Iris-3B — 픽셀 공간에서 이미지 생성과 비전 작업을 수행하는 30억 파라미터 모델
Iris-3B는 잠재 공간이나 VAE 디코더를 거치지 않고 픽셀을 직접 생성하는 30억 파라미터 모델입니다. 같은 모델을 별도 구조 변경 없이 미세 조정해 단안 깊이 추정과 이미지 복원·업스케일링에도 적용하며, 저장소에 가중치와 실행 스크립트를 공개했습니다.
AI 모델 · 최신기사
모델 공개와 성능, 가중치와 이용 조건을 다룹니다.
Meta, 이미지·영상에서 텍스트로 객체를 찾고 추적하는 SAM 3 공개
SAM 3는 텍스트나 시각 프롬프트로 이미지·영상 속 객체를 분할하고 추적하는 기반 모델입니다. 짧은 텍스트가 가리키는 개념에 해당하는 객체를 빠짐없이 찾는 기능을 도입했으며, Meta는 27만 개 개념으로 구성한 SA-CO 벤치마크에서 인간 성능의 75~80%를 기록했다고 밝혔습니다.
LingBot-Map — 실시간 스트리밍 3D 재구성을 위한 기하학적 컨텍스트 트랜스포머
LingBot-Map은 연속된 영상에서 3D 장면과 카메라 자세를 스트리밍 방식으로 재구성하는 feed-forward 모델입니다. 기하 정보를 통합하는 구조와 paged KV cache를 적용해 518×378 해상도에서 약 20 FPS로 1만 프레임이 넘는 시퀀스를 처리하며, 장면 시각화와 오프라인 렌더링 도구도 제공합니다.
VisionHOPE 사전 학습 가중치 공개
VisionHOPE-T/S/B의 사전 학습 체크포인트를 공개했습니다. ImageNet-1K 분류, COCO 객체 탐지·인스턴스 분할, ADE20K 의미 분할용 가중치를 Hugging Face CLI로 내려받을 수 있습니다.
비전 모델까지 지원하는 단일 함수 Jev 스타일 래퍼
LLM의 토큰 로그 확률(log probability)을 이용해 선택지·참거짓·점수형 질문에 답하는 Jev 스타일 Python 래퍼를 소개합니다. 이미지도 첨부해 웹캠 장면을 분류하며, RTX 3090에서 Gemma 4 12B로 초당 약 1프레임을 처리한 사례를 제시합니다.