DINOv2·DINOv3 정리: 자기지도 학습 비전 파운데이션 모델과 그램 앵커링의 역할
정답 레이블 없이 학습하는 비전 파운데이션 모델 DINO 시리즈를 다룬 국내 대학 세미나입니다. DINOv2의 데이터 큐레이션과 손실 설계부터, 모델을 키울수록 조밀 특징이 무너지던 문제와 DINOv3의 그램 앵커링까지 짚습니다.
핵심 내용 읽기 →
AI TOPIC
메타 AI 최신 뉴스와 핵심 해설
메타 AI 관련 핵심 뉴스와 활용 인사이트 6편을 최신순으로 모았습니다.
월드 모델이란? 얀 르쿤의 LLM 한계 지적과 메타·오픈AI·월드랩스의 연구 방향 정리
메타 수석 AI 과학자 얀 르쿤이 대규모 언어 모델의 한계를 지적하며 제시한 월드 모델의 개념과 근거, 이를 둘러싼 메타·오픈AI·월드랩스·딥마인드의 서로 다른 연구 방향을 한국 독자 눈높이로 정리했다.
핵심 내용 읽기 →
메타 퍼셉션 언어 모델(PLM) 분석: 폐쇄형 증류 없이 만든 개방형 비전 언어 모델의 학습법
메타가 폐쇄형 모델의 출력에 전혀 기대지 않고 처음부터 만든 비전 언어 모델 PLM을 살펴본다. 라마 3과 퍼셉션 인코더를 잇는 구조, 워밍업부터 고해상도 미세조정까지 3단계 학습법, 사람이 주석한 1400만 샘플의 역할을 정리했다.
핵심 내용 읽기 →
ImageBind 논문 리뷰: 이미지·텍스트·소리·깊이·열·센서를 하나의 임베딩 공간으로
메타 AI의 ImageBind는 이미지를 축으로 텍스트·오디오·깊이·열화상·IMU 등 6개 감각을 하나의 임베딩 공간에 묶는다. 짝지어진 데이터 없이도 감각끼리 연결되는 '창발' 능력과 그 원리를 한국어로 풀었다.
핵심 내용 읽기 →
DINOv3 논문 해설: 라벨 없는 컴퓨터 비전 파운데이션 모델과 그램 앵커링
메타 AI의 DINOv3는 라벨 없이 17억 장 이미지로 학습한 70억 파라미터 비전 파운데이션 모델이다. 자기지도 학습 구조와 밀집 예측 성능을 지켜낸 그램 앵커링을 해설한다.
핵심 내용 읽기 →
메타 SAM 3 논문 리뷰 - 텍스트로 개념을 분할하는 세그멘테이션 모델과 데이터 엔진 정리
메타가 공개한 SAM 3는 짧은 명사구만 입력하면 이미지와 영상 속 해당 개체를 모두 찾아 분할하고 추적한다. 디텍터와 트래커 분리, 프레즌스 토큰, 사람과 AI가 함께 만든 데이터 엔진을 짚었다.
핵심 내용 읽기 →