이미지 임베딩이란? CLIP·DINOv2로 이해하는 재사용 가능한 벡터 표현과 시각 검색
이미지를 의미가 담긴 벡터로 바꾸는 이미지 임베딩의 개념과, 분류 전용 합성곱 신경망에서 CLIP·DINOv2 같은 파운데이션 모델로 넘어가며 재사용성이 어떻게 달라졌는지, 이 벡터가 텍스트·이미지 검색에 어떻게 쓰이는지 정리했습니다.
핵심 내용 읽기 →
AI TOPIC
DINOv2 최신 뉴스와 핵심 해설
DINOv2 관련 핵심 뉴스와 활용 인사이트 3편을 최신순으로 모았습니다.
과일 표면 결함 이상 탐지: 정상 데이터만으로 여러 과일을 하나의 검출기로 검사하기
결함 라벨 없이 정상 과일 이미지만 학습해 표면 결함을 찾는 연구다. 사과·레몬·오렌지·토마토를 하나의 검출기로 다루는 새 벤치마크를 만들고, 학습이 필요 없는 기준선과 자체 설계 모델을 비교한 결과를 정리했다.
핵심 내용 읽기 →
REPA 논문 해설: 확산 트랜스포머 학습을 17배 앞당긴 표현 정렬 손실 항의 원리
확산 트랜스포머에 사전학습 모델의 표현을 따라가게 하는 손실 항 하나를 더한 REPA 기법이 학습 속도와 이미지 이해 능력을 동시에 끌어올린 원리를 짚었다. 40만 스텝으로 700만 스텝의 성능을 넘어선 실험 결과도 함께 살폈다.
핵심 내용 읽기 →