エッジ環境でのLocal VLMによるセキュアOCR：Grammar制約で構造化出力を行う

閉域・オフライン環境でLocal VLMを使い、運転免許証から氏名などを抽出する構成を検証した。小型モデルはプロンプトだけでは出力形式が崩れるため、JSON Schemaに基づくGrammar制約で形式を強制し、常にパース可能なJSONを得る方法を示している。Visual Prompt Injectionに対しても、Grammar制約は出力層での防御として機能すると主張している。