샤오미, 영역 지정 이해 강화한 4B 멀티모달 모델 공개
Key Point
MLLM이 이미지의 구체적 영역을 지시하고 추론하는 능력을 획기적으로 개선했으며, 마스크 감독 방식의 혁신이 다른 멀티모달 모델 개발에 영향을 줄 수 있다.
핵심 요약
- 샤오미가 Qwen3.5 기반의 4B 멀티모달 대형언어모델(MLLM) Xiaomi-Lens-0을 발표했다.
- 기존 MLLM은 전체 이미지 질문에는 강하나 세밀한 영역 이해에 약한데, 텍스트 감독만으로는 어느 영역이 답변을 지지하는지 명시되지 않기 때문이다.
- Xiaomi-Lens-0은 자신의 시각 표현에서 마스크를 예측하는 방식으로 이를 해결한다.