일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
- LORA
- 인공지능
- 휴머노이드 로봇
- 생성형 AI
- TRANSFORMER
- 오픈AI
- 오블완
- 멀티모달
- 다국어 지원
- 일론 머스크
- 아두이노
- OpenAI
- 티스토리챌린지
- AI
- 실시간 렌더링
- 딥러닝
- 확산 모델
- 우분투
- LLM
- OpenCV
- ChatGPT
- PYTHON
- tts
- 트랜스포머
- AI 기술
- 시간적 일관성
- 메타
- 이미지 생성
- 오픈소스
- 강화 학습
- Today
- Total
목록메타버스 (2)
AI 탐구노트

AI 기술이 발전하는 속도가 정말 빠릅니다. 불과 2년 전까지만 해도 챗GPT 같은 생성형 AI가 화제였는데, 이제는 그다음 단계로 넘어가고 있죠. 바로 거대세계모델(Large World Model, LWM) 시대가 열리고 있습니다. 기존의 LLM(거대언어모델)이 언어를 중심으로 AI를 발전시켰다면, LWM은 현실 세계를 직접 이해하고 시뮬레이션하는 방향으로 진화하고 있습니다. 이 변화는 단순한 기술 발전이 아니라 AI가 실제 환경에서 인간과 상호작용하는 방식 자체를 바꾸는 혁신적인 전환점이 될 것입니다. 오늘은 LLM과 LWM의 차이점, 그리고 LWM이 메타버스뿐만 아니라 휴머노이드 로봇 기술에도 어떻게 영향을 미치는지 살펴보겠습니다.LLM vs. LWM, 무엇이 다를까?1) LLM: 언어를 이해하는 ..

최근 몇 년 동안 인공지능(AI) 기반의 인간 애니메이션 기술이 급속도로 발전하고 있습니다. 특히 음성 기반의 얼굴 애니메이션 생성 기술은 가상 캐릭터, 디지털 아바타, 게임, 영화 산업 등 다양한 분야에서 활용되고 있습니다. 그러나 기존의 애니메이션 생성 기술은 대부분 제한적인 데이터셋을 활용하고 있어 현실적인 움직임을 생성하는 데 한계가 있었습니다. 세부적으로는 기존의 오디오 기반 애니메이션 생성 모델들은 다음과 같은 한계를 가지고 있었습니다.데이터 필터링 문제 : 오디오 기반 모델의 경우, 학습 데이터에서 배경 움직임, 조명 변화 등의 불필요한 요소를 제거해야 하는데, 이 과정에서 유용한 동작 데이터까지 손실되는 문제가 발생했습니다. 포즈 기반 모델의 경우, 특정한 촬영 환경에서 정적인 배경을 가진..