LLaVA-OneVision-2: 영상·공간 이해 통합 오픈소스 8B 멀티모달 모델
EvolvingLMMs Lab이 이미지·장편 영상·공간 이해를 단일 아키텍처로 통합한 LLaVA-OneVision-2-8B를 공개했다. 코덱 스트림 토크나이제이션과 Windowed Attention을 도입해 네이티브 해상도 처리가 가능하며, Qwen3-VL-8B 대비 영상 평균 +4.3점, 공간 추론 +5.3점, 객체 추적 J&F +15.6점을 달성했다. 약 800만 개 영상 캡션 데이터와 400만 개 공간 데이터로 학습되었으며, 전체 파이프라인이 CC BY 4.0 라이선스로 공개되었다.
원문 보기