카카오, ‘카나나-2 비전 인코더’ 오픈소스 공개…멀티모달 AI 기술 강화

카카오는 멀티모달 AI 기술 강화를 위해 자체 개발한 '카나나-2 비전 인코더' 2종을 오픈소스로 공개했다고 21일 발표했다. 공개처는 허깅페이스다. 공개 모델은 '미디엄'과 '타이니'로, '미디엄'은 4억2600만 매개변수 규모이고 '타이니'는 9800만 매개변수 규모다.

비전 인코더는 이미지의 사물·문자·위치·형태 등 시각 정보를 추출한 뒤 이를 언어모델에 전달하는 기능을 한다. 이를 통해 메뉴판의 음식·가격을 판독하거나 문서의 내용·배치를 파악하고, 이미지 속 상황을 설명하는 데 활용할 수 있다.

카카오는 '카나나-2 비전 인코더'의 성능 평가도 실시했다. 평가 범위는 9개 영역·42개 벤치마크였으며, 평가 영역에는 일반 시각 질의응답, 영어·한국어 문자 인식, 문서 이해, 이미지 내 위치 파악, 세밀한 인식 등이 포함됐다.

카카오는 이번 평가에서 자사 모델이 글로벌 주요 비전 인코더 대비 전반적인 성능 우위를 보였다고 설명했다. 비교 대상은 구글 'SigLIP 2', 메타 '퍼셉션 인코더', 애플 'AIMv2', 알리바바 '큐원3.5-ViT'였다.

카카오는 모델 크기를 작게 유지하면서도 더 큰 비교 대상과 맞설 수 있는 성능을 확보했다고 밝혔다. 온디바이스 활용을 고려해 개발한 타이니 모델의 설계 규모는 1억 개 미만 매개변수이며, 비교 대상 모델의 규모는 4억 개 초과다. 이 타이니 모델은 해당 비교 평가에서 경쟁력을 확인했다.

카카오는 이를 위해 작은 글자와 복잡한 문서 구조에서도 시각 정보를 보존할 수 있도록 학습 구조를 설계했다고 설명했다. 이에 따라 문자 인식과 문서 이해 성능을 향상했으며, 이미지 내 위치 파악·한국어 시험·한국어 문자 인식·문서 이해 영역에서 상대적으로 큰 성능 격차가 나타났다고 덧붙였다. 또 자체 언어모델인 '카나나-2'를 활용해 비전 인코더의 학습 효율을 기존 대비 약 4배 향상했다고 밝혔다.

이와 함께 고해상도 이미지 처리 지연 시간을 줄였다고 밝혔다. 글로벌 주요 비전 인코더와 비교하면 처리 지연 시간을 60% 이상 단축했다고 설명했다. 카카오는 지식 증류와 경량화 기술을 적용했으며, 미디엄 모델도 개발했다.

카카오는 두 모델에 '카나나 오픈 라이선스'를 적용했다. '카나나 오픈 라이선스'는 연구·개발과 상업적 활용이 가능하다. 카카오는 이를 바탕으로 국내외 연구자·기업의 모델 활용을 지원하고, 멀티모달 AI 연구 진행과 서비스 개발 진행을 뒷받침할 계획이다.

카카오는 '카나나-오'의 핵심 구성 요소를 자체 개발하는 흐름도 이어가고 있다. 카카오의 자체 개발 대상은 카나나-2 비전 인코더와 옴니 언어모델 '카나나-오'의 구성 요소다. '카나나-오'의 구성 요소 예시로는 언어모델, 시각 처리 모듈, 음성 처리 모듈이 있으며, 향후 다른 구성 요소도 순차 공개할 예정이다.

노병석 카카오 유니파이드 파운데이션 모델 성과리더는 컴퓨터 유즈 기술 확산에 따라 고해상도 이미지의 정확한 분석을 위한 비전 인코더의 역할 중요성이 확대되고 있다고 밝혔다. 그는 이를 배경으로 자체 AI 모델 경쟁력 제고를 추진하고, 관련 기술 공개를 통해 AI 생태계 발전에 기여하겠다는 의지를 나타냈다.

출처: 테크월드뉴스 · 김승기 기자
원문: https://www.epnc.co.kr/news/articleView.html?idxno=408549

참고자료

• https://www.epnc.co.kr/news/articleView.html?idxno=408549