1. 튜토리얼 소개

R1-OneVision은 2025년 2월 저장대학교 연구팀이 발표한 대규모 멀티모달 추론 모델입니다. Qwen2.5-VL을 기반으로 하고 R1-OneVision 데이터셋에서 미세 조정된 이 모델은 복잡한 시각 추론 작업을 탁월하게 처리하며, 시각 데이터와 텍스트 데이터를 매끄럽게 통합합니다. 수학, 과학, 심층 이미지 이해, 논리적 추론 분야에서 뛰어난 성능을 보여주며, 다양한 문제를 해결하는 강력한 AI 도우미 역할을 할 수 있습니다. 관련 연구 논문은 별도로 제공됩니다. R1-Onevision: 교차 모달 형식화를 통한 일반화된 다중 모달 추론 발전 .

이 튜토리얼에서는 데모로 R1-Onevision-7B를 사용하고, 컴퓨팅 리소스에는 RTX 4090을 사용합니다.

2. 작업 단계

1. 컨테이너 시작 후 API 주소를 클릭하여 웹 인터페이스로 진입합니다.

"잘못된 게이트웨이"가 표시되면 모델이 초기화 중임을 의미합니다. 약 1~2분 정도 기다려 주신 후 페이지를 새로고침해 주세요.

2. 기능 시연

인용 정보

GitHub 사용자에게 감사드립니다 보이스우  이 튜토리얼 제작을 위한 프로젝트 참조 정보는 다음과 같습니다.

@article{yang2025r1onevision,
  title={R1-Onevision: Advancing Generalized Multimodal Reasoning through Cross-Modal Formalization},
  author={Yi Yang and Xiaoxuan He and Hongkun Pan and Xiyan Jiang and Yan Deng and Xingtao Yang and Haoyu Lu and Dacheng Yin and Fengyun Rao and Minfeng Zhu and Bo Zhang and Wei Chen},
  journal={arXiv preprint arXiv:2503.10615},
  year={2025},
}

교류 및 토론

🖌️ 고품질 프로젝트를 발견하시면, 백그라운드에 메시지를 남겨 추천해주세요! 또한, 튜토리얼 교환 그룹도 만들었습니다. 친구들의 QR코드 스캔과 [SD 튜토리얼] 댓글을 통해 그룹에 가입하여 다양한 기술 이슈에 대해 논의하고 신청 결과를 공유해 주시기 바랍니다.↓