답변게시됨14 소스
Xiaomi-Lens-0: 답변과 함께 이미지 속 근거 영역을 보여주는 4B 모델
Xiaomi Lens 0은 Qwen3.5 4B를 기반으로 한 40억 파라미터 멀티모달 모델로, 텍스트 답변과 이미지 영역 마스크를 연결합니다. 개발 측은 RefCOCO 계열 8개 분할에서 지칭 표현 이해 점수가 평균 5.6포인트 향상됐다고 보고했습니다.
게시자GPT-6 Luna로 편집GPT Image 2로 이미지 생성
연구 답변
주요 시사점
- Xiaomi Lens 0은 Qwen3.5 4B를 기반으로 한 40억 파라미터 멀티모달 모델로, 텍스트 답변과 이미지 영역 마스크를 연결합니다.
- 개발 측은 RefCOCO 계열 8개 분할에서 지칭 표현 이해 점수가 평균 5.6포인트 향상됐다고 보고했습니다.
- 코드와 가중치는 SeerRay Lab 이름으로 공개됐으며, 성능 수치는 독립 검증 결과와 구분해 볼 필요가 있습니다.
AI 프롬프트
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Xiaomi-Lens-0, the 4-billion-parameter multimodal model open-sourced by Xiaomi’s SeerRay-Lab in October 2026, and how do its officia. Article summary: Xiaomi-Lens-0 is a compact 4-billion-parameter multimodal model built on Qwen3.5-4B that combines textual answers with pixel-level image-region masks, using a shared visual backbone and a lightweight mask decoder. [3] It. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
이미지 속 물체를 설명하는 데 그치지 않고, 답변의 근거가 되는 영역을 이미지 위에 표시하는 모델이 공개됐습니다. Xiaomi-Lens-0은 40억(4B) 파라미터 규모의 멀티모달 모델로, 텍스트 답변과 함께 관련 픽셀 영역을 마스크로 가리킬 수 있습니다. 기반 모델은 Qwen3.5-4B이며, 프로젝트 설명에 따르면 답변을 작성하는 도중에도 영역을 짚어낼 수 있도록 설계됐습니다. 1
마스크 토큰이 이미지 영역을 가리키는 방식
Xiaomi-Lens-0은 공유 시각 백본을 통해 픽셀 단위 감독 정보를 학습합니다. 모델이 특수 토큰인 <|mask|>를 생성하면 경량 디코더가 이를 이미지 위의 영역 마스크로 변환합니다. 그 결과 모델은 문장으로 답하는 동시에, 그 말이 가리키는 이미지 속 위치도 제시할 수 있습니다. 1
SeerRay-Lab은 이 방식을 시각 잠재 표현을 활용한 근거 기반 추론으로 소개합니다. 즉, 마스크가 최종 분할 결과에만 붙는 것이 아니라 추론 과정에서도 활용될 수 있다는 구상입니다. 다만 공개된 설명만으로는 중간 마스크의 전체 토큰 처리 방식이나, 마스크가 다음 추론 단계에 구체적으로 어떻게 반영되는지는 확인하기 어렵습니다. 1
10
어떤 작업을 지원하나
프로젝트가 내세우는 작업에는 지칭 표현 기반 분할, 추론형 분할, 여러 객체를 각각 짚는 멀티 인스턴스 그라운딩, 세밀한 영역 이해와 시각 인식이 포함됩니다. 10 쉽게 말해 “왼쪽에 있는 빨간 컵”처럼 문장으로 지정한 대상을 찾거나, 여러 대상 중 해당하는 영역을 구분해 표시하는 작업을 겨냥합니다.
프로젝트에는 분할 벤치마크 LensBench도 포함돼 있으며, 코드·모델·보고서와 프로젝트 페이지가 함께 안내돼 있습니다. 10 별도 보도는 데모도 공개됐다고 전하지만, 현재 확인 가능한 자료에는 데모의 구체적인 기능이나 LensBench의 규모와 평가 방식이 자세히 나와 있지 않습니다.
2
10
공개된 성능 수치, 어떻게 읽어야 할까
개발 측은 RefCOCO 계열 8개 분할에서 Qwen3.5-4B보다 지칭 표현 이해 점수가 평균 5.6포인트 높았다고 보고했습니다. 또 세밀한 시각 인식 벤치마크 8개 모두에서 점수가 개선됐다고 밝혔습니다. 이는 프로젝트 측이 공개한 평가 결과이며, 독립적으로 재현된 결과와는 구분해야 합니다. 1
2차 보도 요약은 CountQA 점수가 6.8포인트 올랐고, 비교 대상 가운데 분할 cIoU가 가장 높았다고 전합니다. 다만 해당 요약만으로는 비교 기준 모델, 각 항목의 개별 점수, 전체 비교 모델 목록을 확인하기 어렵습니다. 따라서 이를 모든 조건을 망라한 성능 순위로 해석하기보다는 보도된 결과로 받아들이는 편이 정확합니다. 2
공개 저장소와 실제 활용 시 유의점
모델 가중치는 Hugging Face에서, 코드는 GitHub의 SeerRay-Lab 저장소에서 확인할 수 있습니다. GitHub 저장소에는 Apache-2.0 라이선스가 표시돼 있으며, Hugging Face 모델 페이지는 기술 보고서 2610.23279와 Transformers의 이미지-텍스트 파이프라인 예제를 안내합니다. 1
29
다만 예제 코드가 있다는 사실만으로 기본 Transformers 파이프라인에서 별도 설정 없이 사용자 정의 마스크 디코딩까지 작동한다고 단정할 수는 없습니다. 또한 공개 보도는 출시를 Xiaomi에 귀속하지만, 모델과 코드 저장소는 SeerRay-Lab 이름으로 운영됩니다. 확인 가능한 자료만으로는 SeerRay-Lab과 Xiaomi의 공식 조직상 관계를 독립적으로 확정하기 어렵습니다. 1
2
29
픽셀 단위로 대상을 짚는 기능은 로봇이 지시에 맞는 물체를 집도록 돕거나, 차량 탑승자가 물어본 대상을 화면에서 강조하거나, 휴대전화로 사진 속 물건을 찾는 기능에 응용될 가능성이 있습니다. 다만 이는 가능한 활용 사례이지, 실제 배포가 확인된 사례는 아닙니다. 기기 내 처리 속도와 메모리·전력 사용량, 안전이 중요한 환경에서의 적합성도 공개 자료만으로는 판단할 수 없습니다.
Studio Global AI
연구를 계속하세요
이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.
사람들은 또한 묻습니다.
"Xiaomi-Lens-0: 답변과 함께 이미지 속 근거 영역을 보여주는 4B 모델"에 대한 짧은 대답은 무엇입니까?
Xiaomi Lens 0은 Qwen3.5 4B를 기반으로 한 40억 파라미터 멀티모달 모델로, 텍스트 답변과 이미지 영역 마스크를 연결합니다.
먼저 검증할 핵심 포인트는 무엇인가요?
Xiaomi Lens 0은 Qwen3.5 4B를 기반으로 한 40억 파라미터 멀티모달 모델로, 텍스트 답변과 이미지 영역 마스크를 연결합니다. 개발 측은 RefCOCO 계열 8개 분할에서 지칭 표현 이해 점수가 평균 5.6포인트 향상됐다고 보고했습니다.
실무에서는 다음으로 무엇을 해야 합니까?
코드와 가중치는 SeerRay Lab 이름으로 공개됐으며, 성능 수치는 독립 검증 결과와 구분해 볼 필요가 있습니다.