pdf-to-text

PDF 파일 내부의 레이아웃과 렌더링 정보를 텍스트 스트림으로 변환하는 과정이다. 이 과정은 OCR, 레이아웃 분석, 글자 인식 및 텍스트 재조합 단계를 거치며 문장 단위 의미 보존에 결정적 영향을 미친다. 문서 AI에서 PDF→텍스트 변환은 downstream 질의응답이나 임베딩 생성의 입력으로 사용되므로 변환 품질이 모델 성능에 직접적 영향을 준다.