이미지 이해와 생성을 같은 시각 표현으로
SenseNova 연구진은 9월 10일 SenseNova‑U1.5 논문을 공개했습니다. 8B MoT 모델 하나가 이미지를 이해하고 추론하며 새 이미지를 만들고 기존 이미지를 편집하도록 설계됐습니다. 별도의 비전 인코더와 VAE에 의존하지 않고 압축된 시각 토큰과 픽셀 복원을 한 구조 안에서 다루며, 최대 4K의 네이티브 해상도로 학습했다고 설명합니다.
후학습에서는 미감, 이중 언어 문자 표현, 인포그래픽과 편집에 특화된 전문가를 각각 최적화한 뒤 on-policy distillation으로 결합했습니다. 연구진은 복잡한 구도, 여러 참조 이미지 편집, 주체 정체성과 수정하지 않은 영역 보존에서 향상됐다고 보고합니다. 긴 구조화 지시를 이미지 계획으로 옮기는 능력은 포스터와 정보 그래픽처럼 텍스트와 배치가 중요한 작업에 특히 흥미롭습니다.
통합 구조가 곧 모든 비교에서 우위라는 뜻은 아니다
제시된 성능은 저자 평가이며 논문은 동료평가 전 프리프린트입니다. 모델별 프롬프트 수정, 해상도, 추론 단계와 사람이 고른 예시가 결과에 영향을 줄 수 있습니다. 8B라는 표기도 전체 메모리·추론 비용을 단독으로 설명하지 않으며, 고해상도 생성에는 상당한 GPU 자원이 필요할 수 있습니다.
연구진은 학습 코드를 공개할 예정이라고 썼지만, “예정”과 현재 사용할 수 있는 자산은 구분해야 합니다. 실제 도입 전에는 동일 프롬프트와 참조 이미지로 문자 정확도, 인물 일관성, 편집 외 영역 변화, 속도와 VRAM을 직접 비교해야 합니다.