슬라이드 생성·편집 통합 AI 모델 InfoVis 공개

핵심 요약

• Hugging Face와 연구팀이 슬라이드 생성과 편집을 통합하는 9B 규모의 멀티모달 모델 InfoVis를 발표했다.
• 텍스트 렌더링, 명령 따르기, 시각적 접지, 미적 설계, 정밀한 편집을 한 캔버스 내에서 수행할 수 있도록 설계됐다.
• 연구팀은 1,300만 개의 지속 학습 기록과 190만 개의 감독 학습 기록으로 구성된 확장 가능한 데이터 엔진을 구축했다.
• 슬라이드 생성·편집을 평가하는 새로운 벤치마크 VisSlideBench를 공개했으며, 1,527개의 수동 검증된 인스턴스와 다차원 평가 지표를 포함한다.
• InfoVis는 VisSlideBench의 11개 평가 지표 모두에서 오픈소스 모델을 앞섰고, 전체 점수 7.94를 기록했다.
• 기존의 FLUX.2-klein-base-9B에 슬라이드별 사후 학습을 적용하면 전체 성능이 1.6점 상승했으며, 특히 콘텐츠 충실도 분야에서 가장 큰 개선이 나타났다.
• Nano-Banana-2 모델(7.99점)과 비교했을 때 콘텐츠 충실도 분야에서의 격차가 가장 작고, 미적 품질 분야에서의 격차가 가장 크다.
• 문서를 슬라이드로 변환하는 워크플로우는 외부 평가 벤치인 SlidesGen-Bench의 미적 품질 점수에서 2위를 기록했다.
• 연구팀은 학습된 모델, 코드, 데이터셋, 벤치마크를 모두 공개할 예정이다.