Multimodal 실전·API — Transformers Pipeline

Multimodal 실전·API

Transformers의 pipeline() 은 복잡한 전처리·모델·후처리를 감싸서, 멀티모달 작업도 몇 줄로 실행하게 해줘요. 텍스트뿐 아니라 이미지·오디오 과제도 통일된 인터페이스로 다룰 수 있어요.

파이프라인 기본

from transformers import pipeline

classifier = pipeline("sentiment-analysis")
result = classifier("I've been waiting for this movie my whole life.")
print(result)
# [{'label': 'POSITIVE', 'score': 0.99...}]

파이프라인은 모델·토크나이저를 자동으로 골라주니까, 첫 실험을 빠르게 해보기에 좋아요.

객체 사용

from transformers import pipeline
from transformers.pipelines.pt_utils import KeyDataset

pipe = pipeline("image-classification", model="google/vit-base-patch16-224")
images = [path1, path2, path3]
for out in pipe(images):
    print(out)

여러 이미지 입력을 배치처럼 넘기면 파이프라인이 알아서 처리해요.

사용 가능한 파이프라인 예

  • image-classification: 이미지 분류
  • image-to-text / text-to-image: 이미지↔텍스트 변환
  • audio-classification / text-to-audio: 오디오 과제
  • text-generation: 텍스트 생성

프레임워크(텐서플로·PyTorch·JAX)를 가리지 않고 같은 API로 동작한다는 게 특징이에요.

더 알아보기