자체 개발 비전 인코더 2종 공개…한국어 문서 이해·이미지 인식 강화
![[카카오 제공. 재판매 및 DB 금지]](/storage/images/2610/AKR20261021042800017_01_i_P4.jpg)
[카카오 제공. 재판매 및 DB 금지]
(서울=연합뉴스) 한상용 기자 = 카카오[035720]는 자체 개발한 비전 인코더 '카나나-2-비전-인코더' 2종을 AI 플랫폼 허깅페이스에 공개했다고 21일 밝혔다.
비전 인코더는 이미지 속 사물과 글자, 위치, 형태 등 시각적 특징을 추출해 언어모델에 전달하는 기술로, 멀티모달 AI의 '눈' 역할을 한다.
예를 들어 메뉴판 음식과 가격을 읽거나 문서의 내용과 배치를 파악하는 데 활용된다.
이번에 공개한 모델은 파라미터(매개변수) 4억2천600만개 규모의 '미디엄'과 9천800만개 규모의 '타이니'다.
카카오는 일반 시각 질의응답과 영어·한국어 문자 인식·문서 이해, 이미지 내 위치 파악 등 9개 영역 모두 42개 벤치마크에서 두 모델의 성능을 평가했다.
그 결과 구글의 '시그립 2', 메타의 '퍼셉션 인코더', 애플의 'AIMv2', 알리바바의 '큐웬3.5-ViT' 등 주요 비교 모델을 상회하는 성능을 보였다고 카카오는 평가했다.
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 부연했다.
또한 카카오는 자체 언어모델 '카나나-2'를 활용해 비전 인코더의 학습 효율을 기존 대비 약 4배 높였다고 전했다.
고해상도 이미지 처리에 최적화한 설계로 주요 비교 모델 대비 처리 지연 시간도 60% 이상 줄였다고 설명했다.
두 모델에는 연구·개발뿐 아니라 상업적 활용도 가능한 '카나나 오픈 라이선스'를 적용했다.
카카오는 비전 인코더를 비롯해 옴니 언어모델 '카나나-o'를 구성하는 언어모델과 시각·음성 처리 모듈 등을 자체 개발하고 있으며 다른 구성 요소도 순차적으로 공개할 계획이다.
노병석 카카오 유니파이드 파운데이션 모델 성과리더는 "앞으로도 자체 AI 모델의 경쟁력을 높이고 관련 기술을 공개해 AI 생태계 발전에 기여할 것"이라고 말했다.
