9개 평가 영역에서 비교 모델 대비 최고 성능

카카오가 이미지와 문서를 읽고 이해하는 인공지능(AI) 기술을 오픈소스로 공개했다.

카카오는 자체 개발한 비전 인코더 'Kanana-2-vision-encoder' 2종을 글로벌 AI 플랫폼 허깅페이스에 공개했다고 21일 밝혔다.

 

▲ 카카오 자체 비전 인코더 'Kanana-2-vision-encoder'의 medium·tiny 모델 성능 비교 그래프. [카카오 제공]

 

비전 인코더는 AI가 이미지 속 사물이나 글자, 위치 등 시각 정보를 읽어내도록 돕는 기술이다. 추출한 정보를 언어모델에 전달하면 AI가 메뉴판 가격을 읽거나 문서 내용을 파악하고 사진 속 상황에 답할 수 있다.

이번에 공개한 모델은 4억2600만 개 파라미터 규모 'medium'과 9800만 개 규모 'tiny' 2종이다. 카카오는 일반 이미지 질의응답과 문서 이해, 한국어 문자 인식 등 9개 영역 42개 벤치마크에서 성능을 평가했다.

공식 모델카드에 따르면 9개 평가영역 평균 점수는 medium 모델이 55.62점으로 메타 51.54점, 알리바바 50.51점, 구글 49.77점 등을 웃돌았다.

 

tiny 모델도 평균 51.81점으로 비교 대상인 알리바바 49.62점과 구글 46.81점 등을 앞섰다. 특히 한국어 문자 인식과 문서 이해, 이미지 속 위치 파악 분야에서 높은 점수를 기록했다.

카카오는 자체 언어모델 'Kanana-2'를 활용해 비전 인코더 학습 효율을 기존보다 약 4배 높였다고 설명했다. 고해상도 이미지 처리 과정의 지연 시간도 주요 글로벌 모델 대비 60% 이상 줄였다.

노병석 카카오 유니파이드 파운데이션 모델 성과리더는 "PC나 모바일 화면을 직접 이해하고 조작하는 컴퓨터 유즈 기술이 주목받으면서 고해상도 이미지를 정확하게 분석하는 비전 인코더 역할도 커지고 있다"고 말했다.

 

KPI뉴스 / 배지수 기자 didyou@kpinews.kr

 

[ⓒ KPI뉴스. 무단전재-재배포 금지]