Mirage를 로컬에서 실행: 한 장의 이미지로 OCR 및 객체 감지

Cactus Compute의 Mirage는 로컬 이미지를 분석해 텍스트, 객체 위치, 구조화된 필드를 반환할 수 있습니다. 개발자가 공개한 약 22MB 크기의 2비트 모델은 수 GB짜리 비전 체크포인트를 내려받지 않고도 사용해 볼 수 있을 만큼 작습니다. 기기 라벨이나 선명한 스크린샷으로 시작하고, 워크플로를 자동화하기 전에 반환된 필드를 원본 이미지와 대조해 보세요.

공식 출시 안내에서는 5,130만 개의 매개변수를 가진 비전 모델과 로컬 브라우저 데모, 설치 가능한 런타임을 소개합니다. Samsung Galaxy S26의 한 NPU 구성에서 74ms, 같은 휴대폰의 CPU에서 107ms가 걸린다고 합니다. 이 시간은 해당 설정에서 측정한 값입니다. 성능과 정확도를 확인하려면 직접 사용할 기기와 입력으로 테스트하세요.

이 모델에는 어떤 작업이 적합한가요?

Mirage는 장면 설명, 객체 감지, 텍스트 판독, 마스크 반환, 제한된 질문에 대한 답변을 수행할 수 있습니다. 재고 관리 작업에서는 라벨을 식별하고, 텍스트 영역을 추출한 뒤, 제한된 필드 집합을 반환하도록 요청할 수 있습니다. 사진의 경우 객체 위치를 사람의 검토를 돕는 단서로 사용할 수 있습니다. 구조화된 답변에 이미지 증거로 돌아가는 링크가 포함되어 있으면 유용합니다.

개발자는 이미지 설명에 사용할 수 있는 언어를 7개로 안내합니다. 이 목록을 근거로 모든 OCR 문자 체계를 지원한다고 가정하지 마세요. 실제 텍스트 판독 기능은 악센트를 놓치거나, 비슷한 숫자를 혼동하거나, 작은 영역을 누락할 수 있습니다. Cactus도 출시 데모에서 불완전한 OCR 결과를 보여 줍니다. 모델 카드에서 런타임 요구 사항과 입력 예시를 확인할 수 있습니다.

첫 번째 로컬 예제를 어떻게 실행하나요?

민감하지 않은 테스트 이미지로 Cactus가 연결한 브라우저 샌드박스를 사용해 보세요. 그런 다음 Cactus 런타임이 지원하는 플랫폼에서 Python 패키지를 사용하세요. 새 환경과 직접 관리하는 이미지를 사용하세요.

python -m venv .venv
소스 .venv/bin/activate
python -m pip install -U cactus-compute

패키지에 공개된 예시는 다음과 같습니다.

가져오기 cactus

모델 = 선인장.미라주()
출력(모델.설명("사진.png"))

처음 사용할 때 패키지가 엔진과 모델을 다운로드해 캐시할 수 있습니다. 이 설정 시간은 추론 시간과 따로 측정하세요. 이후 오프라인에서 사용할 수 있는지 확인하려면 초기 설치를 완료한 다음, 격리된 환경에서 네트워크를 비활성화하고 로컬 파일을 대상으로 테스트하세요. 패키지 이름만 보고 추정하지 말고 런타임 버전과 캐시 동작을 확인하세요.

소규모 정확도 테스트는 어떻게 구성해야 하나요?

같은 라벨을 세 장 촬영하세요. 하나는 조명이 고르고 정면에서 촬영하고, 하나는 회전시키거나 빛이 반사되게 하고, 하나는 다른 라벨을 가까이 둡니다. 정답 전사본도 준비하세요. 결과에 그럴듯한 문자열이 있는지만 보지 말고, 정확한 문자와 필드 간 연결을 비교하세요. 물체 감지의 경우 바운딩 박스를 확인하세요. 라벨은 맞더라도 잘못된 물체에 연결되면 후속 재고 기록에 문제가 생길 수 있습니다.

빈 이미지, 관련 필드가 없는 이미지, 읽을 수 없는 잘린 이미지를 테스트하세요. 실제로 쓸 수 있는 추출 흐름이라면 명시적인 알 수 없음 또는 빈 상태가 있어야 합니다. 다음 단계에서 재고 기록이 변경된다면, 필드가 누락되었거나 불확실할 때 추측하지 말고 검토 대기열에 넣으세요.

예상 메모리와 지연 시간은 어느 정도인가요?

광고된 22 MB는 2비트 모델 표현을 가리킵니다. 런타임 메모리에는 추론 엔진, 디코딩된 입력, 중간 텐서, 애플리케이션 오버헤드가 포함됩니다. 모델 파일 크기가 그대로여도 이미지 크기에 따라 전처리와 메모리 부담이 달라질 수 있습니다. 다른 서비스와 함께 실행할 수 있는지 판단할 때 모델 크기와 함께 프로세스의 최대 메모리 사용량을 추적하세요.

이미지 디코딩과 후처리를 포함해 콜드 스타트, 웜 추론, 종단 간 지연 시간을 측정하세요. 휴대폰 NPU 벤치마크만으로는 NAS나 저전력 x86 CPU에서 얼마나 걸릴지 알 수 없습니다. 런타임 목록에서 운영 체제와 기기 지원 여부를 확인한 다음, 실제 배포할 이미지와 코드로 측정하세요.

출력의 유용성을 유지하면서 입력을 비공개로 보호하려면 어떻게 해야 하나요?

인식 작업과 동작 실행을 분리하세요. 필드는 원본 이미지의 잘라낸 부분을 가리키는 참조 및 유효성 검사 상태와 함께 저장하세요. 가능한 경우 예상 일련번호 길이, 허용 문자, 날짜 형식 또는 수량 범위 등 결정론적 검사를 적용하세요. 검토자가 수정해야 하는 경우 제안된 필드 옆에 해당 이미지 영역을 표시하세요. 이렇게 하면 실제 근거를 다시 확인할 수 있습니다.

로컬 모델 엔드포인트를 사용하면 원본 이미지를 전송할 필요를 줄일 수 있지만, 브라우저 코드, 원격 분석, 캐시 동작 및 기타 구성 요소도 확인해야 합니다. 시각적 추론 기능이 있는 모델은 이미지 속 텍스트를 콘텐츠로 해석할 수 있습니다. 해당 텍스트가 셸 명령이나 파일 작업에 대한 지시로 처리되지 않도록 하세요. 소스 데이터를 AI 요청에 포함하지 않는 방법에 관한 가이드를 참조하세요.

홈 서버는 어떤 역할을 하나요?

원본 파일은 범위를 제한한 라이브러리에 보관하고, 각 작업에 필요한 이미지만 추론 프로세스로 전송하세요. 출력은 검토용 별도 폴더나 데이터베이스에 저장하세요. 공유 서버에서는 먼저 소규모 배치를 실행하고 인식 작업이 백업, 파일 색인 작업 또는 다른 사용자의 작업을 방해하는지 확인하세요. 개인 파일용 컴퓨팅 및 저장 장치 비교와 백업 격리 가이드에서 이러한 서비스의 역할을 확인할 수 있습니다.

자주 묻는 질문

최초 실행 시 완전히 오프라인으로 사용할 수 있나요?

패키지는 최초 사용 시 엔진과 가중치를 다운로드할 수 있습니다. 필요한 파일을 설치하고 캐시한 뒤 오프라인에서 작동하는지 확인하세요.

22MB가 메모리 사용량인가요?

광고된 압축 모델을 설명하는 수치이며, 전체 프로세스 메모리에는 런타임과 이미지 버퍼도 포함됩니다.

Mirage로 모든 영수증과 라벨을 읽을 수 있나요?

실제로 접하는 언어, 조명, 글꼴, 레이아웃을 테스트하세요. 작거나 빛을 반사하는 텍스트는 잘못 인식되거나 출력에서 누락될 수 있습니다.

수동 검토를 생략해도 되나요?

기록을 변경하거나 작업을 실행하는 출력에는 검토 절차를 적용하세요. 특히 필드가 불확실하거나 검증할 수 없는 경우에는 더욱 그렇습니다.

휴대폰 벤치마크 결과를 홈 서버 선택에 활용해도 되나요?

테스트를 거친 휴대폰의 사례로 활용하세요. 실제 이미지로 사용하려는 하드웨어와 런타임을 벤치마크하세요.

결론

Mirage를 사용하면 소규모 로컬 OCR 및 이미지 이해 실험을 쉽게 시작할 수 있습니다. 지원되는 런타임을 설치하고, 까다로운 이미지 몇 장에서 정확한 필드를 테스트한 뒤 검토 절차를 유지하세요. 측정 결과와 오류 처리가 작업에 충분한 수준인지 확인한 후에만 더 큰 배치로 확장하세요.