AI Briefing#vlm
#vlm와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#vlm와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
VLM의 텍스트 기반 다이어그램 생성 및 편집 능력을 평가하는 ASCIITermDraw-Bench가 공개되었습니다.
LG AI Research가 기존 LMM의 데이터 라이선스 문제를 해결하고 효율성을 높인 EXAONE LMM 구조를 제안했다.
LG AI Research가 텍스트와 이미지를 동시에 이해하는 멀티모달 모델 EXAONE 4.5를 오픈 웨이트 방식으로 공개했다.
LG AI연구원이 시각 정보와 언어를 동시에 처리하는 오픈 웨이트 VLM인 EXAONE 4.5를 공개했다.
LensVLM은 VLM이 텍스트가 포함된 이미지를 처리할 때 해상도 저하로 발생하는 인식 오류를 해결하기 위한 프레임워크다.
RL 미세 조정을 거친 VLM은 시각적 추론 성능은 향상되지만, 텍스트 섭동에 취약한 모습을 보인다.
Moondream의 Photon 엔진이 파이프라인 디코딩 기술을 통해 GPU 유휴 시간을 줄여 추론 성능을 최적화하는 방법을 설명한다.
문서 구조 추출에 특화된 4B 규모의 Granite Vision 4.1 모델이 llama.cpp에 추가되었습니다.
한국어 긴 공공기관 문서 이해 능력을 평가하기 위한 VLM 벤치마크 KOLongDoc이 공개되었다.
Stable-Layers는 VLM의 피드백을 활용한 강화 학습을 통해 쌍을 이룬 데이터 없이 이미지 레이어 분해 모델을 미세 조정한다.
NVIDIA가 병렬 박스 디코딩(PBD) 기술을 적용해 VLM의 그라운딩 속도와 정확도를 혁신한 LocateAnything을 공개했다.
무신사가 VLM 대신 Geometric Prior를 활용해 의류 디테일컷 생성 속도를 25배 높였다.
Qwen3.5-4B 기반의 문서 데이터 추출 및 Markdown 변환 특화 VLM인 NuExtract3가 공개되었습니다.
Numind가 Qwen3.5-4B 기반의 문서 구조화 및 OCR 특화 VLM인 NuExtract3를 공개했다.
Numind가 문서의 Markdown 변환 및 구조화된 데이터 추출에 특화된 4B 규모의 오픈 웨이트 VLM인 NuExtract3를 출시했다.
실시간 비주얼 스트리밍 어시스턴트 모델의 성능을 평가하기 위한 새로운 프레임워크인 VSAS-Bench가 공개되었다.
VLM과 통계적 검증을 활용해 Diffusion 모델의 최적 파인튜닝 설정을 찾아주는 오픈소스 도구 'Bracket'이 공개되었습니다.
멀티모달 코딩 에이전트의 웹 개발 능력을 단계별로 평가하는 Vision2Web 벤치마크가 공개되었다.
NVIDIA가 물리적 AI의 추론 능력을 강화한 오픈 VLM인 Cosmos Reason 2를 출시했다.
비전 언어 모델(VLM)을 활용한 최신 오픈 소스 OCR 기술 동향과 모델 선택 및 활용법을 정리한 가이드입니다.