AI BriefingMirage, 22 MB 비전 모델로 폰에서 74 ms OCR 및 감지 수행
Mirage: A 22 MB visual-language model that runs scene descriptions + object detection + OCR + segmentation + spatial relations analysis + extractions + decisions, in a single pass.
·2026.11.07 04:46
핵심 내용
Cactus Compute의 Mirage가 22 MB로 모바일에서 74 ms 시각 분석을 수행했다.
자세히 보기
- Cactus Compute가 스마트폰, 웨어러블, 로봇용 22 MB 비전 모델 Mirage를 출시함. 총 51.3M 파라미터로 구성되며, 7.8M 이미지 인코더와 40.8M 언어 디코더를 포함함.
- Samsung Galaxy S26에서 NPU 기준 74 ms, CPU 기준 107 ms의 종단 간 지연 시간을 기록함. 7개 언어로 장면 설명, 객체 감지, OCR, 분할, 공간 관계 분석을 지원함.
- Qwen3-0.6B 같은 텍스트 전용 LLM에 Mirage의 구조화 출력을 전달하면, 파인튜닝 없이 VQAv2의 VQA 점수가 9.3에서 31.3로 향상됨. 다만 대형 모델은 포맷 준수 문제로 결과가 엇갈림.
- HConvGLU 인코더와 Simple Attention 디코더 아키텍처를 사용함. 소형 텍스트 모델에서는 추론 추적을 추가하는 것보다 구조화 레코드만 제공하는 것이 성능이 더 우수한 경우가 많다는 핵심 발견을 제시함.
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.
