"메뉴판 사진 찍어 물었더니 척척"…카카오, 이미지 인식 AI 기술 무료 공개

[서울=뉴시스]이주영 기자 = 카카오가 사진 속 사물이나 글자를 사람처럼 읽고 이해하는 인공지능(AI) 기술을 외부에 공개했다. 해당 AI 모델은 사진 이해 능력에서 구글과 메타 등 주요 기업보다 높은 평가를 받았다.

카카오는 자체 개발한 이미지 인식 AI 모델 '카나나2 비전 인코더' 2종을 AI 모델 공유 플랫폼 허깅페이스에 오픈소스로 공개했다고 21일 밝혔다.

비전 인코더는 AI가 이미지 속 정보를 이해할 수 있도록 돕는 기술이다. 사진 속 사물이나 글자, 위치와 형태 등을 분석해 언어모델에 전달하는 역할을 한다.

예를 들어 이용자가 메뉴판 사진을 보여주고 음식 가격을 물으면 비전 인코더가 이미지에서 글자와 숫자 등을 추출한다. 이후 언어모델이 해당 정보를 바탕으로 답변을 생성하는 방식이다.

카카오는 이번에 4억2600만개 매개변수로 구성된 중형 모델 '미디엄'과 9800만개 매개변수로 구성된 경량 모델 '타이니'를 공개했다.

카카오는 두 모델의 성능을 확인하기 위해 이미지 기반 질의응답, 한국어·영어 문자 인식, 문서 이해, 이미지 속 사물의 위치 파악 등 9개 영역에서 총 42개 평가를 진행했다.

그 결과 카카오 측 평가에서 두 모델은 구글의 '시그립2', 메타의 '퍼셉션 인코더', 애플의 'AIMv2', 알리바바의 '큐웬3.5-ViT' 등 주요 이미지 인식 AI 모델보다 높은 성능을 기록했다.

타이니는 매개변수가 1억개 미만인 소형 모델이지만, 규모가 네 배 이상 큰 일부 해외 모델과 비교해도 우수한 성능을 보였다고 카카오는 설명했다. 특히 한국어 문자 인식과 문서 이해, 이미지 속 사물의 위치를 파악하는 평가에서 강점을 나타냈다.

카카오는 자체 개발한 언어모델 '카나나2'를 활용해 비전 인코더의 학습 효율을 기존보다 약 4배 높였다. 고해상도 이미지 처리에 맞춰 모델을 설계해 주요 해외 모델보다 처리 지연 시간을 60% 이상 줄였다고 밝혔다.

이번에 공개한 두 모델에는 연구·개발뿐 아니라 상업적 활용도 가능한 '카나나 오픈 라이선스'를 적용했다. 기업과 개발자들은 해당 라이선스 조건에 따라 모델을 활용해 새로운 AI 서비스를 개발할 수 있다.

카카오는 이미지와 음성, 언어를 함께 처리하는 자체 AI 모델 '카나나-o'의 다른 구성 요소도 순차적으로 공개할 계획이다.


◎공감언론 뉴시스 [email protected]