VLM 기반 GUI 시맨틱 이해로 RPA의 좌표 의존성 해결 및 32k+ Star 달성
One Open Source Project a Day (No. 62): UI-TARS-Desktop - ByteDance's Open-Source Multimodal GUI Agent Stack
데이터 45배 증가에도 성능 저하된 LoRA의 정체성 붕괴 해결 및 재설계
[Day 5] My Cat-LoRA Got Worse With 45x More Photos. So I Figured Out Why and Fixed It.
Tesseract와 VLM 하이브리드 라우팅으로 비용 최적화 및 OCR 정확도 개선
Vision Models for OCR: When They Beat Tesseract and When They Don't
VLM 기반 시각적 테스트 도입으로 코드 커버리지 9% 향상 및 테스트 취약성 해결
I Finally Understand Why Mobile Tests Keep Breaking — Thanks to This Article by Jay Saadana
Show GN: VLM이 유저 시선을 얼마나 예측할 수 있는지 실제 아이트래킹 데이터로 비교
VLM 기반 UI 시선 예측 모델의 실제 Eye-tracking 데이터 검증
AI-Algorithmic 하이브리드 설계를 통한 텍스처 API 구현 및 비용 80% 절감
I built a textile pattern generation API because PatternedAI has no API
Reverse Engineering과 VLM 결합을 통한 로봇 청소기 자율 제어 시스템 구축
I cracked a robot vacuum's API in a week and gave Claude the keys
Metal GPU 가속 기반 iPhone 온디바이스 Vision AI 구현
How to Run Vision AI Locally on Your iPhone in 2026 (Completely Offline, No Account)
On-device Vision AI 구현을 통한 7초대 로컬 추론 및 데이터 프라이버시 확보
How to Run Vision AI Locally on Your Android Phone in 2026 (No Cloud, No Subscription)
VRAM 70% 절감, Qwen2.5-VL 기반 자율 데이터 감사 파이프라인 구축
Beyond Simple OCR: Building an Autonomous VLM Auditor for E-Commerce Scale
물리적 일관성까지 복원하는 AI 비디오 편집 모델 VOID 공개
Netflix - yes Netflix - jumps on the AI bandwagon with video editor
IBM이 차트·테이블·문서 이해를 통합한 경량 비전-언어 모델 Granite 4.0 3B Vision을 LoRA 어댑터 방식으로 출시했다
Granite 4.0 3B Vision: Compact Multimodal Intelligence for Enterprise Documents
Show GN: civStation – Civilization VI를 전략 수준에서 제어하는 computer-use VLM 기반 에이전트(Human in the...
civStation이 computer-use VLM 기반 에이전트로 Civilization VI의 전략적 의사결정을 자연어 명령으로 실시간 제어한다
LINE Engineering
메신저용 온디바이스 이미지 모델 학습기 2편: 초저지연 비자기회귀(non-autoregressive) 캡션 생성 전략
Meta가 비자기회귀 디코더와 다단계 지식 증류로 모바일 메신저의 이미지 캡션 생성을 5초 이상에서 200~400ms로 단축
Hugging Face가 GUI 에이전트 평가 벤치마크 13개를 통합한 ScreenSuite를 오픈소스로 공개해 VLM 성능 비교 및 재현성 문제 해결
ScreenSuite - The most comprehensive evaluation suite for GUI Agents!