기사 검색

이슈부터 IT·AI·연예·게임까지, 메타브리프의 기사를 찾아보세요.

AI

MetaBrief
  • ChatGPT 유료 요금제서 오류 증가 장애… 오픈AI "모든 서비스 정상화"

    오픈AI 공식 상태 페이지에 따르면 2026년 11월 5일 ChatGPT 유료 요금제에서 오류가 평소보다 많이 발생하는 장애가 있었다. 오픈AI는 ChatGPT를 만든 회사다. 회사는 같은 페이지에서 이 장애가 해소됐고 영향을 받은 서비스가 모두 정상으로 돌아왔다고 밝혔다.공지 제목은 'Elevated error rates across paid ChatGPT plans'다. 우리말로 옮기면 '유료 ChatGPT 요금제 전반에서 오류율 상승'이다. 오류율 상승은 서비스가 완전히 멈춘 상태와는 다르다. 서비스는 돌아가지만, 이용자의 요청 가운데 실패하거나 오류 메시지를 받는 비율이 평소보다 높아진 상태를 말한다. 그래서 이용자에 따라 같은 시간대에도 문제없이 쓴 사람과 응답을 받지 못한 사람이 섞여 있었을 수 있다.공지가 대상을 '유료 요금제'로 짚었다는 점도 눈여겨볼 만하다. 무료 이용자를 포함한 전체 서비스가 아니라 돈을 내고 쓰는 구독 이용자 쪽에서 문제가 생겼다고 회사가 알린 것이다. 유료 요금제는 업무에 ChatGPT를 쓰는 개인과 조직이 주로 쓰는 만큼, 짧은 오류라도 업무 흐름에 바로 영향을 줄 수 있다.상태 페이지에는 장애가 났던 기능으로 'Conversations'가 올라 있다. ChatGPT에서 질문을 입력하고 답변을 받는 대화 기능이다. 이용자가 가장 많이 쓰는 핵심 기능에서 오류가 늘었던 셈이다. 공지 시점에 이 항목은 'Operational', 곧 정상 운영 상태로 표시돼 있다.오픈AI는 최종 공지에서 상태를 'Resolved(해결됨)'로 바꾸고 "영향을 받은 모든 서비스가 다시 정상적으로 운영되고 있다"고 밝혔다. 이어 "불편을 드려 죄송하며, 기다려 주신 데 감사드린다"고 덧붙였다.상태 페이지는 클라우드·AI 서비스 업체가 서비스의 현재 상태와 장애 이력을 공개하는 공식 창구다. 업체는 보통 장애를 인지하면 공지를 올리고, 조사·조치 과정을 거쳐 해결되면 '해결됨'으로 상태를 바꾼다. 기능별로 정상 여부도 따로 표시한다. 이번 공지 역시

    2026.11.06 09:35
  • Personal Finance in Claude 공개…계좌 연결해 지출·청구서 설명, 앤트로픽 미국서 베타

    사진 유튜브 ‘Claude’ 영상 갈무리앤트로픽이 자사 AI 챗봇 클로드(Claude)에 개인 금융 기능 'Personal Finance in Claude'를 선보였다. 앤트로픽의 클로드 공식 유튜브 채널에 11월 6일 올라온 2분 분량의 소개 영상과 설명에 따르면, 사용자가 자신의 금융 계좌를 클로드에 연결하면 클로드가 지출 내역과 각종 청구서, 계좌 잔액을 이해하기 쉽게 풀어 설명해 준다. 이 기능은 현재 베타 단계로, 미국에서 프로(Pro)·맥스(Max)·울트라(Ultra) 요금제 이용자에게 순차 제공되고 있다.앤트로픽은 영상 설명에서 이 기능을 "그동안 묻기 편하지 않았던 돈 문제에 대해 명확한 답을 얻는" 도구라고 소개했다. 일반 대화형 AI에 돈 이야기를 하려면 사용자가 거래 내역이나 잔액을 직접 옮겨 적어야 했다. 반면 이 기능은 실제 계좌 데이터를 바탕으로 "이번 달 어디에 돈을 많이 썼는지", "곧 빠져나갈 청구서가 무엇인지" 같은 질문에 답하는 방식이다. 은행 앱이나 가계부 앱이 숫자와 그래프를 보여 주는 데 그쳤다면, 클로드는 그 숫자가 무슨 뜻인지 대화로 설명하는 역할을 맡는다.금융 정보를 다루는 만큼 앤트로픽은 접근 권한 문제를 따로 강조했다. 영상 설명에 따르면 클로드의 계좌 접근은 '읽기 전용(read-only)'이다. 클로드는 연결된 계좌의 정보를 읽고 설명할 수만 있고, 계좌 내용을 바꾸는 권한은 갖지 않는다. 어떤 계좌를 연결할지는 사용자가 직접 고르며, 연결은 언제든 해제할 수 있다. 사용자가 공개할 범위를 직접 정하고 언제든 접근을 거둘 수 있게 한 것으로, 민감한 금융 정보를 AI에 맡기는 데 대한 부담을 덜려는 설계로 풀이된다.이용 대상은 한정돼 있다. 앤트로픽은 이 기능이 아직 베타이며 미국의 프로·맥스·울트라 요금제 이용자에게 "점진적으로" 배포 중이라고 밝혔다. 유료 요금제 가입자라도 한꺼번에 열리지 않고 차례로 쓸 수 있게 된다는 뜻이다. 무료 요금제 이용자는 이번 배포 대상에 들지 않았고, 공지된 제공 지역이 미

    2026.11.06 09:33
  • GPT‑6 Cyber 공개한 OpenAI, 취약점 찾아 수정안까지 만드는 보안 모델

    OpenAI는 자사 공식 채널 OpenAI News를 통해 사이버보안 전용 모델 'GPT‑6 Cyber'를 공개했다. OpenAI는 이 모델을 실제로 악용될 수 있는 취약점을 찾아내고 그 수정안까지 개발하는 사이버보안 모델이라고 소개했다.GPT‑6 Cyber가 맡는 작업은 크게 두 가지다. 첫째는 공격자가 실제로 파고들 수 있는 보안 허점을 찾는 일이고, 둘째는 찾아낸 문제를 고칠 수정안을 만드는 일이다. 취약점을 지적하는 데서 끝내지 않고 해결책까지 내놓는 모델이라는 설명이다.OpenAI가 함께 강조한 특징은 이 모델이 '허가된 범위' 안에서만 움직이도록 훈련됐다는 점이다. 보안 점검을 하더라도 승인받은 대상과 범위를 벗어나지 않게 학습했다는 뜻이다.OpenAI는 발표 제목을 '정렬된(aligned) 사이버보안 에이전트의 최전선을 넓히다'로 달았다. 취약점 발견과 수정 작업을 에이전트 형태로 맡기면서 모델의 행동을 정해진 규칙에 맞추는 '정렬'에도 무게를 둔 모델이라는 것이 OpenAI의 설명이다.

    2026.11.06 09:33
  • GPT-Image-2.6 Sunburst (Medium), LMArena 이미지 생성 2위로 첫 진입…오픈AI가 1~5위 차지

    LMArena(옛 Chatbot Arena)는 AI 모델의 이름을 가린 채 이용자들이 결과물을 비교해 투표하는 리더보드다. 11월 4일 발표된 이 리더보드의 이미지 생성 부문 자료에 따르면, 오픈AI의 GPT-Image-2.6 Sunburst (Medium)이 처음 집계되자마자 2위에 올랐다. 같은 날 처음 집계된 오픈AI의 GPT-Image-2.6 Flare (Medium)도 4위로 10위 안에 들었다.LMArena 자료를 보면 GPT-Image-2.6 Sunburst (Medium)은 2,967표, GPT-Image-2.6 Flare (Medium)은 2,792표를 바탕으로 순위가 매겨졌다. 두 모델 모두 순위표에 처음 오르면서 곧바로 최상위권에 자리 잡았다.이번 순위에서 가장 눈에 띄는 점은 오픈AI 모델이 1위부터 5위까지를 모두 차지했다는 것이다. 1위는 GPT-Image-2.5 Sunburst, 3위는 GPT-Image-2.5 Flare, 5위는 GPT-Image-2 (Medium)이다. 새로 들어온 2.6 계열 두 모델이 기존 2.5 계열 모델 사이에 하나씩 자리를 잡은 셈이다. 이름으로는 더 새로운 2.6 계열이지만, 지금은 같은 이름의 2.5 모델보다 한 계단씩 아래에 있다. Sunburst는 2.5가 1위, 2.6이 2위이고, Flare는 2.5가 3위, 2.6이 4위다. 오픈AI는 2.5와 2.6 두 세대 모두 Sunburst와 Flare라는 두 이름으로 모델을 내놓았고, 이 네 모델이 모두 상위 4위 안에 들었다.6위부터는 여러 회사 모델이 섞여 있다. 6위는 microsoft-ai의 MAI-Image-2.6, 7위는 구글의 Gemini Nano Banana 2.1, 8위는 xAI의 Grok Imagine Image 2.0이다. 9위는 reve의 Reve 2.1, 10위는 xAI의 Grok Imagine Image 2.0 (20260801)이다. xAI는 이름이 같은 Grok Imagine Image 2.0 계열 두 모델을 각각 8위와 1

    2026.11.05 18:03
  • FactEmbed, 기준 이미지에 수정 문장 더해 찾는 검색 기법…KAIST AI 공개

    KAIST AI 연구진이 기준 이미지와 수정 문장을 함께 넣으면 그 조건에 맞는 이미지를 찾아 주는 '합성 이미지 검색(CIR)'의 정확도를 높이는 새 기법 'FactEmbed(Factorized MLLM Embeddings)'를 내놨다. 논문 공개 저장소 arXiv에 올라온 「Factorized MLLM Embeddings for Composed Image Retrieval」(arXiv:2611.05193)의 저자 공개 초록에 따르면, FactEmbed는 여러 CIR 벤치마크에서 기존 연구보다 좋은 성능을 냈다. 논문은 WonJun Moon 등 4명이 썼고, 연구자 커뮤니티 플랫폼 허깅페이스의 일일 논문 목록에서 추천 44회를 받았다.합성 이미지 검색은 텍스트만 쓰는 검색이나 이미지만 쓰는 검색과 다르다. 사용자가 기준 이미지 한 장과 '이 부분을 이렇게 바꿔 달라'는 수정 문장을 함께 주면, 시스템이 두 정보를 합쳐 사용자가 원하는 목표 이미지를 찾아야 한다. 예를 들어 옷 사진 한 장에 '색은 파랗게, 소매는 짧게'라는 조건을 붙여 비슷한 상품을 찾는 식이다. 그래서 이미지와 언어를 함께 이해하는 능력이 성능을 좌우한다.최근에는 이미지와 텍스트를 함께 다루는 멀티모달 대형언어모델(MLLM)을 이 작업에 쓰는 연구가 늘었고 성과도 컸다. 하지만 연구진은 MLLM이 가진 '조합적 이해' 능력이 아직 제대로 쓰이지 않고 있다고 주장했다. 기존 방식은 기준 이미지와 수정 문장을 합친 질의를 대조 학습 신호만으로 곧바로 검색용 임베딩 하나에 옮긴다. 이 과정에서 사용자가 의도한 시각적 변화가 무엇인지를 모델이 따로 풀어 보지 않는다는 것이 연구진의 진단이다.FactEmbed는 이 두 단계를 떼어 놓는다. 질의를 이해하는 일과 검색에 쓸 변별력 있는 임베딩을 만드는 일을 분리한 것이다. 질의를 내부 추론 없이 임베딩 하나로 바로 바꾸는 대신, 요소별로 나뉜 잠재 표현(factorized latents) 여러 개를 둔다. 이 잠재 표현들은 '목표 이미지를 미리 상상해

    2026.11.05 18:01
  • gpt-image-2.6-sunburst·gpt-image-2.6-flare 공개… 오픈AI, API에서 SVG·움직이는 GIF 생성 지원

    오픈AI가 이미지 생성·편집 모델 두 종인 'gpt-image-2.6-sunburst'와 'gpt-image-2.6-flare'를 내놨다. 오픈AI가 11월 4일 OpenAI API 공식 변경 이력에 올린 항목에 따르면, 두 모델은 이미지의 복잡도를 조절할 수 있고 SVG 생성과 움직이는 GIF 생성도 지원한다. 같은 날 지원 대상인 GPT Image 2.5·2.6 모델에는 '마크업 기반 편집(markup-guided editing)' 기능이 붙었다.변경 이력을 보면 두 모델은 공식 명칭이 각각 'GPT-Image-2.6 Sunburst'와 'GPT-Image-2.6 Flare'다. API 호출 경로는 v1/images/generations와 v1/images/edits 두 가지다. 앞의 것은 텍스트 지시로 새 이미지를 만드는 엔드포인트이고, 뒤의 것은 이미 있는 이미지를 고치는 엔드포인트다. 개발자는 기존 이미지 API 경로를 그대로 쓰면서 모델 이름만 바꿔 새 모델을 부를 수 있다. 오픈AI는 자세한 사용법을 이미지 생성 가이드에 담았다.이번 발표에서 먼저 눈에 띄는 것은 결과물 형식이 넓어졌다는 점이다. SVG는 점의 색을 하나하나 저장하는 래스터 이미지와 달리 도형과 선을 수식으로 기록하는 벡터 형식이다. 크기를 키워도 깨지지 않아 로고, 아이콘, 웹 그래픽에 많이 쓴다. 모델이 SVG를 바로 만들어 주면 생성 결과를 디자인 도구나 웹 페이지에 곧장 가져다 쓰기 쉬워진다. 움직이는 GIF는 여러 장면을 이어 붙인 짧은 반복 영상으로, 메신저 이모티콘이나 웹 배너, 간단한 시각 설명 자료에 널리 쓰인다. 지금까지 이미지 생성 API가 주로 정지 이미지를 다뤘다면, 이번 모델로 벡터 그래픽과 짧은 애니메이션까지 같은 경로에서 만들 수 있게 됐다.'복잡도 조절' 기능은 결과물이 얼마나 정교할지를 개발자가 정할 수 있게 한다. 단순한 아이콘처럼 요소가 적은 그림부터 세부 묘사가 많은 그림까지, 용도에 맞춰 출력 수준을 고를 수 있다는 뜻이다.함께 추가된 마크업

    2026.11.05 17:59
  • Claude 아티팩트, 팀원끼리 권한 나눠 함께 편집…앤트로픽 사용법 영상 공개

    사진 유튜브 ‘Claude’ 영상 갈무리앤트로픽이 11월 5일 공식 유튜브 채널(클로드 채널)에 'Collaborate on artifacts in Claude'라는 3분 길이 영상을 올렸다. 영상은 Claude에서 만든 아티팩트를 팀원과 공유하고 함께 편집하는 방법을 처음부터 순서대로 보여준다. 영상 설명에 따르면 사용자는 채팅 화면을 벗어나지 않고 문서, 업무 트래커, 대시보드를 팀과 함께 고칠 수 있다.아티팩트는 Claude와 대화하면서 만들어지는 결과물이다. 문서나 표, 대시보드처럼 대화가 끝난 뒤에도 남겨 두고 계속 쓰는 콘텐츠를 가리킨다. 이번 영상은 이 결과물을 한 사람이 만들고 끝내지 않고 팀 전체가 쓰는 작업 공간으로 넓히는 데 초점을 맞췄다. 영상 설명은 아티팩트를 "만들고 공유해서 팀이 함께 편집하게 하라"고 소개한다. 대화창에서 만든 초안을 팀원에게 넘기고, 팀원이 다시 손보는 과정을 Claude 안에서 처리하는 흐름이다.영상에서 가장 비중 있게 다룬 부분은 접근 권한이다. 아티팩트를 공유할 때 팀원마다 권한 수준을 따로 정할 수 있다. 내용을 보기만 하는 열람자(viewer)부터 직접 고칠 수 있는 편집자(editor)까지 단계가 나뉜다. 같은 문서를 공유해도 누구는 읽기만 하고 누구는 수정까지 하도록 역할을 나눌 수 있다는 뜻이다.공유 트래커에는 역할이 두 가지 더 있다. 영상은 댓글 작성자(commenter)와 기여자(contributor) 역할이 공유 트래커에서 어떻게 작동하는지도 설명한다. 댓글 작성자는 내용을 직접 바꾸지 않고 의견만 남길 수 있다. 기여자는 트래커에 항목을 보태는 식으로 참여하는 역할로 소개된다. 여러 사람이 진행 상황을 함께 기록하는 업무 트래커라면 참여 방식에 따라 권한을 더 잘게 나눌 수 있다.댓글을 처리하는 방식도 눈에 띈다. 영상 설명에 따르면 팀원이 아티팩트에 댓글을 남기면, 사용자는 그 댓글대로 고쳐 달라고 Claude에게 요청할 수 있다. 바꿀 수 있는 범위는 내용뿐 아니라 스타일까지다. 문장이나

    2026.11.05 09:58
  • SenseNova-Loop-9B-Preview, 이미지 읽고 글 쓰는 96억 매개변수 모델… sensenova 공개, 상업 이용 가능

    허깅페이스(Hugging Face)에 등록된 모델 정보에 따르면, sensenova가 지난 10월 29일 AI 모델 공유 플랫폼 허깅페이스에 'SenseNova-Loop-9B-Preview'를 공개했다. 이미지와 텍스트를 함께 입력받아 텍스트로 답을 내놓는 모델이다. 상업적 이용이 허용되는 apache-2.0 라이선스로 배포됐다. 다만 모델 카드에 적힌 지원 언어는 영어와 중국어뿐이고, 한국어는 목록에 없다.이 모델은 텍스트만 다루는 언어 모델과 달리 사진이나 그림 같은 이미지도 입력으로 받는다. 이미지를 보여 주고 내용을 물으면 글로 답하는 방식이다. 모델 이름의 '9B'는 매개변수 규모를 나타내며, 허깅페이스에 표기된 매개변수는 96억6천만 개다. 이름 끝에 'Preview'가 붙어 있어 정식판에 앞서 먼저 내놓은 미리보기 버전이라는 점도 드러난다.눈에 띄는 수치는 최대 입력 길이다. 이 모델의 컨텍스트 길이는 262,144토큰으로, 한 번에 매우 많은 분량의 텍스트를 받아 처리할 수 있다. 긴 보고서나 여러 문서를 나눠 넣지 않고 한꺼번에 입력해 다룰 수 있는 규모다. 매개변수 100억 개 미만의 비교적 작은 모델이 이 정도 입력 길이를 지원한다는 점이 이 모델의 특징이다.직접 내려받아 실행하려는 사용자에게는 용량이 중요하다. 허깅페이스에 올라온 가중치 파일은 약 38GB다. 이를 4비트로 양자화(모델의 수치 정밀도를 낮춰 용량을 줄이는 방식)하면 약 5.4GB 안팎으로 줄어든다. 원본 그대로 돌리려면 고용량 메모리를 갖춘 장비가 필요하지만, 양자화 버전이라면 개인 PC에서도 시도해 볼 수 있는 크기다. 다만 실제 실행에는 파일 크기보다 더 많은 메모리가 필요하다. 입력 길이를 길게 쓸수록 메모리 부담도 커진다.라이선스 측면에서는 활용 폭이 넓다. apache-2.0은 상업적 이용과 수정, 재배포를 허용하는 대표적인 공개 라이선스다. 기업이 이 모델을 자사 서비스에 붙이거나 고쳐 쓰는 것도 가능하다. 다만 저작권 고지 등 라이선스 문서에 적힌 조건은 지켜

    2026.11.05 09:58
  • Kimi-K3.1-Pro, 문샷AI 이미지·텍스트 이해 모델 공개…2.78조 매개변수에 100만 토큰 입력

    중국 인공지능(AI) 기업 문샷AI가 이미지와 텍스트를 함께 이해하는 대규모 모델 'Kimi-K3.1-Pro'를 11월 2일 허깅페이스에 공개했다. 문샷AI가 허깅페이스 공식 계정에 올린 모델 카드에 따르면 이 모델의 매개변수는 27,801억 개, 약 2조 7,800억 개다. 한 번에 받아들일 수 있는 입력 길이(컨텍스트)는 최대 1,048,576 토큰이다.모델은 'moonshotai/Kimi-K3.1-Pro'라는 이름의 저장소로 올라왔다. 용도는 이미지·텍스트 이해다. 글로 된 질문뿐 아니라 이미지를 함께 넣어 내용을 해석하고 답하도록 만든 멀티모달 계열 모델이라는 뜻이다. 텍스트만 다루는 언어 모델과 달리 사진이나 도표, 화면 캡처 같은 시각 자료를 글과 묶어 처리하는 쓰임새를 노린 것으로 볼 수 있다.가장 먼저 눈에 띄는 것은 규모다. 매개변수 27,801억 개는 조 단위로 따지면 2.78조 개에 이른다. 매개변수는 모델이 학습으로 익힌 값의 개수로, 일반적으로 모델의 덩치를 가늠하는 기준으로 쓰인다. 최대 입력 길이 1,048,576 토큰은 2의 20제곱으로, 흔히 '100만 토큰'으로 부르는 수준이다. 긴 문서 여러 건이나 방대한 자료를 쪼개지 않고 한꺼번에 넣어 다룰 수 있는 길이다.덩치가 큰 만큼 직접 내려받아 돌리기 위한 문턱도 높다. 모델 카드 기준으로 가중치 파일 용량은 약 2,838GB다. 가중치를 4비트로 줄이는 양자화를 거쳐도 약 1,557GB 안팎이 필요하고, 실제로 모델을 실행할 때는 이보다 더 많은 메모리가 든다. 테라바이트 단위의 메모리가 필요한 셈이어서, 개인용 PC나 그래픽카드 한두 장으로는 감당하기 어렵다. 가중치가 공개됐다고 해도 이를 직접 구동하는 것은 대규모 서버 자원을 갖춘 기업이나 연구기관의 몫이 될 가능성이 크다.라이선스는 문샷AI가 별도로 만든 자체 라이선스 'kimi-k3.1-pro'다. 아파치 2.0이나 MIT처럼 널리 쓰이는 표준 오픈소스 라이선스가 아니므로 상업적으로 이용할 수 있는지, 어떤 조건이 붙는지

    2026.11.05 09:54
  • Claude Mythos 5·Claude Opus 4.7·Claude Sonnet 4.6 생성 텍스트에 앤트로픽 워터마크 적용

    앤트로픽(Anthropic)이 자사 AI 모델이 만든 텍스트에 워터마크를 넣는다는 사실을 개발자 문서에 공지했다. 앤트로픽은 11월 3일 클로드(Claude) API 개발자 문서의 공식 변경 이력에 항목 1건을 추가했다. 이에 따르면 Claude Mythos 5, Claude Opus 4.7, Claude Sonnet 4.6이 생성한 텍스트에는 앤트로픽의 텍스트 워터마크가 들어간다. 적용 범위는 앤트로픽이 별도 문서 'How Claude marks AI-generated content(Claude가 AI 생성 콘텐츠를 표시하는 방식)'에 적어 둔 플랫폼으로 한정된다.이번 공지에는 예외 조건이 하나 있다. Claude Sonnet 4.6에서는 요청할 때 temperature, top_p, top_k 중 하나라도 기본값이 아닌 값으로 정하면 그 요청으로 생성된 텍스트에 워터마크가 들어가지 않을 수 있다. 앤트로픽은 자세한 내용을 개발자 문서의 '텍스트 워터마크(Text watermark)' 항목에서 안내한다고 밝혔다.세 파라미터는 모두 모델이 다음 단어를 고르는 방식, 이른바 '샘플링'을 조절하는 값이다. temperature는 출력의 무작위성을 정한다. 값을 낮추면 모델이 가장 그럴듯한 단어를 고르는 경향이 강해져 답변이 일정해지고, 높이면 더 다양한 표현이 나온다. top_p는 확률이 높은 후보부터 누적 확률이 정해진 비율에 이를 때까지만 후보로 남기는 방식이고, top_k는 확률 상위 몇 개의 후보 안에서만 고르도록 개수를 제한하는 방식이다. 개발자들은 일정한 형식의 답변이 필요할 때나 창작용으로 다양한 결과가 필요할 때 이 값들을 자주 조정한다.변경 이력 문구를 그대로 읽으면, 모델마다 적용 조건이 다르다. Claude Mythos 5와 Claude Opus 4.7에는 이런 파라미터 관련 예외가 붙어 있지 않다. 반면 Claude Sonnet 4.6은 기본 샘플링 설정에서 생성한 텍스트에 워터마크가 들어가고, 개발자가 샘플링 값을 직접 바꾸면 워터마크가 빠

    2026.11.04 16:39
  • PhotoGuider, 360도 파노라마에서 찍을 방향 고르고 구도 이유까지 설명

    360도 파노라마 장면에서 어느 방향을 바라볼지 먼저 정한 뒤 사진 구도를 잡고, 그렇게 고른 이유를 글로 설명하는 AI 기법이 나왔다. Yuan-Kang Lee 등 연구진 4명은 사전공개 논문 사이트 arXiv에 「PhotoGuider: Composition-Aware Cropping and 360° View Framing with Explainable Photographic Assessments」 논문(arXiv:2611.02897)을 올렸다. 저자들이 공개한 초록에 따르면 PhotoGuider는 일반 2D 이미지 크롭 벤치마크 두 곳에서 평균 mIoU가 가장 높았고, 참가자 120명이 순위를 매긴 블라인드 평가에서도 비교 대상 방법들을 앞섰다. 이 논문은 연구자 커뮤니티 플랫폼 허깅페이스의 일일 논문 목록에서 추천 31회를 받았다.연구진이 짚은 문제는 기존 이미지 크롭 기술이 깔고 있는 전제다. 지금까지의 크롭 기술은 사진 안에 이미 남길 만한 구도가 들어 있다고 보고, 어디를 잘라낼지만 따졌다. 360도 장면은 사정이 다르다. 사방이 다 찍혀 있어서 어느 쪽을 바라봐야 좋은 장면이 나오는지부터 찾아내야 비로소 프레임을 잡을 수 있다. 연구진은 PhotoGuider를 '먼저 측정하고 그다음 프레이밍하는(measure-then-frame)' 방법이라고 소개했다. 바라볼 방향을 정하는 일과 프레임을 다듬는 일을 하나의 구도 특징 세트 위에서 작고 가벼운 학습형 채점기로 함께 처리한다.구도 특징은 범용 파운데이션 비전 모델과 특정 작업용 비전 모델로 뽑아낸 뒤, 사진 평가 기준에 맞춰 네 가지 '사진 토큰'으로 묶는다. 피사체(Subject), 구도(Composition), 미학(Aesthetics), 완결성(Integrity)이다. 사진가가 장면을 볼 때 무엇을 찍을지, 어떻게 배치할지, 보기 좋은지, 화면에 무언가 어색하게 잘리지는 않았는지 따지는 과정을 항목별로 나눈 셈이다.설명 기능도 붙였다. 연구진은 멀티모달 대형언어모델(MLLM)을 미세조정해 '설명

    2026.11.04 16:38
  • Kling 개발진, 'AI 영상 품질은 멀티모달 이해력에서 나온다'…KlingAI Research 53명 논문 공개

    영상 생성 AI 'Kling'을 만든 연구진이 여러 세대에 걸쳐 모델을 개발하며 얻은 노하우를 논문으로 공개했다. 논문 사전공개 사이트 arXiv에 올라온 저자 초록에 따르면, Kling Team 등 KlingAI Research 소속 연구자 53명은 「Behind Video Generation: Observations and Insights on Multimodal Understanding from Kling」(arXiv:2611.04916)에서 영상 생성 품질을 좌우하는 것은 '멀티모달 이해'라고 주장했다. 이 논문은 연구자 커뮤니티 플랫폼 허깅페이스의 일일 논문 목록에서 추천 39회를 받았다.연구진은 먼저 업계 흐름을 짚었다. 영상 생성 기술은 따로따로 만들어지던 짧은 클립에서 소리와 화면이 함께 이어지는 짧은 영상 시퀀스로 발전했다. 그러면서 기술의 병목이 화면을 그려내는 '렌더링'에서, 사용자가 원하는 의미대로 영상을 통제하는 '의미 제어'로 옮겨가고 있다는 것이 연구진의 진단이다. 연구진은 생성 품질이 데이터, 조건 입력, 정렬, 평가로 이어지는 전체 과정에 멀티모달 이해가 투영된 결과라고 보고, 이 과정을 단계별로 나눠 살폈다.중심에는 'Kling-MLLM'이 있다. 이미지, 영상, 오디오, 음성과 영상이 맞물린 입력, 여러 형식이 섞인 입력까지 한 모델에서 다루는 공용 멀티모달 기반 모델로, 각 단계에 맞게 특화해 쓰인다.첫 단계는 캡션(영상 설명문)이다. 연구진은 영상 생성에 쓰이는 DiT(디퓨전 트랜스포머) 모델이 언어 모델보다 훨씬 적은 학습 샘플로 훈련된다는 점에 주목했다. 그래서 캡션을 일종의 '의미 계약'으로 다루고, 한 문장에 담기는 묘사의 밀도를 최대한 높이는 방향으로 설계했다. 여기서 더 나아가 참조 이미지나 영상과 설명이 어떻게 연결되는지를 명시하는 '참조 기반 캡션'도 도입했다.사용자가 입력한 문장을 이런 캡션 형식으로 바꿔주는 '프롬프트 강화(PE)'도 두 갈래로 소개했다. 기본 PE는 완성도 높은 영상의 캡션에서 출발하고,

    2026.11.04 16:36