문서 레이아웃 인식과 OCR을 결합한 학술 문서 목차 자동 생성 = Automatic Table-of-Contents Generation in Scholarly Documents via Joint Layout Analysis and OCR

국문 초록 (Abstract)

본 연구는 복잡한 구조의 학술 문서에서 목차를 자동으로 생성하기 위해, 이미지 기반 문서 레이아웃 분석과 OCR을 결합한 파이프라인을 제안한다. 먼저 DocLayout-YOLO 기반의 학술정보 구조화 인식 모델을 통해 섹션(장/절/항), 본문, 표, 그림, 수식, 페이지정보, 참고문헌정보, 참고문헌영역등 10개 구성 요소를 동시에 탐지하고, 탐지된 섹션 후보에 대하여 영역 단위 OCR을 수행한다. 이어 섹션 깊이 정보 정제 알고리즘을 적용하여문서별 표기 체계에 적응적으로 대응하고 섹션 레벨 정확도를 향상한다. 국내 과학기술 R&D 보고서를 기반으로 구축한 데이터셋으로 학습ㆍ평가를수행한 결과, 제안 시스템은 다양한 문서 형식과 스캔 PDF 환경에서도 End-to-End 목차 자동 생성이 가능함을 확인하였다.

다국어 초록 (Multilingual Abstract)

This study presents a pipeline for automatic table-of-contents (TOC) generation in scholarly documents with complex structures bycombining image-based document layout analysis and OCR. A DocLayout-YOLO–based scholarly-information structuring model jointlydetects ten components—sections (chapter/section/subsection), body text, tables, figures, formulas, page markers, bibliography heading,and bibliography region—and then performs region-level OCR on detected section candidates. We further apply a Section-DepthRefinement algorithm to adapt to document-specific notation conventions and improve section-level accuracy. Trained and evaluatedon a dataset built from domestic science-and-technology R&D reports, the proposed system demonstrates reliable end-to-end TOCgeneration across diverse formats, including scanned PDFs.