 문서 관계를 함께 확인해 보세요 문서를 처리하는 시스템을 평가할 때는 먼저 결과가 어떤 업무에 쓰일지 정합니다. 제목과 절차의 관계가 필요한 업무라면, 글자 하나하나를 정확히 읽었는지에 더해 절차가 맞는 제목 아래에 들어갔는지 확인할 수 있습니다. 그림을 함께 보여 주는 화면이라면 설명이 대응하는 그림과 연결되어 있는지도 중요합니다. 비교할 자료도 구체적으로 정해 두면 좋습니다. 같은 문장이 서로 다른 제목 아래에 나오는 안내서, 두 단이 섞인 페이지, 사진과 캡션이 떨어져 있는 문서를 예로 들 수 있습니다. 입력에서 어떤 배치 정보를 보존했는지, 중간 단계에서 어떤 블록을 만들었는지, 검색 결과에서 어떤 근거가 따라오는지 차례로 기록하면 오류를 찾기 쉽습니다. 기술 설명을 준비할 때도 글자를 읽는 단계, 블록을 만드는 단계, 관계를 연결하는 단계, 최종 업무에 쓰는 단계를 구분해 보세요. 어떤 정보가 어디에서 추가되고 다음 계산에 어떻게 전달되는지 드러날수록 문서 처리 방식의 차이를 구체적으로 설명할 수 있습니다. 점검 안내서는 이해를 돕는 가상 예시입니다. 이 글의 기술 흐름 설명은 청구범위 전체의 요약이 아닙니다. 청구항 1에는 후보 이미지의 추천과 다른 문서 이미지로의 교체 여부를 판별하는 예측에 기초한 학습 조건이 포함되며, 청구항 14·19는 학습 시스템·기록매체의 구성을 규정합니다. Document AI 공식 제품 설명만으로 해당 제품이 특허의 모든 구성을 실시한다고 단정하지 않습니다. USPTO 특허 원문 · US12393768B2 Google Cloud Document AI Layout Parser 공식 문서 Google Cloud Enterprise Document OCR 공식 문서 네이버 파파고 AI 특허 쉽게 읽기: 움직이는 화면에 번역문을 맞추는 원리 바이두 AI 특허 쉽게 읽기: 모델 답변과 검색 지식이 충돌할 때 RAG가 처리하는 방법 문서 구조를 처리하는 방법과 기술적 차이를 특허 관점에서 정리하려면 아이피렉스의 AI 프로젝트와 상담 준비 자료를 살펴보세요. AI 기술·특허 업무 살펴보기 티스토리 원문 이 글은 표시된 게시일을 기준으로 작성된 자료입니다. 개별 사안에 대한 검토는 상담을 통해 안내합니다. 관련 업무 상담 ↗ 전체 글 보기 ON THIS PAGE 1. 글자를 읽었는데 문서의 뜻이 달라지는 이유 2. 제목·문단·그림을 블록 단위로 나눕니다 3. 블록을 표현한 뒤 문서 전체의 관계를 읽습니다 4. 순서와 이미지의 관계를 어떻게 학습할까요? 5. 2단 점검 안내서에서 제목과 캡션을 연결해 봅니다 6. Document AI는 문서의 구조를 어떻게 전달하나요? 7. 개발팀은 글자 정확도와 문서 관계를 함께 확인해 보세요 TALK TO IPLEX 우리 기업에 맞는 IP 전략이 필요하다면 기술과 사업의 상황에 맞춰 필요한 업무를 함께 살펴봅니다. ↗ 상담 문의 최근 글 노르웨이 상표출원 핵심 가이드 ↗ 이전 글 [기고 소식] 앤트로픽의 화면 이해 특허 분석, 클로드는 어떻게 컴퓨터 화면을 읽을까? ↗ 함께 읽을 인사이트 인공지능 2026.11.19 마트료시카 임베딩 논문 쉽게 읽기｜벡터 앞부분으로 찾고 전체로 다시 비교하는 이미지 검색 NeurIPS 2022 마트료시카 표현 학습의 여러 길이 공동 학습과 단계별 이미지 검색, ImageNet-1K 실험의 정확도·계산량을 살펴봅니다. ↗ 본문 읽기 인공지능 2026.11.18 바이트댄스 AI 자동 자막 특허｜오디오 트랙별로 받아쓰고 겹치는 자막을 정리하는 원리 바이트댄스 US11837234B2의 트랙별 음성인식과 자막 시간 조정 원리를 살펴보고 CapCut의 공개 편집 절차와 구별합니다. ↗ 본문 읽기 인공지능 2026.11.17 애플 AI 문자 인식 특허｜사진 속 전화번호와 웹 주소를 선택하는 원리 Apple US12001642B2의 문자 위치·유형 감지와 선택 동작을 분석하고 Live Text 및 VisionKit의 공개 설명과 구별합니다. ↗ 본문 읽기

- https://www.iplexlaw.co.kr/
- https://www.iplexlaw.co.kr/%EC%9D%B8%EC%82%AC%EC%9D%B4%ED%8A%B8-%EB%B0%8F-%EB%89%B4%EC%8A%A4/category/ai
- https://image-ppubs.uspto.gov/dirsearch-public/print/downloadPdf/12393768
- https://docs.cloud.google.com/document-ai/docs/layout-parse-chunk
- https://docs.cloud.google.com/document-ai/docs/enterprise-document-ocr
- https://www.iplexlaw.co.kr/ko/blog/naver-papago-ar-image-translation
- https://www.iplexlaw.co.kr/ko/blog/baidu-rag-knowledge-conflict-resolution
- https://www.iplexlaw.co.kr/ko/ai-patents
- https://iplexlaw.tistory.com/21
- https://www.iplexlaw.co.kr/%EC%97%B0%EB%9D%BD%ED%95%98%EA%B8%B0
- https://www.iplexlaw.co.kr/%EC%9D%B8%EC%82%AC%EC%9D%B4%ED%8A%B8-%EB%B0%8F-%EB%89%B4%EC%8A%A4
- https://www.iplexlaw.co.kr/ko/blog/google-layout-aware-document-understanding#article-21-ko-0
- https://www.iplexlaw.co.kr/ko/blog/google-layout-aware-document-understanding#article-21-ko-1
- https://www.iplexlaw.co.kr/ko/blog/google-layout-aware-document-understanding#article-21-ko-2
- https://www.iplexlaw.co.kr/ko/blog/google-layout-aware-document-understanding#article-21-ko-3
- https://www.iplexlaw.co.kr/ko/blog/google-layout-aware-document-understanding#article-21-ko-4
- https://www.iplexlaw.co.kr/ko/blog/google-layout-aware-document-understanding#article-21-ko-5
- https://www.iplexlaw.co.kr/ko/blog/google-layout-aware-document-understanding#article-21-ko-6
- https://www.iplexlaw.co.kr/%EC%97%B0%EB%9D%BD%ED%95%98%EA%B8%B0
- https://www.iplexlaw.co.kr/ko/blog/norway-trademark-filing-guide
- https://www.iplexlaw.co.kr/ko/blog/aitimes-anthropic-screen-understanding
- https://www.iplexlaw.co.kr/ko/blog/matryoshka-prefix-vector-image-retrieval
- https://www.iplexlaw.co.kr/ko/blog/matryoshka-prefix-vector-image-retrieval
- https://www.iplexlaw.co.kr/ko/blog/bytedance-track-based-caption-timing
- https://www.iplexlaw.co.kr/ko/blog/bytedance-track-based-caption-timing
- https://www.iplexlaw.co.kr/ko/blog/apple-recognized-text-contextual-actions
- https://www.iplexlaw.co.kr/ko/blog/apple-recognized-text-contextual-actions
