書籍 OCR に LLM を組み合わせ、精度向上 + 文書構造・図表現も保持
2026-05-10 · Zenn (llm)
A pipeline that pairs OCR with LLM post-processing to boost book-scanning accuracy and preserve document structure (chapters, sections, paragraphs, figures, tables). The LLM not only fixes recognition errors but also reconstructs hierarchies, captions, and table structure into Markdown/JSON — useful for digitizing old books and preparing high-quality RAG sources.
書籍の OCR に LLM を組み合わせることで、単なる文字認識精度を上げるだけでなく、文書構造（章・節・段落）や図表の構造も保持する処理パイプラインを構築した記録。OCR 結果を LLM で後処理することで誤読を修正しつつ、見出し階層・図キャプション・表構造を Markdown / JSON で表現できる。古書のデジタル化や RAG 用ソース整備に有用。