[아이뉴스24 정진성 기자] 엔씨소프트(대표 김택진·박병무, 이하 엔씨)는 한국어 특화 중소형 오픈소스 VLM(Vision Language Model) 모델 ‘VARCO-VISION’과 한국어 멀티모달 벤치마크 5종을 4일 공개했다.
VLM은 자연어와 이미지를 함께 활용해 입력 값을 넣을 수 있는 언어모델이다. 최근 모달리티 확장 연구에 관심이 높아지며 VLM이 주목을 받고 있는 흐름에 엔씨소프트도 동참한 것이다. 현재 오픈소스로 공개된 대부분의 VLM은 영어와 중국어 기반이며 한국어 지원 모델은 소수에 불과해 국내 기업들은 GPT 혹은 클로드(Claude) 같은 빅테크 기업의 API에 의존하고 있다.
엔씨가 공개한 오픈소스 VLM 모델 VARCO-VISION은 한글, 영어 프롬프트와 함께 이미지 입력 값을 이해할 수 있는 중소형 모델이다. LLM과 유사한 수준의 언어 능력을 보유하고 있어 애플리케이션에서 LLM과 VLM 두개의 모델을 운용하지 않고 VARCO-VISION 단일 모델 만으로 이미지-텍스트 작업과 텍스트 전용 작업을 모두 처리할 수 있을 전망이다.
VARCO-VISION은 한국어 부문에서 동종 크기 모델 중 가장 높은 성능을 보인다고 엔씨소프트측은 밝혔다. △OCR △그라운딩 △레퍼링 등 이미지를 인식하고 추론하는 비전 태스크에서도 뛰어난 결과값을 제공한다. VARCO-VISION을 활용하면 AI 서비스 개발 기업은 △이미지 인식 및 질의응답 △이미지 설명 △글자인식(OCR) △사물 위치 검출(그라운딩) 기능을 활용한 각종 멀티모달 AI 서비스를 개발할 수 있다.
콘텐츠 제작 기업은 이미지 상세 설명을 자동 생성해 콘텐츠 제작 시간을 아낄 수 있다. 이미지 내 텍스트 인식을 통해 보다 많은 자료를 빠르게 수집하는 등 기획 업무에 도움을 받을 수도 있다. 멀티모달 AI모델은 엔씨가 개발 중인 ‘바르코 스튜디오(VARCO Studio)’에도 적용될 예정이다.
엔씨는 이날 한국어 AI 모델 연구 발전에 기여하기 위한 벤치마크 5종도 공개했다. 일반적으로 언어모델의 성능을 평가하기 위해서는 수행능력 판별의 기준점이 되는 벤치마크가 필요하다. 반면 한국어의 경우 멀티모달 벤치마크가 거의 없어 올바른 성능 평가가 어려운 상황이었다.
엔씨는 영미권에서 대표적으로 사용되고 있는 객관식 벤치마크 3종(MMBench, SEED-Bench, MMStar)과 주관식 벤치마크 1종(LLava-in-the-wild)을 기반으로 새로운 한국어 벤치마크 4종을 구축했다. 더불어 한국어 문서, 표, 차트에 대한 이해능력을 검증할 수 있는 ‘K-DTCBench’ 벤치마크 1종을 새롭게 더했다.
이연수 엔씨 리서치 본부장은 “엔씨소프트가 VARCO-VISION과 한국어 벤치마크 5종 공개를 통해 멀티모달 AI 분야에서 선도적인 위치를 확보하고 있다는 점을 증명했다”며 “앞으로 VLM의 접목 분야를 오디오, 비디오까지 확대하고 콘텐츠 제작 지원 기능을 강화하는 등 다양한 산업에서 활용할 수 있도록 성능을 끌어 올릴 것”이라고 밝혔다.