Vision-Language Model
OpenCLIP
ViT-H/14
ViT-H/14
이미지와 텍스트를 동일한 임베딩 공간에 매핑하여 의미적 유사도를 계산하는 오픈소스 CLIP 모델.
초반 분류와 feature extraction에 핵심적인 역할을 수행합니다.
Architecture
ViT-H/14
Training Data
LAION-2B
Embedding Dim
1024
Model 01
OpenCLIP
LAION / OpenAI 기반 오픈소스
프로젝트 내 역할
입력된 사진의 모드를 분류하고, 이미지 feature를 추출하여 유사도 비교 및 레퍼런스 매칭의 기반 데이터를 생성합니다.
모드 분류
주요 역할
유사도 비교
활용 방식
1024
특징 벡터 차원
Local LLM Judge
Qwen3.5
35B-A3B
35B-A3B
Mixture-of-Experts 아키텍처 기반의 경량 활성화 대규모 언어 모델.
로컬 환경에서 상세한 사진 평가와 코멘트 생성을 담당합니다.
Total Parameters
35B
Active Parameters
3B (MoE)
Deployment
On-premise
Model 02
Qwen3.5-35B-A3B
Alibaba Cloud / Qwen Team
프로젝트 내 역할
현재 메인 로컬 판단 모델로, 사진에 대한 상세 코멘트와 구도/조명/표현력 등 다차원 평가를 수행합니다. DGX Spark에서 로컬로 구동됩니다.
35B
Total Params
3B
Active Params
66tok/s
Average generation speed
Reasoning Comparison
gpt-oss
120B
120B
대규모 추론 모델로, Qwen과의 비교 판단 및 교차 검증 역할을 수행합니다.
복잡한 reasoning이 필요한 판단에서 보조적으로 활용됩니다.
Parameters
120B
Role
Comparison Judge
Deployment
On-premise
Model 03
gpt-oss-120b
Open-source Community
프로젝트 내 역할
비교용 추론 판단 모델로, Qwen의 평가 결과를 교차 검증하고 복잡한 판단이 필요한 경우 reasoning comparison을 수행합니다.
120B
Parameters
5.1B
Active Params
50tok/s
Average generation speed
On-device Framework
Apple
Vision
Vision
Apple의 on-device 컴퓨터 비전 프레임워크.
네트워크 없이 디바이스에서 직접 포즈, 얼굴, 실루엣을 분석하여
빠른 1차 처리를 수행합니다.
Platform
iOS / Apple Silicon
Processing
On-device
Latency
Real-time
Model 04
Apple Vision
Apple Inc.
프로젝트 내 역할
촬영 즉시 on-device에서 포즈 추정, 얼굴 감지, 실루엣 분석을 수행합니다. 네트워크 지연 없이 실시간으로 1차 처리 결과를 제공하여 사용자 경험을 향상시킵니다.
Real-time
Processing Speed
On-device
Execution
Zero
Network Dependency
Infrastructure
NVIDIA DGX Spark × 2
2-node virtual cluster로 구성된 로컬 AI 인프라
256GB
통합 메모리
GB10 2×
GPU
40cores
Arm CPU (20 per node)
273GB/s
Memory Bandwidth
ConnectX-7 연결 구현
Direct Node-to-Node Link
최대 405B 모델 실험 가능