Google모델과 서비스

Google, EmbeddingGemma 2 공개, 텍스트·이미지·오디오·영상 임베딩

텍스트 전용이던 오픈 임베딩 모델이 이미지·오디오·영상까지 이해한다. 기술 보고서에는 학습 전략과 평가 방법이 담겼다.

루카스 ·

왼쪽 위에서 텍스트와 코드가 Embedder(141M)로, 이미지·영상·오디오가 Vision Encoder(167M)와 Audio Encoder(305M)로 들어간다. 각 출력은 파란색·주황색·빨간색 토큰이 섞인 열을 거쳐 Backbone(130M)에 들어가고, 최종적으로 X·Y·Z 축을 가진 3차원 공간에 여러 색 점들이 흩어져 분포하는 모습을 보여 준다.

Google이 텍스트 전용이던 오픈 임베딩 모델을 확장한 EmbeddingGemma 2를 공개하고, 학습 전략과 평가 방법을 담은 기술 보고서를 2026년 11월 17일 내놓았다.

EmbeddingGemma 2는 텍스트, 이미지, 오디오, 영상, 또는 이들의 어떤 조합이든 하나의 임베딩 공간에 옮겨 담는다. Google은 멀티모달 이해 기능을 모델에 기본으로 넣으면서도 모델 뼈대는 더 작게 줄였다고 밝혔다.

EmbeddingGemma 2: How natively multimodal embeddings workGoogle for Developers · 동영상 재생 (YouTube)
텍스트·이미지·오디오·영상을 하나의 임베딩으로 다루는 방식을 설명영상: Google for Developers · YouTube

Google에 따르면 이 모델의 학습 방식은 Gemma 4와 Gemini Embedding 2의 최신 기술을 토대로 한다. 이를 바탕으로 EmbeddingGemma 2가 표현력 있고 통합된 벡터 공간을 학습한다고 설명했다.

공식 기술 보고서에서 학습 전략, 평가 방법론, 실험 결과를 자세히 볼 수 있다. Google은 모델이 어떻게 작동하고 개발됐는지 설명하는 5분 분량의 해설 영상도 함께 냈다.

댓글

기사에 대한 의견이나 틀린 내용 제보를 남겨 주세요.

댓글을 불러오고 있습니다.