언어 인코더
언어 인코더는 단어와 구문 간의 의미적 의미와 문맥적 연관성을 포착하여 AI 모델이 처리할 수 있는 텍스트 임베딩으로 변환합니다.

비전 인코더
비전 인코더는 이미지 또는 동영상 입력에서 색상, 모양, 텍스처와 같은 중요한 시각적 속성을 추출하여 머신러닝 모델이 처리할 수 있는 벡터 임베딩으로 변환합니다.

다음은 인기 있는 VLM의 몇 가지 예입니다.
- DeepSeek-VL2
- Gemini 2.0 Flash
- GPT-4o
- Llama 3.2
- NVLM
- Qwen 2.5-VL

[링크 : https://www.ibm.com/kr-ko/think/topics/vision-language-models]

 

대표적인 오픈소스 VLM은?
 
- LLaVA 1.6 (Hermes 34B) : 34억 개의 파라미터를 가진 모델, 고해상도 이미지(672x672)를 처리 지원
- CogVLM-Chat : 대화형 기능과 이미지 내 객체 인식 기능 지원
- Qwen-VL-Chat : 대화형 기능과 제로샷 객체 인식 기능을 지원
- PaliGemma : 구글에서 공개한 경량화된 VLM
- SmolVLM : HuggingFace가 공개한 경량 VLM
- Aya Vision : Cohere에서 공개한 VLM. 23개 언어 지원 

[링크 : https://42morrow.tistory.com/entry/VLM-Vision-Langunage-Model-정리]

'모종의 음모 > ai 프로그램' 카테고리의 다른 글

k-exaone 2.5 멀티모달 미지원  (0) 2026.11.17
k-exaone 2.5 api key 발급  (0) 2026.11.17
chatGPT 구독 취소  (0) 2026.11.10
ai 딸각 - 키즈카페 그거  (0) 2026.11.08
ai 딸각 - 웹 버튜버 시스템  (0) 2026.11.07
Posted by 구차니