비전-언어 통합 (Vision-Language Integration, VLI)
Term (용어)aiverifiedFri May 01

비전-언어 통합 (Vision-Language Integration, VLI)

별칭: Vision-Language Integration · VLI · 비전-언어 통합 · 멀티모달

#vli#multimodal#vision#crossbeam#vbc

정의

시각 입력 (이미지·도면·차트) + 텍스트 입력 + 실시간 외부 데이터 를 단일 논리 공간에서 융합 처리하는 능력. case/crossbeam-hackathon-win 에서 건축 도면 + 보완 서한 + 지방 조례를 통합 처리한 사례가 본 개념의 정점.

적용 예

사례입력 종류
case/crossbeam-hackathon-win건축 도면 + 시 보완 서한 + 실시간 조례 (§66310-66342)
OCR 단순 추출이미지 → 텍스트 (단일 변환, VLI 아님)
차트 해석 + 코드 분석차트 이미지 + 코드 파일

단순 OCR 과의 차이

항목OCRVLI
처리 깊이글자 인식의미·구조·관계 추론
출력텍스트통합 논리 표현
도구tesseract 등LLM 멀티모달 (GPT-4o, Claude 4.x 등)

강의 활용

02 VBC case/crossbeam-hackathon-win / 03 HRN:

  • "PDF 도면을 OCR 한 게 아닙니다. 도면의 의미 를 읽었습니다."
  • "이미지 + 텍스트 + 실시간 조례 = 한 번의 추론."

주의사항

  • 번역 통일: 비전-언어 통합 권장. 멀티모달 은 더 넓은 개념이라 본 카드와 미세 차이.
  • 모델 의존성: 모델별 VLI 능력 편차가 큼 — 강의에서 Claude 4.x / GPT-4o 같은 현재 세대 모델 전제로 표기.
  • OCR 무시 금지: VLI 가 OCR 을 대체 한 것이 아니라 상위 능력 으로 포함.