센스타임, 단일 모델로 텍스트와 이미지를 동시 생성하는 'SenseNova U1' 오픈소스 공개
센스타임이 통합 멀티모달 모델 'SenseNova U1'을 오픈소스로 공개했다. 비전 인코더를 없애고 픽셀과 텍스트를 엔드투엔드로 연결해 시각 추론과 복잡한 인포그래픽, 텍스트·이미지 연속 생성을 단일 모델로 구현했다. 다만 실사 인물 묘사에서는 다소 인위적인 질감이 남는다.
AI 이미지
최신 소식 보기
구글 포토, 사진첩 옷으로 코디해보는 AI '가상 옷장' 기능 발표
구글은 구글 포토에 사진첩 속 옷으로 코디해볼 수 있는 AI '가상 옷장' 기능을 발표했다. 사진 속 입었던 옷을 분석해 상의와 하의, 신발을 자유롭게 믹스매치하고 가상으로 입어볼 수 있다. 올여름 말 안드로이드 기기에 먼저 적용된 뒤 iOS로 확대될 예정이다.
SpAItial, 3D 월드 모델 'Echo-2' 공개: 사진 한 장으로 탐색 가능한 가상공간 생성
SpAItial이 텍스트나 사진 한 장으로 상호작용 가능한 3D 환경을 만드는 월드 모델 'Echo-2'를 발표했다. 3DGS를 통해 웹에서 실시간 렌더링되며 물체 단위 편집을 지원하고, WorldScore 벤치마크에서 World Labs의 Marble 1.1을 앞섰다고 밝혔다.
앤트로픽, 블렌더·어도비·퓨전 연동하는 크리에이티브 커넥터 출시
앤트로픽이 어도비, 오토데스크 퓨전, 블렌더, 에이블톤 등 전문 창작 툴과 클로드를 직접 연결하는 커넥터를 공개했다. 사용자는 대화를 통해 블렌더에서 3D 모델링을 제어하고 어피니티에서 반복 작업을 일괄 자동화할 수 있다. AI를 대화창 밖 실제 작업 파이프라인으로 끌어들였다.
MS '월드-R1' 공개: 강화학습으로 영상 생성의 3D 공간 왜곡 해결
마이크로소프트가 영상 생성 프레임워크 World-R1을 공개했습니다. 기본 모델 아키텍처를 변경하지 않고 Wan2.1 기반에서 강화학습으로 3D 기하학적 제약을 학습시켜, 영상의 시각적 품질을 유지하면서 공간 일관성을 크게 높였습니다.
푸단대, 텍스트로 실시간 음성·영상 아바타 생성하는 'Hallo-Live' 공개
푸단대 연구진이 텍스트 기반 실시간 오디오-비디오 아바타 생성 프레임워크 Hallo-Live를 발표했다. 엔비디아 H200 GPU 2대 환경에서 20.38 FPS의 속도와 0.94초 지연 시간을 기록하며, 상호작용형 디지털 휴먼의 싱크 불일치와 지연 문제를 크게 개선했다.
알리바바 Qwen, 'Qwen-Image-2.0-Pro' 공개…Arena 이미지 생성 세계 9위
알리바바 Qwen 팀이 텍스트-이미지 생성 모델 'Qwen-Image-2.0-Pro'를 공개했다. 화질과 다국어 텍스트 렌더링, 지시 준수 능력이 개선되었으며, AI 평가 플랫폼 Arena의 이미지 생성 부문에서 글로벌 9위에 올랐다. 현재 ModelScope에서 바로 체험해 볼 수 있으며 API도 제공된다.
일반 영상을 4D 점군으로 변환해 다시 찍는 ‘Vista4D’ 공개
일반 비디오를 시간 축이 포함된 4D 포인트 클라우드로 변환하는 ‘Vista4D’가 공개됐다. 카메라 궤적을 자유롭게 변경해 새 앵글로 재촬영할 수 있으며, 3D 공간 안에서 객체를 추가하거나 제거하는 편집 기능도 지원한다.
이데오그램, 브랜드 맞춤형 '커스텀 모델' 출시…API 지원
이데오그램(Ideogram)이 자체 이미지로 모델을 훈련할 수 있는 '커스텀 모델' 기능을 선보였다. 범용 웹 데이터 대신 보유 이미지를 학습해 브랜드 고유의 화풍과 타이포그래피, 비주얼을 일관되게 생성할 수 있으며, Team·Pro·Enterprise 플랜과 API로 제공된다.
구글, 이미지 이해와 생성 통합한 '비전 바나나' 공개
구글이 이미지 생성과 시각적 이해를 통합한 모델 '비전 바나나'를 공개했다. 나노 바나나 프로를 기반으로 미세조정해 세그멘테이션과 3D 깊이 추정 등 인식 작업을 이미지 생성 방식으로 처리한다. 제로샷 평가에서 메타의 SAM 3 등 전문 모델을 능가하는 성능을 입증했다.
스마트폰으로 집 전체 스캔…브라우저서 바로 보는 3D 가우시안 스플래팅 기술 눈길
PlayCanvas 기반의 오픈소스 3D 가우시안 스플래팅 기술을 활용해 스마트폰 촬영만으로 집 전체를 브라우저에서 사실적으로 둘러볼 수 있게 됐습니다. 폴리곤 대신 수백만 개의 빛 구름으로 렌더링해 틱톡 영상보다 작은 용량을 자랑합니다. 스캔 비용이 약 200달러 수준으로 줄어들며 새로운 부동산 비즈니스로 주목받고 있습니다.
순서 없는 사진 몇 장으로 3D 공간 복원하는 'AnyRecon' 공개
순서나 구도가 제각각인 소수의 사진만으로 일관된 3D 장면을 복원하는 프레임워크 'AnyRecon'이 공개됐다. 기존 확산 모델과 달리 전체 장면 메모리를 유지해 시점 차이가 큰 사진도 매끄럽게 연결하며 신뢰도 높은 3D 모델을 만들어낸다.
사진 두 장으로 제품 시연 영상 만드는 프레임워크 'CoInteract' 공개
인물과 제품 사진 두 장만으로 자연스러운 상호작용 영상을 생성하는 프레임워크 'CoInteract'가 공개되었습니다. 픽셀과 물리적 접촉 구조를 이중 스트림으로 처리해 손 뭉개짐과 관통 현상을 효과적으로 해결했습니다.
Open CoDesign: 로컬에서 실행하는 오픈소스 AI 디자인 툴
Open CoDesign은 Claude Design과 Figma AI를 대체할 수 있는 로컬 퍼스트 오픈소스 데스크톱 앱입니다. Claude, GPT 또는 로컬 Ollama 모델을 직접 연동해 프롬프트와 참고 자료만으로 대화형 UI 프로토타입과 슬라이드를 자동 생성하고 파일로 내보낼 수 있습니다.
OpenAI, 텍스트 렌더링 대폭 강화한 'ChatGPT Images 2.0' 출시
OpenAI가 신규 이미지 생성 모델 'ChatGPT Images 2.0'을 공개했다. 시각적 추론 능력과 함께 텍스트 렌더링이 대폭 개선되어 한국어, 일본어, 아랍어 등 다양한 문자 표기를 지원하며, 사진과 만화 등 다양한 스타일의 제어 정밀도를 높였다. 현재 ChatGPT에서 바로 이용할 수 있다.
카메라 각도 직접 입력해 시점 바꾼다…이미지 편집 프레임워크 'UniGeo' 공개
카메라 시점을 정밀하게 제어할 수 있는 이미지 편집 프레임워크 'UniGeo'가 공개됐다. 단일 이미지를 3D 기하학적 표현으로 변환해 사용자가 지정한 각도에 맞춰 팬과 틸트 등 카메라 움직임을 정확히 구현한다. 기존 생성 모델의 왜곡 문제를 해결했으며 모델 출시가 예정돼 있다.
UniMesh 공개: 3D 모델 생성부터 텍스트 편집·이해까지 하나로 통합
3D 생성과 3D 이해를 단일 아키텍처로 통합한 프레임워크 UniMesh가 공개되었습니다. 텍스트나 단일 이미지를 기반으로 3D 메시를 생성할 뿐만 아니라, 프롬프트를 통한 단계별 편집과 3D 물체 캡셔닝까지 지원합니다. 그동안 따로 개발되던 생성과 이해 과정을 하나로 묶어 두 역량이 서로를 보완하도록 만든 점이 핵심입니다.
캔바, 앤트로픽 '클로드 디자인'과 연동…AI 생성 코드 드래그 앤 드롭 편집 지원
캔바는 앤트로픽 랩스의 '클로드 디자인'과 연동하고 HTML 가져오기 기능을 도입했다고 밝혔다. 클로드에서 생성된 초안과 대화형 코드를 캔바로 가져와, 코드를 다시 재생성할 필요 없이 드래그 앤 드롭으로 레이아웃과 색상을 손쉽게 수정할 수 있다.
어도비 TokenLight 발표: 2D 사진 속 조명을 3D로 자유롭게 재배치
어도비가 이미지 조명 재배치 연구 TokenLight를 발표했다. 빛의 강도와 색상, 3D 위치를 토큰화해 슬라이더 조작만으로 사진 속 그림자와 확산광을 자연스럽게 조절할 수 있다. 명시적인 물리 감독 없이도 모델이 장면의 입체 구조와 반사를 이해한다는 점이 핵심이지만, 현재는 논문만 공개된 상태다.
구글 제미나이, 구글 포토 연동 이미지 생성 지원…가족 사진으로 맞춤형 작품 제작
구글이 제미나이 앱에 나노 바나나 2와 구글 포토를 결합한 맞춤형 이미지 생성 기능을 발표했다. 별도로 사진을 업로드하거나 긴 프롬프트를 쓰지 않아도, 구글 포토에 라벨링된 가족과 반려동물을 인식해 수채화나 클레이메이션 스타일의 이미지를 만들어 준다. 현재 미국 유료 구독자를 대상으로 순차 출시 중이다.