AI Briefing#vision-language-model
#vision-language-model와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#vision-language-model와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
Pocket LLM v1.5.0이 공개돼 Android 오프라인 채팅에 음성·이미지 입력과 OCR, 카메라 캡처가 추가됐다.
VLM이 행동과 위치를 함께 계획하도록 만든 GroundedPlanBench와 V2GP가 성능을 끌어올렸다.
Qwen3.5-397B-A17B가 공개됐고, 397B 중 17B만 활성화되는 네이티브 멀티모달 모델이다.
네이버가 32B Think와 8B Omni로 텍스트·이미지·오디오를 잇는 옴니모달 AI를 공개했다.
전문 영상 생성을 4개 제어 축으로 나눠 10+ 모델의 한계를 드러냈다.
Pixtral-12B 모델에 LoRA 파인튜닝을 적용하여 위성 이미지 분류 성능을 대폭 향상시켰다.
HuggingFace가 초보자도 쉽게 Vision Language Model을 학습할 수 있는 경량 툴킷 nanoVLM을 공개했다.
지난 1년간 급변한 Vision Language Model(VLM)의 주요 기술 트렌드와 최신 모델 및 벤치마크를 정리했다.
70억 파라미터 규모의 멀티모달 모델 Visual Salamandra가 이미지와 비디오 이해 능력을 갖춰 공개되었다.
Qwen 시리즈의 새로운 플래그십 모델인 Qwen2.5-Omni는 텍스트, 이미지, 오디오, 비디오를 통합 처리하는 엔드투엔드 멀티모달 모델이다.
HuggingFace가 비디오 이해 능력을 갖춘 초경량 멀티모달 모델 SmolVLM2 시리즈를 공개했다.
HuggingFace의 smolagents가 VLM 지원을 통해 시각적 정보를 처리할 수 있는 기능을 업데이트했다.
Google이 Gemma 2를 기반으로 한 새로운 시각 언어 모델(VLM) PaliGemma 2를 공개했다.
한국어 벤치마크 평균 75.1점으로 GPT-4o(61.9점)를 상회하며, Native resolution과 C-Abstractor 구조를 채택했다.
Meta가 멀티모달 기능과 온디바이스 실행이 가능한 Llama 3.2 모델 시리즈를 공개했다.
Qwen 모델 시리즈의 최신 시각 언어 모델인 Qwen2-VL이 공개되어 영상 이해와 Agent 기능을 강화했다.