SBS Biz

[카카오 제공=연합뉴스]

카카오는 자체 개발한 비전 인코더 '카나나-2-비전-인코더' 2종을 AI 플랫폼 허깅페이스에 공개했다고 오늘(21일) 밝혔습니다.



비전 인코더는 이미지 속 사물과 글자, 위치, 형태 등 시각적 특징을 추출해 언어모델에 전달하는 기술입니다.

멀티모달 AI의 '눈' 역할을 하며, 메뉴판 음식과 가격을 읽거나 문서의 내용과 배치를 파악하는 데 활용됩니다.

이번에 공개한 모델은 파라미터(매개변수) 4억2천600만개 규모의 '미디엄'과 9천800만개 규모의 '타이니'입니다.

카카오는 일반 시각 질의응답과 영어·한국어 문자 인식·문서 이해, 이미지 내 위치 파악 등 9개 영역 모두 42개 벤치마크에서 두 모델의 성능을 평가했습니다.



그 결과 구글의 '시그립 2', 메타의 '퍼셉션 인코더', 애플의 'AIMv2', 알리바바의 '큐웬3.5-ViT' 등 주요 비교 모델을 상회하는 성능을 보였다고 카카오는 말했습니다.

특히 타이니 모델의 경우 파라미터가 1억개 미만인데도 4억개가 넘는 비교 모델보다 뛰어난 성능을 나타냈고 이미지 내 위치 파악과 한국어 시험, 한국어 문자 인식·문서 이해 영역에서 성능 차이가 컸다고 설명했습니다.

카카오는 자체 언어모델 '카나나-2'를 활용해 비전 인코더의 학습 효율을 기존 대비 약 4배 높였다고 전했습니다.

고해상도 이미지 처리에 최적화한 설계로 주요 비교 모델 대비 처리 지연 시간도 60% 이상 줄였다고 설명했습니다.

두 모델에는 연구·개발뿐 아니라 상업적 활용도 가능한 '카나나 오픈 라이선스'를 적용했습니다.

카카오는 비전 인코더를 비롯해 옴니 언어모델 '카나나-o'를 구성하는 언어모델과 시각·음성 처리 모듈 등을 자체 개발하고 있으며 다른 구성 요소도 순차적으로 공개할 계획입니다.