NVIDIA의 Cosmos 제품군은 방대한 비디오 코퍼스로 학습하지만, 한 대학 연구실이 그 데이터의 극히 일부만 사용하여 모델 중 하나를

원문 발행 2026. 07. 21. 22:49원문 언어 영어AI 한국어 번역X @cyrilxbt (자동 발견) 원문 보기

요약

프라이부르크 대학교의 Orbis 2 모델이 NVIDIA Cosmos-v2.5보다 적은 파라미터와 데이터, 컴퓨팅 자원을 사용하고도 특정 벤치마크에서 더 높은 성능을 기록했습니다. Orbis 2는 NATIX의 주행 영상을 활용하여 장면 이해와 장기 안정성 측면에서 뛰어난 성능을 보였습니다.

핵심 포인트

Orbis 2는 Cosmos-v2.5 대비 파라미터와 데이터 사용량을 대폭 절감함
장면 이해 및 장기 안정성 측면에서 Cosmos 모델을 능가함
3,000 H100 GPU-시간 미만의 효율적인 자원으로 학습 수행
NATIX의 크라우드소싱 주행 영상이 학습 데이터의 40% 이상을 차지

NVIDIA의 Cosmos 제품군은 방대한 비디오 코퍼스 (Video Corpora)로 학습합니다. 하지만 한 대학 연구실이 그 데이터의 극히 일부만을 사용하여 해당 제품군의 모델 중 하나를 방금 앞질렀습니다.

Orbis 2는 NATIX와 협력하는 프라이부르크 대학교 (University of Freiburg)의 모델로, 모든 벤치마크에서 그런 것은 아니지만, 특히 일반화 (Generalization), 장면 이해 (Scene understanding), 그리고 장기 안정성 (Long-horizon stability) 측면에서 Cosmos-v2.5를 능가했습니다.

독립적인 무역 보도(Trade coverage)를 통해 핵심 수치들이 확인되었습니다. 파라미터 (Parameters)는 대략 절반 수준, 데이터는 대략 3분의 1 수준, 그리고 3,000 H100 GPU-시간 (GPU-hours) 미만을 사용했습니다.

NATIX의 크라우드소싱 (Crowdsourced) 주행 영상이 학습 혼합물 (Training mix)의 40% 이상을 공급했으며, 이는 단일 소스로서 가장 큰 비중을 차지합니다. 이는 Valeo AI와의 이전 협업에 이어 NATIX 데이터를 기반으로 구축된 두 번째 월드 모델 (World model)입니다.

AI 자동 생성 콘텐츠

원문 바로가기

NVIDIA의 Cosmos 제품군은 방대한 비디오 코퍼스로 학습하지만, 한 대학 연구실이 그 데이터의 극히 일부만 사용하여 모델 중 하나를

요약

핵심 포인트

댓글