카카오가 21일 자체 개발한 비전 인코더 '카나나-2-비전-인코더' 2종을 오픈소스 플랫폼 허깅페이스에 공개했다.

이번에 공개한 모델은 파라미터 규모가 4억2600만개인 '미디엄'과 9800만개인 '타이니' 두 가지다. 비전 인코더는 이미지 속 사물과 글자, 위치, 형태 등 시각적 특징을 추출해 언어모델에 전달하는 기술로, AI가 이미지를 이해하도록 돕는 '눈'에 해당한다.

카카오에 따르면 두 모델은 9개 영역, 42개 벤치마크 평가에서 구글의 '시그립 2', 메타의 '퍼셉션 인코더', 애플의 'AIMv2', 알리바바의 '큐웬 3.5-ViT' 등 글로벌 주요 모델을 상회하는 성능을 기록했다. 특히 파라미터 규모가 가장 작은 '타이니' 모델도 4억 개 이상 파라미터를 가진 해외 모델들의 성능을 웃돌았으며, 한국어 문자 인식과 문서 이해 영역에서 강점을 보였다.

두 모델은 연구와 상업적 활용이 모두 가능한 '카나나 오픈 라이선스'로 배포됐다. 노병석 카카오 리더는 "에이전틱 AI 시대를 맞아 고해상도 이미지를 정확하게 분석하는 비전 인코더의 역할이 그 어느 때보다 커지고 있다"고 말했다.

자료