kebab/tasks/phase-6-image.md

phase, title, status, depends_on, source

phase	title	status	depends_on	source
P6	이미지 ingestion (OCR + caption)	planned	P5	kebab_local_rust_report.md §9.1, §17 Phase 6

P6 — 이미지 ingestion

목표

이미지 파일을 CanonicalDocument 로 변환. 동일 검색/RAG 파이프라인에 합류. citation 은 파일 + region.

산출 crate

• kebab-parse-image — Extractor 구현. 이미지 → CanonicalDocument.
• (선택) kebab-ocr / kebab-vlm 어댑터 (외부 모델 분리 시).

추출 정보 3종 (§9.1)

종류	provenance.kind	신뢰도
파일 metadata (경로, EXIF, 크기, mtime)	metadata	높음 (관찰값)
OCR text + bounding box	observed_text	높음 (관찰값)
AI caption / VLM 설명	model_caption	낮음 (생성값)
visual embedding	visual_embedding	검색용 (의미값)

핵심 규칙: OCR 과 caption 을 같은 신뢰도로 취급 금지. provenance 분리.

CanonicalDocument 매핑

이미지 1장 → 1 document. blocks:

Block::ImageRef(ImageRefBlock {
    asset_id,
    caption: Option<String>,        // model 생성, 신뢰도 낮음 표시
    ocr_text: Option<OcrText>,      // 관찰값
    exif: Option<ExifMetadata>,
})

pub struct OcrText {
    pub regions: Vec<OcrRegion>,    // bounding box + text + confidence
    pub joined: String,             // 검색용 단일 문자열
    pub engine: String,             // "apple-vision" | "tesseract" | ...
    pub engine_version: String,
}

OCR 엔진 선택

• macOS 1차: Apple Vision text recognition (sidecar Swift 또는 Tauri command 통해 호출).
• cross-platform fallback: tesseract binding 또는 PaddleOCR sidecar.
• 1차 구현: 1개 엔진만. abstract trait OcrEngine 으로 교체 가능하게.

VLM caption (선택, 후순위)

• local VLM (예: llava, qwen-vl) 통해 caption.
• caption 은 chunk text 에 포함하되 prefix 표시 ([caption(model=...): ...]).
• 검색 시 caption-only hit 는 별도 retrieval_method = "vlm-caption" 로 표기.

Visual embedding (선택)

• CLIP 계열 image encoder.
• text embedding 과 차원/모델 다름 → 별도 LanceDB table (image_embeddings).
• text query → image 검색 = CLIP joint space 필요. 1차 구현은 OCR/caption text embedding 으로 충분.

Chunking

• region-aware: OCR region 1개 또는 인접 region 묶음 = 1 chunk.
• caption 1개 = 별도 chunk (provenance 표시).
• chunker version: image-region-v1.

Citation 형식

photos/diagram-2026.png
photos/diagram-2026.png#region=120,40,520,180   # x,y,w,h
photos/diagram-2026.png#caption                 # caption chunk

CLI

kebab ingest ./assets/diagram.png
kebab ingest ./assets/   # 폴더 안 이미지 자동 인식
kebab search "이미지 안의 OCR 텍스트"
kebab inspect doc <image_doc_id>   # OCR/caption/EXIF 모두 표시

테스트

• fixture: 한글 텍스트 이미지 + 영문 텍스트 이미지 + 텍스트 없는 사진.
• OCR region → CanonicalDocument round-trip.
• caption 이 chunk text 에 prefix 와 함께 들어가는지.
• 검색 결과에서 OCR hit 와 caption hit 구분 표기.
• 동일 이미지 재수집 시 idempotent (asset_id = blake3 동일).

의존성 경계

• kebab-parse-image 는 kebab-core + 이미지 디코딩 (image crate) + OCR adapter 만.
• LLM/embedding 호출 금지 (caption 은 별도 adapter 통해).
• VLM caption 은 background job. ingest blocking 금지.

완료 조건

• kebab ingest <image> 동작
• OCR text 검색 가능
• OCR region citation 출력
• caption 과 observed text provenance 분리
• EXIF 보존
• 같은 이미지 재수집 idempotent

리스크 / 주의

• OCR confidence 낮은 region 을 chunk 로 색인하면 noise. threshold 적용.
• caption hallucination = noise + 잘못된 RAG 인용 위험. citation 표기에서 caption 임을 항상 노출.
• Apple Vision sidecar 는 macOS 종속. linux 빌드는 다른 OCR 로 fallback.
• 대량 이미지 폴더 ingest 시 메모리/디스크 사용량 monitoring.