AI Briefing#diffusion-model
#diffusion-model와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#diffusion-model와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
Linum AI가 $21,038로 학습한 2B 픽셀 스페이스 텍스트-이미지 모델 P-JiT를 공개했다.
GLM-OCR 기반 GravityOCR은 추가 파라미터 없이 디코딩 속도를 1.32배 높이고 정확도는 95.16점으로 유지했다.
구글 리서치와 UIUC가 RL로 학습한 질의 팬아웃 행동을 53.9M 파라미터 확산 모델로 증류해 검색 지연을 12~20배 단축한 R4T를 공개했다.
IFM이 인과적 LLM에 확산 어댑터를 결합한 K2-Horizon-7B를 공개했으며, 최대 5200 tps의 추론 속도와 무손실 성능을 주장한다.
픽셀 공간 기반의 인코더-디코더 구조를 채택한 JiT-DDT 아키텍처가 Linum v2 대비 GPU 사용량을 3.6배 줄이면서 더 빠른 수렴과 개선된 이미지 품질을 달성했다.
GLM-OCR 모델에 Diffusion 초안 생성과 AR 검증 방식을 결합해 디코딩 구간 속도를 3.85배 높이는 기법을 공개했다.
자율 회귀 모델의 대안으로 주목받던 연속 확산 모델이 최근 연구 재점화와 함께 부활 조짐을 보이고 있다.
DiffusionGemma가 Gemma 4를 이산 확산 모델로 개조해 H100에서 1,500TPS를 달성했다.
Explorative Modeling이 생성 모델에 탐색 축을 추가해 효율을 높였다.
기존의 자기회귀(Autoregressive) 방식 대신 확산(Diffusion) 기술을 적용해 속도를 혁신한 차세대 언어 모델 celeris-1이 공개되었습니다.
POCKET-Image는 글자 형태를 보존하는 파이프라인을 통해 온디바이스에서도 정확한 한글 렌더링을 구현한다.
Hugging Face Diffusers가 SVDQuant 기반 Nunchaku W4A4 양자화를 공식 통합해 VRAM 사용량을 절반으로 줄이고 추론 속도도 향상시켰다.
Microsoft가 4B 파라미터로 대형 모델에 필적하는 이미지 생성·편집 모델 Mage-Flow를 공개했다.
사용자의 음성 지시에 따라 실시간으로 반응하며 무한히 생성되는 대화형 영상 모델 Vidu S1이 공개되었습니다.
CalibAtt는 비디오 생성 모델의 어텐션 연산 중 불필요한 연결을 식별하여 속도를 최대 1.58배 높이는 기술이다.
NVIDIA와 HuggingFace가 확산 모델 미세조정을 위한 NeMo Automodel 통합을 공개했다.