태그: #vit

← 전체 글

• Vision LLM 아키텍처 — 이미지가 언어가 되기까지 ♪ 들을 수 있어요

  비전-언어 모델은 이미지를 비전 인코더로 처리한 뒤 프로젝터를 거쳐 LLM이 이해할 수 있는 토큰으로 바꿉니다. 패치 임베딩부터 임의 해상도 처리까지, 이미지가 언어 토큰이 되는 전 과정을 구조적으로 살펴봅니다.

  2026-06-26 · 41 분 읽기 #llm#vision-language-model#multimodal#vit#qwen2-vl

• 비전 모델 개발·파인튜닝 완전 가이드 2026 — CNN, ViT, DETR, SAM 2, VLM 까지 실전 의사결정 트리

  2026년 비전 모델 개발은 더 이상 ResNet 한 줄 가져다 학습하는 시대가 아니다. CNN, ViT, DETR, SAM 2, 그리고 LLaVA·Qwen-VL·Gemini Vision·Claude Vision 같은 VLM 까지 — 같은 사진 한 장에 대해서도 어떤 모델을 쓰느냐로 비용이 100배, 정확도가 30%p 갈린다. 이 글은 분류·탐지·세그멘테이션·OCR·캡셔닝·VQA 라는 6가지

  2026-05-14 · 30 분 읽기 #computer-vision#vision-model#cnn#vit#detr

• 컴퓨터 비전 완전 정복: CNN부터 ViT, YOLO, Stable Diffusion까지

  ResNet, EfficientNet CNN 아키텍처부터 YOLO 객체 탐지, SAM 세그멘테이션, Vision Transformer, Stable Diffusion 생성 모델까지 컴퓨터 비전 완전 정복 가이드입니다.

  2026-03-17 · 19 분 읽기 #computer-vision#cnn#yolo#vit#stable-diffusion

• Vision Transformer(ViT) 논문 완벽 분석: 이미지 한 장은 16x16 단어의 가치가 있다 ♪ 들을 수 있어요

  Google의 ViT 논문을 심층 분석한다. 이미지를 패치 시퀀스로 변환하는 혁신적 접근, Patch Embedding과 Position Embedding의 원리, CNN 대비 성능과 데이터 효율성 트레이드오프, 그리고 DeiT, Swin Transformer, BEiT 등 후속 연구까지 총정리한다.

  2026-03-01 · 45 분 읽기 #vit#vision-transformer#computer-vision#transformer#image-classification