"그리는 것이 곧 이해하는 것"…구글, 생성 AI로 비전 AI 역할까지 하는 '비전 바나나' 공개

AI 요약

구글 딥마인드 연구진은 24일(현지시간) 이미지 생성 능력은 유지하면서 의미론적 분할, 객체 분할, 단안 깊이 추정, 표면 법선 추정 등 다양한 시각 이해 작업을 수행하는 통합 모델 '비전 바나나(Vision Banana)'를 arXiv에 공개했습니다. 연구진은 이미지 생성 모델 '나노 바나나 프로'에 소량의 시각 과제 데이터를 더한 경량 지시 튜닝과 'V-토큰'을 적용해 모든 출력을 RGB 이미지로 통일함으로써 제로샷 환경에서 SAM 3와 뎁스 애니싱 등 최신 특화 모델들과 대등하거나 더 나은 성능을 기록하면서도 생성 성능 저하가 없음을 보여주었습니다. 연구진은 이를 근거로 이미지 생성 학습이 시각적 이해를 포함하는 사전학습 역할을 하며 생성 비전 사전학습이 파운데이션 모델 구축의 핵심이 될 수 있다고 강조했습니다.