멀티모달·비전·음성 기술 블로그 글 모음

최근 글

1. The Definitive Fine-Tuning Guide for 3D Generation Models

   Hugging Face가 3D 생성 모델 TRELLIS.2를 LoRA로 미세 조정하는 가이드와 스크립트를 공개했습니다.

   출처: Hugging Face · 2026-11-12 · 원문 보기

2. H3-Image Day-0 Support: 4K in 0.87s with Vera Rubin

   vLLM-Omni가 NVIDIA Vera Rubin에서 H3-Image 4K 생성을 0.87초 만에 구현했습니다.

   출처: vLLM Blog · 2026-11-12 · 원문 보기

3. Encoder Disaggregation in vLLM: Scaling Multimodal Serving with EPD

   vLLM이 멀티모달 모델의 추론 효율을 높이는 EPD 분리 아키텍처를 도입했습니다.

   출처: vLLM Blog · 2026-11-11 · 원문 보기

4. Exploring the world's languages with Language Explorer

   구글이 전 세계 언어 다양성을 시각화하는 웹 플랫폼 언어 탐색기를 공개했습니다.

   출처: Google Research · 2026-11-09 · 원문 보기

5. Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips

   구글 딥마인드가 최대 15초 영상 생성과 대화형 편집을 지원하는 Gemini Omni 1.2 Flash를 공개했습니다.

   출처: Google DeepMind · 2026-11-05 · 원문 보기

6. Detecting signs of hypertension using wearable sensors

   구글 리서치가 커프 없이 스마트워치 센서만으로 고혈압 징후를 감지하는 AI 시스템을 발표했습니다.

   출처: Google Research · 2026-11-05 · 원문 보기

7. Build specialized multimodal models with LFM3

   Liquid AI가 온디바이스 환경에 최적화된 2B 규모의 멀티모달 모델군 LFM3를 공개했습니다.

   출처: Hugging Face · 2026-10-27 · 원문 보기

8. Multi‑Ratio Video Resizing for Mobile Feed and Marketing

   넷플릭스가 AI 기반의 자동 영상 리사이징 시스템을 구축하여 제작 효율을 높였습니다.

   출처: Netflix TechBlog · 2026-10-26 · 원문 보기

9. GHARP: Real-Time Gaussian Head Animation from Large-Scale Reconstruction Prior

   Apple ML이 모바일 기기에서 실시간으로 구동되는 3D 헤드 애니메이션 기술 GHARP를 공개했습니다.

   출처: Apple ML · 2026-10-26 · 원문 보기

10. Bringing foundational models to the front lines of TB screening

    구글 리서치는 결핵 진단 격차를 해소하기 위해 AI 기반 의료 모델과 오픈소스 파운데이션 모델을 공개했습니다.

    출처: Google Research · 2026-10-23 · 원문 보기

11. OlmoEarth v1.3: State-of-the-art embeddings for the whole planet

    허깅페이스가 전 지구 위성 임베딩 모델 OlmoEarth v1.3과 사전 연산된 데이터를 공개했다.

    출처: Hugging Face · 2026-10-22 · 원문 보기

12. Beyond tree cover: mapping the world’s forest types

    구글 연구진이 전 세계 숲을 여섯 가지 유형으로 분류하는 지도와 시계열 데이터를 공개했다.

    출처: Google DeepMind · 2026-10-22 · 원문 보기

13. A crop-mapping benchmark for the tropics

    Ai2가 열대 지역의 농지 작물 매핑을 위한 벤치마크 데이터셋 PLANTEUR를 공개했다.

    출처: Ai2 · 2026-10-22 · 원문 보기

14. OlmoEarth v1.3: State-of-the-art embeddings for the whole planet

    Ai2가 전 지구 위성 데이터를 10m 해상도의 벡터로 변환한 OlmoEarth v1.3을 공개했다.

    출처: Ai2 · 2026-10-22 · 원문 보기

15. Empowering frontline maternal care with AI-assisted ultrasound

    구글 연구진이 AI와 블라인드 스윕 초음파를 활용해 비전문가도 임신 주수를 정확히 측정할 수 있음을 입증했다.

    출처: Google Research · 2026-10-21 · 원문 보기

16. Granite Speech 5.0: Transcribe, Translate, and Attribute more Accurately and Faster

    IBM이 기업용 음성 인식 및 번역 모델인 Granite Speech 5.0 제품군을 공개했다.

    출처: Hugging Face · 2026-10-21 · 원문 보기

17. Pixels to Tokens: Token Space Efficient Active Learning for Low-Budget Semantic Segmentation

    애플 연구진이 비전 트랜스포머 기반의 저예산 픽셀 단위 의미론적 분할을 위한 능동 학습 프레임워크 TEAL을 발표했습니다.

    출처: Apple ML · 2026-10-21 · 원문 보기

18. NVIDIA Cosmos3-H-Dreams: Bringing Clinical Surgery to Life Through Generative Simulation

    NVIDIA가 Cosmos 3 기반의 실시간 임상 수술 시뮬레이터 Cosmos3-H-Dreams를 공개했다.

    출처: Hugging Face · 2026-10-20 · 원문 보기

19. 글로벌 최고 수준의 자체 비전 인코더, Kanana-2-vision-encoder 개발기

    카카오가 한국 문화와 고해상도 이미지 처리에 최적화된 자체 비전 인코더 Kanana-2-vision-encoder를 공개했다.

    출처: 카카오 · 2026-10-20 · 원문 보기

20. Grounding AI agents in biological reality: Building blocks for autonomous wet labs

    Google Research가 자율 습식 실험실과 AI 에이전트를 연동해 항암 표적 단백질 바인더를 발굴했다.

    출처: Google Research · 2026-10-16 · 원문 보기

21. AWS Elemental MediaConvert와 Amazon Bedrock으로 VOD 자동 챕터 생성하기

    AWS 서비스를 조합해 영상의 화면 전환과 음성을 분석하여 자동 챕터를 생성하는 방법이다.

    출처: AWS · 2026-10-16 · 원문 보기

22. Accelerating the search for antimicrobial peptides with Google Antigravity

    구글 딥마인드가 에이전트 기반 플랫폼으로 항균 펩타이드 탐색을 가속화한다.

    출처: Google DeepMind · 2026-10-15 · 원문 보기

23. Apertus 1.5 Release Notes

    Apertus 1.5가 멀티모달 추론 능력과 확장된 문맥 길이를 갖추어 공개되었다.

    출처: Hugging Face · 2026-10-15 · 원문 보기

24. Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta

    Meta가 816B 파라미터 규모의 멀티모달 MoE 모델 Muse Spark Open을 공개했다.

    출처: Hugging Face · 2026-10-15 · 원문 보기

25. Welcome FLUX.3 Image Klein in Diffusers

    Hugging Face Diffusers에 Black Forest Labs의 오픈 이미지 생성 모델 FLUX.3 Image Klein이 추가되었다.

    출처: Hugging Face · 2026-10-15 · 원문 보기

26. Announcing Day 0 Support for NVIDIA Nemotron 3.5 Super VL on vLLM

    vLLM이 NVIDIA의 새로운 멀티모달 에이전트 모델인 Nemotron 3.5 Super VL을 출시와 동시에 지원한다.

    출처: vLLM Blog · 2026-10-15 · 원문 보기

27. Code-Switching Detection via Language-Selective Dimensions in Speech Foundation Models

    애플 연구진이 사전 학습된 음성 모델의 내부 차원을 활용해 코드 스위칭을 감지하는 기법을 개발했다.

    출처: Apple ML · 2026-10-14 · 원문 보기

28. The Design Space of Tri-Modal Masked Diffusion Models

    애플이 텍스트, 이미지, 오디오를 동시에 처리하는 30억 파라미터 규모의 삼중 모달 마스크 확산 모델을 공개했다.

    출처: Apple ML · 2026-10-14 · 원문 보기

29. How Molmo 2’s open release helped an MIT researcher rethink fish tracking

    Ai2가 오픈 모델 Molmo 2를 활용해 연어를 추적하고 자연어로 오류를 수정하는 연구를 공개했다.

    출처: Ai2 · 2026-10-13 · 원문 보기

30. Large Language Models for Machine Translation Quality Annotation: Humans and Models Are Both Challenged

    애플 연구진이 기계번역 품질 평가에서 대규모 언어 모델과 인간 평가자의 일치도를 비교 분석했다.

    출처: Apple ML · 2026-10-12 · 원문 보기

이 주제를 다룬 매체

• Hugging Face (288편)
• vLLM Blog (40편)
• Google Research (27편)
• Google DeepMind (96편)
• Netflix TechBlog (28편)
• Apple ML (211편)
• Ai2 (27편)
• 카카오 (76편)
• AWS (321편)

AI 관련 주제

• LLM 활용·프롬프트 (245편)
• AI 에이전트·MCP (536편)
• RAG·검색 (141편)
• LLM 서빙·추론 (247편)
• 온디바이스·엣지 AI (87편)
• 모델 학습·파인튜닝 (251편)
• AI 연구·모델 공개 (483편)
• AI 코딩 도구 (248편)
• 피지컬 AI·로보틱스 (69편)
• AI 운영·평가 (250편)
• GPU·AI 인프라 (194편)