연구팀은 마스크, 깊이 지도 등 다양한 시각 정보를 RGB 이미지로 통일하는 RINO(RGB In and RGB Out) 프레임워크를 제안했어요. RINO는 자연 이미지와 동일한 인코딩·디코딩 구조를 공유하며, 다양한 시각 작업을 RGB-to-RGB 이미지 편집 문제로 통합합니다.
세분화·깊이 추정부터 포즈-이미지 생성까지, RINO는 단일 모델로 다양한 작업을 수행하며 기존 방식과 경쟁력 있는 성능을 보여줘요. 별도 파인튜닝 없이도 제로샷 성능을 확보했습니다.
연구팀은 RINO가 시각-언어 모델 통합에 기여할 수 있기를 바라며, 관련 코드는 GitHub에서 확인할 수 있어요.