[태그:] 멀티모달 AI

구글 제미나이 앱이 월간 활성 이용자 10억 명을 넘었다. 이용자의 63%는 음성 대화를 쓰며, 실시간 카메라·화면 공유와 이미지 생성 활용도 ...

MiniMax가 텍스트·이미지·영상·음성을 함께 다루는 H3를 공개했다. 최대 2K·15초 영상은 회사가 제시한 사양이다.

545개 시나리오형 과제로 구성된 TerraLogic는 인식이 아니라 공간 추론의 재현성과 검증 가능성을 겨냥한다.

알리바바 그룹 Wan Team이 영상을 ‘세계’와 ‘사건 흐름’으로 나눠 실시간 상호작용을 푸는 Wan-Streamer v0.3를 제시했다. 같은 지연 조건에서 말과 자유형 ...

지식재산 당국이 최신 AI 10대 기술의 특징과 국내외 대표 모델, 특허 동향을 정리한 가이드북을 발간했다. 공개 기술 범위와 특허 심사기준이 ...

StructGen은 여러 참고 이미지의 인물·속성·배경 관계를 구조화해 모호성을 줄였으며, 자체 벤치마크 8개 하위집합에서 비교 모델을 평가했다.

2026년 7월 16일 공개된 arXiv v1 프리프린트 ViPS가 5개 시각 사전정보를 결합해 6개 공간이해 벤치마크에서 성능을 검증했다.

UNIST 연구진이 멀티모달 AI의 강건성을 손실 지형 평탄화로 설명하고, 무작위 재짝짓기 학습법 DML을 제안했다.

9개 감정 데이터셋에서 0.6B Light-MER가 8B 교사보다 높은 평균을 기록하고 전체 파이프라인 메모리를 2.54GB로 줄였다.

Qwen3-VL 계열의 통제 실험에서 출력 구조만 채점한 보상의 해킹률이 최대 48.1%였다. 이 수치는 특정 Safety VQA 조건의 결과다.

ALICE는 여덟 병리 모델의 형태·언어·슬라이드 지식을 단계별로 증류해 21개 설정의 96개 후향적 과제에서 가장 높은 평균 순위를 기록했다.

가시광 영상과 이벤트 카메라를 결합한 TJUTCM Pha 시험에서 E-VAD가 AUC 82.25%를 보고했다.