멀티모달 추출
이미지와 텍스트를 결합해 단일 호출로 구조화된 정보를 추출하는 기법이다. 이 문맥에서는 사진 영역 감지, 이름 위치 추출, 페이지 메타데이터 반환을 한 번의 API 호출로 처리하는 방식을 뜻한다. 입력 이미지에서 필요한 핵심 요소만 선별해 반환함으로써 토큰·비용을 절감하는 역할을 한다.
