---
title: "ビジョン補正はいつ有効にすべきですか？"
description: "ビジョン補正がマルチモーダルモデルでレイアウトを再構築する仕組み、オンとオフの比較、そしてどのドキュメント種別がどちらの設定に適しているか"
canonical_url: "https://docs.ardge.com/ja/knowledge/precisemd/vision-correction"
---
# ビジョン補正はいつ有効にすべきですか？

> ビジョン補正がマルチモーダルモデルでレイアウトを再構築する仕組み、オンとオフの比較、そしてどのドキュメント種別がどちらの設定に適しているか

## 結論

レイアウトが複雑なドキュメントでは **Vision correction** を有効にしてください。表、段組みのページ、レポート、各種フォームは、いずれも元の画像から構造を再構築するためにマルチモーダルモデルを必要とします。レイアウトが単純なプレーンテキストのドキュメントでは無効にすると、1 ページあたり約 5 秒短縮できます。この設定は **Playground** と **OCR tasks** の両方でデフォルトで有効です。

## 仕組み

**Vision correction** が無効の場合、ドキュメントは OCR モデルのみを通過し、認識されたテキストがそのまま Markdown に書き出されます。これが最も高速な経路ですが、レイアウト情報は OCR モデル自身がページから読み取った範囲に限られます。

**Vision correction** が有効の場合、OCR の後にマルチモーダルモデルがページの元の画像を読み取り、それと照らし合わせて誤認識された文字や数字を補正し、結合セルを保持した HTML テーブルとして表を再構築します。プロンプト欄に記述したドキュメントの説明は、コンテキストとしてそのモデルに渡されます。

## 比較

<table>
<thead>
  <tr>
    <th>
      
    </th>
    
    <th>
      Vision correction 無効
    </th>
    
    <th>
      Vision correction 有効
    </th>
  </tr>
</thead>

<tbody>
  <tr>
    <td>
      1 ページあたりの処理時間
    </td>
    
    <td>
      基準値
    </td>
    
    <td>
      約 5 秒増加
    </td>
  </tr>
  
  <tr>
    <td>
      表の構造
    </td>
    
    <td>
      OCR モデルが読み取ったとおり
    </td>
    
    <td>
      元の画像から再構築（結合セルを含む）
    </td>
  </tr>
  
  <tr>
    <td>
      プロンプト
    </td>
    
    <td>
      欄は無効化され、入力できません
    </td>
    
    <td>
      入力できます。説明が実際に近いほど精度が高くなります
    </td>
  </tr>
  
  <tr>
    <td>
      モデル
    </td>
    
    <td>
      OCR モデルのみ
    </td>
    
    <td>
      加えてマルチモーダルモデル
    </td>
  </tr>
  
  <tr>
    <td>
      出力の <code>
        enable_vlm
      </code>
    </td>
    
    <td>
      <code>
        "false"
      </code>
    </td>
    
    <td>
      <code>
        "true"
      </code>
    </td>
  </tr>
</tbody>
</table>

## どちらを使うべきですか？

- **ビジョン補正を有効にする**: ドキュメントに表、段組みレイアウト、レポート、フォームが含まれる場合、または出力で元のレイアウト構造を保持する必要がある場合
- **ビジョン補正を無効にする**: ドキュメントが 1 段組みのプレーンテキストで、バッチ処理全体の時間を重視する場合
- **Playground で両方の設定を一度試す**: 判断できない場合は、**Compare** の **Diff** タブで同じファイルの各設定での出力を比較し、**OCR task** で使用する設定を決めてください

## 制限と注意事項

- **2 つの設定は独立しています。** **Playground** の **Advanced settings** と **OCR task** フォームの **Advanced settings** には、それぞれ独自の **Vision correction** トグルがあります。Playground で調整した内容はタスクに引き継がれないため、タスクのフォームで改めて設定してください
- **無効のままではプロンプトを事前に記述できません。** **Vision correction** が無効の間、プロンプトエディターは無効化され、「Enable vision correction first to enter a prompt.」と表示されます
- **Office 形式には影響しません。** DOCX、XLSX、PPTX は変換パイプラインを経由し、OCR とビジョン補正を完全に省略するため、出力の `enable_vlm` は常に `"false"` になります
- **有効にすると依存関係が増えます。** 補正の段階でマルチモーダルモデルにリクエストが送信されるため、そのモデルが応答できない場合、ファイルは「The AI service is temporarily unavailable. Try again later」というメッセージとともに失敗としてマークされます

## 関連記事

- [Playground でプロンプトを調整し、OCR 結果を比較する](https://docs.ardge.com/ja/knowledge/precisemd/playground-prompt-tuning)
- [OCR タスクをスケジュールしてフォルダーを自動処理する](https://docs.ardge.com/ja/knowledge/precisemd/schedule-ocr-tasks)
- [OCR 出力フォルダーにはどのようなファイルが生成されますか？](https://docs.ardge.com/ja/knowledge/precisemd/ocr-output-files)


## Sitemap

See the full [sitemap](https://docs.ardge.com/sitemap.md) for all pages.