Web での矩形/ドキュメント検出の選択肢と判断軸
フロントエンド
画像処理
技術選定
学習データなし・Web アプリ前提でドキュメント/矩形検出精度を上げたい場合の選択肢は5系統: (1)OpenCV.js 強化 = 安価・すぐ試せる・中程度まで改善可、ただし影・反射には上限。(2)MediaPipe Object Detector = Web 公式だが互換 trained model が必要で既製は COCO 系一般物体向け、特定用途には弱い。(3)Transformers.js の zero-shot detector = 学習データなしで試せるがライブ検出には不安定。(4)ONNX Runtime Web + WebGPU = 重いモデルを回す実行基盤であって detector そのものではなく、良いモデルが別途必要。(5)商用 Web SDK (Dynamsoft Document Normalizer, Scanbot など) = 影/誤検出/重複検出の守備範囲が近く、学習データなしで精度を上げる最有力。無料/自前なら OpenCV を詰め、精度重視なら商用 SDK 検証が最短。