카카오(30,800원 ▼750 -2.38%)가 개발자 컨퍼런스 '이프 카카오 26'에서 예고했던 대로 비전 인코더 2종을 오픈소스로 공개했다. AI가 이미지를 이해할 수 있도록 돕는 '눈' 역할의 도구다.
카카오는 자체 개발한 비전 인코더 '카나나-2-비전-인코더(Kanana-2-vision-encoder)' 2종을 허깅페이스에 공개했다고 21일 밝혔다. 4억2600만 파라미터 규모 '미디엄(medium)'과 9800만 파라미터 규모 '타이니(tiny)'다. 두 모델은 연구·개발뿐 아니라 상업적으로도 활용할 수 있는 '카나나 오픈 라이선스(Kanana Open License)'로 공개됐다.
비전 인코더는 이미지 속 사물, 글자, 위치, 형태 등 시각적 특징을 추출해 언어모델에 전달하는 도구다. 언어모델은 전달받은 특징을 이용자 질문과 함께 해석해 답변을 생성한다. 예를 들어 메뉴판의 음식과 가격을 읽거나 문서의 내용과 배치를 파악하고 사진 속 상황을 설명하는 데 쓰인다.
카카오는 일반 시각 질의응답(General VQA), 영어 문자 인식·문서 이해(English OCR·Document Understanding), 한국어 문자 인식·문서 이해(Korean OCR·Document Understanding), 이미지 내 위치 파악·세밀한 인식(Visual Grounding·Fine-grained Perception) 등 9개의 영역·총 42개 벤치마크에서 카나나 비전 인코더의 성능을 평가했다.
평가 결과 두 모델은 구글의 'SigLIP 2', 메타의 'Perception Encoder', 애플의 'AIMv2', 알리바바의 'Qwen3.5-ViT' 등 글로벌 주요 비전 인코더보다 나은 성능을 보였다. 특히 tiny 모델은 파라미터 수가 1억개 미만인 경량 모델임에도 4억개가 넘는 글로벌 모델보다 뛰어난 성능을 보였다. 이미지 내 위치 파악과 한국어 시험, 한국어 문자 인식·문서 이해 영역에서 큰 성능 차이가 나타났는데, 자체 학습 기술로 작은 글자와 복잡한 문서 구조의 세밀한 시각 정보를 보존해 비전 언어모델의 핵심 역량인 문자 인식(OCR)과 문서 이해 역량을 강화한 결과다.
노병석 카카오 유니파이드 파운데이션 모델 성과리더는 "에이전틱 AI 시대를 맞아 PC·모바일 화면을 직접 이해하고 조작하는 '컴퓨터 유즈' 기술이 주목받으면서 비전 인코더의 역할이 강조되고 있다"며 "앞으로도 자체 AI 모델의 경쟁력을 꾸준히 높이고 관련 기술을 공개해 AI 생태계 발전에 기여하겠다"고 말했다.
