VLM(비전-언어 모델)

정의

그림과 글을 함께 이해해, 사진을 보고 글로 설명하거나 답할 수 있는 AI 모델.

자세한 설명

그림과 글을 함께 이해해, 사진을 보고 설명하거나 사진과 함께 받은 질문에 답할 수 있는 AI 모델입니다. 제품 사진에서 정보를 뽑아내거나 현장 사진을 보고 상태를 판단하는 일처럼, 글만으로는 전달하기 어려운 정보를 다룰 때 쓰입니다. 멀티모달 AI 가운데서도 특히 그림과 글의 관계에 초점을 맞춘 종류라고 볼 수 있습니다. 사진의 해상도가 낮거나 찍힌 각도가 애매하면 답도 부정확해질 수 있어, 좋은 결과를 바라기 전에 사진 품질부터 챙기는 것이 좋습니다.

예를 들면

매장 진열 사진을 올리고 정리가 잘 됐는지 봐 달라고 물으면 비전-언어 모델이 답합니다.

관련 용어