Marlin-2B 영상 구조화 VLM 공개

Marlin-2B는 Qwen3.5-VL 기반의 2B 오픈소스 VLM으로, 영상 이해를 두 가지 실사용 작업에 맞췄다.

• caption(): 장면(Scene) 설명과 이벤트(Event)를 초 단위 타임스탬프로 구조화해 출력
• find(): 자연어 질의를 영상의 (start, end) 구간으로 반환

개발진은 범용 채팅형 VLM이 아니라 영상 편집과 구조화 파이프라인에 필요한 기능만 좁게 설계했다고 밝혔다. vLLM 추론도 제공한다.

성능 측면에서는 DREAM-1K, CaReBench, TimeLens-Bench에서 동급 오픈 모델 최고 수준이라고 설명했고, Gemini-2.5-Flash 대비 비용 효율성도 강조했다.

학습 레시피와 새 비디오 캡셔닝·grounding 벤치마크도 추후 공개할 예정이다.