LG AI Research 183

기존 비전 AI가 이미지 인식에 집중하거나, OpenAI의 DALL-E가 텍스트를 이미지로 변환하는 한 방향 학습에 머물렀다면, EXAONE은 이미지로부터 텍스트를 생성하는 능력까지 갖춘 양방향 멀티모달 모델이다.

이 모델의 핵심은 AugVAE(feature-Augmented Variational AutoEncoder) 기술에 있다. 이는 기존 VQ-VAE의 구조를 개선하여, 이미지를 압축하는 중간 단계마다 비주얼 코드북(Visual Codebook) 컴포넌트를 여러 차례 배치한 것이 특징이다.

이러한 구조적 차별화를 통해 다음과 같은 성능 향상을 이뤄냈다:

• 이미지의 패턴을 크기에 상관없이 정교하게 구분하고 기억함
• 잠재 공간(Latent Space) 내에 데이터 특징을 더욱 잘 정돈하여 배치
• 텍스트와 이미지 간의 고도화된 상호 이해 가능

LG AI연구원은 총 2억 5천만 쌍의 이미지-텍스트 쌍 데이터를 활용하여 모델을 학습시켰으며, 이를 통해 단순한 객체 인식을 넘어 '봄의 기운'과 같은 추상적인 개념까지 이미지로 구현할 수 있는 능력을 확보했다.