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

구글의 새로운 AI 모델 '비전 바나나'가 이미지 생성 및 시각 정보 이해의 경계를 허물고 있다. 최근 구글 딥마인드 연구팀은 이 모델이 단순한 이미지 생성 기능을 넘어, 다양한 시각적 이해 작업을 수행할 수 있는 범용 모델로 진화했다고 발표했다. 이는 비전 AI와 생성 AI의 융합을 나타내는 중요한 신호로 해석되며, 앞으로의 AI 기술 발전에 큰 영향을 미칠 것으로 기대된다.

비전 바나나의 혁신적 기능

비전 바나나는 기존의 이미지 생성 모델 '나노 바나나 프로'를 기반으로 하여, 소량의 시각 과제 데이터를 추가한 경량 모델이다. 연구팀은 특별히 '지시 튜닝(instruction-tuning)' 기법을 적용해, 모델이 입력하는 프롬프트에 따라 다양한 작업을 수행할 수 있도록 했다. 이로 인해 비전 바나나는 의미론적 분할, 객체 분할, 단안 깊이 추정, 표면 법선 추정 등 여러 시각적 이해 작업을 수행할 수 있는 능력을 갖추게 되었다.

예를 들어, 비전 바나나는 사진 속의 고양이를 빨간색, 배경을 노란색으로 구분하는 이미지를 생성할 수 있다. 이때 사용된 색상은 단순한 시각적 요소가 아니라, 각 객체를 구분하기 위한 의미 있는 규칙이 적용된다. 이를 통해 사용자는 생성된 이미지를 직관적으로 이해할 수 있으며, 필요할 경우 해당 데이터를 수치적으로 분석하여 정보로 변환할 수 있는 장점을 지니고 있다.

성능의 우수성 및 벤치마크 결과

벤치마크 테스트에서도 비전 바나나는 뛰어난 성능을 발휘했다. 연구팀은 기존의 최고 성능 모델들과 비교했을 때 비전 바나나가 대등하거나 더 나은 결과를 나타냈다고 밝혔다. 특히 'Segment Anything Model 3(SAM 3)'와 'Depth Anything' 같은 최신 특화 모델과 비교해도 뒤지지 않는 성능을 보여주었으며, 이는 비전 AI의 경계를 허물고 범용 모델로의 전환 가능성을 시사한다.

비전 바나나는 사전 학습 데이터 없이 제로샷 환경에서도 의미론적 분할과 깊이 추정 등 여러 작업에서 우수한 성능을 유지함으로써, 기존의 이미지 생성 모델이 시각적 이해를 포함하고 있다는 점을 잘 보여주고 있다. 이는 이미지 생성 과정이 객체의 구조와 관계를 파악해야 현실적인 이미지를 만들어낼 수 있음을 강조하며, AI의 진화를 알리는 중요한 이정표가 되고 있다.

미래의 가능성과 의미

이번 연구는 컴퓨터 비전 분야에서의 패러다임 전환을 예고하고 있다. 구글 딥마인드 연구팀은 "생성 비전 사전 학습이 '생성'과 '이해' 모두를 포괄하는 파운데이션 모델 구축의 핵심 역할을 맡게 될 것"이라며 그 의미를 강조했다. 비전 바나나는 이제까지의 AI 모델들이 겪었던 한계를 넘어, 생성과 이해를 동시에 수행하는 능력을 갖춤으로써, AI의 활용 가능성을 한층 넓혀줄 것으로 기대된다.

앞으로 비전 바나나와 같은 범용 모델이 더욱 발전함에 따라, 다양한 산업 분야에서의 응용 가능성이 증가할 것으로 보인다. 이는 단순한 이미지 생성에서 벗어나, 실시간 시각적 데이터 분석 및 정보 처리 등 다양한 영역에서 혁신적인 변화를 이끌어낼 수 있는 기반이 될 것이다. AI 기술의 진화가 우리의 삶에 어떤 변화를 가져올지, 그 귀추가 주목된다.