비전 트랜스포머(ViT, Vision Transformer)란 무엇인가? CNN을 넘어선 차세대 AI 이미지 인식 기술 인공지능이 사진 속 사물을 인식하거나, 자율주행 자동차가 도로 위의 보행자와 신호등을 구분하고, 휴머노이드 로봇이 사람의 동작을 이해하려면 뛰어난 이미지 인식 기술이 필요합니다. 오랫동안 이러한 작업은 CNN(Convolutional Neural Network, 합성곱 신경망)이 주도해 왔습니다. 그러나 최근에는 자연어 처리(NLP) 분야에서 거대 언어 모델(LLM)의 혁신을 이끈 트랜스포머(Transformer) 구조를 이미지 분석에 적용한 비전 트랜스포머(Vision Transformer, ViT)가 새로운 표준으로 자리 잡고 있습니다. ViT는 이미지를 작은 조각으로 나누어 마치..