Hacker News • 36일 전

울트라리틱스 YOLO26: 통합 실시간 엔드투엔드 비전 모델

IMP

9/10

핵심 요약

실시간 객체 탐지 분야의 표준으로 자리 잡은 YOLO 시리즈의 최신 모델인 '울트라리틱스 YOLO26'이 공개되었습니다. 이번 모델은 NMS(비최대 억제)에 대한 의존성을 완전히 제거하고 무거운 헤드 구조를 경량화하여, 엔드투엔드(End-to-End) 추론 환경에서도 더 빠르고 정확하게 동작하도록 설계되었습니다. 특히 대형 언어 모델(LLM) 학습에 쓰이는 하이브리드 최적화 기법을 도입하고 작은 객체 탐지 성능을 개선하여, 실무 비전 개발자들에게 획기적인 정확도와 속도의 이점을 제공합니다.

번역된 본문

컴퓨터 과학 > 컴퓨터 비전 및 패턴 인식 arXiv:2606.03748 (cs) [2026년 6월 2일 제출]

제목: Ultralytics YOLO26: 통합 실시간 엔드투엔드 비전 모델 저자: Glenn Jocher, Jing Qiu, Mengyu Liu, Shuai Lyu, Fatih Cagatay Akyon, Muhammet Esat Kalfaoglu Glenn Jocher 및 5명의 공동 저자가 작성한 'Ultralytics YOLO26: 통합 실시간 엔드투엔드 비전 모델' 논문 PDF 보기 | HTML 보기 (실험적 기능)

초록: 실시간 컴퓨터 비전 환경에서는 다양한 하드웨어에 걸쳐 정확하고 효율적이며 배포가 간단한 모델이 요구됩니다. YOLO 계열은 이러한 이유로 널리 배포되어 사용되고 있지만, 대부분의 기존 YOLO 탐지 모델들은 여전히 추론 시 비최대 억제(NMS) 알고리즘에 의존합니다. 또한 분산 초점 손실(Distribution Focal Loss, DFL)로 인해 탐지 헤드가 무거워지고, 긴 학습 스케줄을 요구하며, 가장 작은 객체들에 대해 긍정적 라벨 할당이 누락되는 문제가 발생할 수 있습니다.

본 논문에서는 이러한 한계를 극복하기 위해 아키텍처와 학습 방식의 혁신을 조화시킨 통합 실시간 비전 모델 패밀리인 Ultralytics YOLO26을 제시합니다. YOLO26은 네이티브로 NMS가 필요 없는 엔드투엔드 추론을 지원하는 듀얼 헤드(이중 헤드) 설계를 채택했으며, DFL을 완전히 제거하여 회귀 범위의 제한이 없는 더 가벼운 헤드 구조를 구현했습니다.

이 모델의 학습 파이프라인은 대형 언어 모델(LLM) 학습에서 변형된 하이브리드 Muon-SGD 옵티마이저인 MuSGD를 결합했습니다. 또한 추론 시점의 헤드로 감독(Supervision)을 점진적으로 이동시키는 점진적 손실(Progressive Loss) 기법과, 작은 객체에 대한 긍정적(Positive) 커버리지를 보장하는 라벨 할당 전략인 STAL을 통합했습니다.

객체 탐지를 넘어, YOLO26은 인스턴스 분할(Instance Segmentation), 자세 추정(Pose Estimation), 방향성 탐지(Oriented Detection)를 위한 작업 특화형 헤드와 손실(Loss) 설계를 도입하여 모든 작업과 규모에서 일관된 성능 향상을 이뤄냈습니다. 이 모델 패밀리는 5가지 규모(n/s/m/l/x)로 제공되며, 단일 파이프라인에서 탐지, 인스턴스 분할, 자세 추정, 분류 및 방향성 탐지를 지원합니다. 나아가 텍스트, 시각적 프롬프트 및 무프롬프트(Prompt-free) 추론을 위한 오픈 어휘(Open-vocabulary) 확장판인 YOLOE-26도 선보입니다.

모든 규모에서 YOLO26은 COCO 데이터셋에서 40.9~~57.5 mAP의 정확도를 달성하며 T4 TensorRT 환경에서 1.7~~11.8 ms의 매우 낮은 지연 시간을 기록했습니다. 이는 기존 실시간 탐지 모델들을 넘어서는 정확도-지연 시간 간의 최적의 균형(Pareto front)을 입증하는 것입니다. 또한, 텍스트 프롬프트 기반의 YOLOE-26x 모델은 LVIS minival 데이터셋에서 40.6 AP를 기록했습니다. 코드와 모델은 다음 URL에서 확인할 수 있습니다.

설명: 31페이지, 8개의 그림 포함 주제: 컴퓨터 비전 및 패턴 인식 (cs.CV); 인공지능 (cs.AI) 인용: arXiv:2606.03748 [cs.CV] (또는 해당 버전의 경우 arXiv:2606.03748v1 [cs.CV]) https://doi.org/10.48550/arXiv.2606.03748

제출 이력 작성자: Glenn Jocher [이메일 보기] [v1] 2026년 6월 2일 (화), 15:01:13 UTC (8,589 KB)

제공된 데이터: 북마크 및 서지 도구: 서지 및 인용 도구, 서지 탐색기, Connected Papers, Litmaps, scite.ai 스마트 인용 코드, 데이터, 미디어: 본 논문과 관련된 코드, 데이터 및 미디어, alphaXiv, CatalyzeX, DagsHub, GotitPub, Huggingface, ScienceCast 데모: 데모, Replicate, Hugging Face Spaces, TXYZ.AI 관련 논문 추천

원문 보기

원문 보기 (영어)

--> Computer Science > Computer Vision and Pattern Recognition arXiv:2606.03748 (cs) [Submitted on 2 Jun 2026] Title: Ultralytics YOLO26: Unified Real-Time End-to-End Vision Models Authors: Glenn Jocher , Jing Qiu , Mengyu Liu , Shuai Lyu , Fatih Cagatay Akyon , Muhammet Esat Kalfaoglu View a PDF of the paper titled Ultralytics YOLO26: Unified Real-Time End-to-End Vision Models, by Glenn Jocher and 5 other authors View PDF HTML (experimental) Abstract: Real-time vision demands models that are accurate, efficient, and simple to deploy across diverse hardware. The YOLO family has become widely deployed for this reason, yet most YOLO detectors still rely on non-maximum suppression at inference, carry heavy detection heads due to Distribution Focal Loss, require long training schedules, and can leave the smallest objects without positive label assignments. We present Ultralytics YOLO26, a unified real-time vision model family that addresses these limitations through coordinated architecture and training advances. YOLO26 uses a dual-head design for native NMS-free end-to-end inference and removes DFL entirely, yielding a lighter head with unconstrained regression range. Its training pipeline combines MuSGD, a hybrid Muon-SGD optimizer adapted from large language model training; Progressive Loss, which shifts supervision toward the inference-time head; and STAL, a label assignment strategy that guarantees positive coverage for small objects. Beyond detection, YOLO26 introduces task-specific head and loss designs for instance segmentation, pose estimation, and oriented detection, producing consistent gains across tasks and scales. The family spans five scales (n/s/m/l/x) and supports detection, instance segmentation, pose estimation, classification, and oriented detection in a single pipeline, with an open-vocabulary extension, YOLOE-26, for text-, visual-, and prompt-free inference. Across all scales, YOLO26 achieves 40.9-57.5 mAP on COCO at 1.7-11.8 ms T4 TensorRT latency, advancing the accuracy-latency Pareto front over prior real-time detectors, while YOLOE-26x reaches 40.6 AP on LVIS minival under text prompting. Code and models are available at this https URL . Comments: 31 pages, 8 figures Subjects: Computer Vision and Pattern Recognition (cs.CV) ; Artificial Intelligence (cs.AI) Cite as: arXiv:2606.03748 [cs.CV] (or arXiv:2606.03748v1 [cs.CV] for this version) https://doi.org/10.48550/arXiv.2606.03748 Focus to learn more arXiv-issued DOI via DataCite (pending registration) Submission history From: Glenn Jocher [ view email ] [v1] Tue, 2 Jun 2026 15:01:13 UTC (8,589 KB) Full-text links: Access Paper: View a PDF of the paper titled Ultralytics YOLO26: Unified Real-Time End-to-End Vision Models, by Glenn Jocher and 5 other authors View PDF HTML (experimental) TeX Source view license Current browse context: cs.CV < prev | next > new | recent | 2026-06 Change to browse by: cs cs.AI References & Citations NASA ADS Google Scholar Semantic Scholar export BibTeX citation Loading... BibTeX formatted citation × loading... Data provided by: Bookmark Bibliographic Tools Bibliographic and Citation Tools Bibliographic Explorer Toggle Bibliographic Explorer ( What is the Explorer? ) Connected Papers Toggle Connected Papers ( What is Connected Papers? ) Litmaps Toggle Litmaps ( What is Litmaps? ) scite.ai Toggle scite Smart Citations ( What are Smart Citations? ) Code, Data, Media Code, Data and Media Associated with this Article alphaXiv Toggle alphaXiv ( What is alphaXiv? ) Links to Code Toggle CatalyzeX Code Finder for Papers ( What is CatalyzeX? ) DagsHub Toggle DagsHub ( What is DagsHub? ) GotitPub Toggle Gotit.pub ( What is GotitPub? ) Huggingface Toggle Hugging Face ( What is Huggingface? ) ScienceCast Toggle ScienceCast ( What is ScienceCast? ) Demos Demos Replicate Toggle Replicate ( What is Replicate? ) Spaces Toggle Hugging Face Spaces ( What is Spaces? ) Spaces Toggle TXYZ.AI ( What is TXYZ.AI? ) Related Papers Recommenders and Search Tools Link to Influence Flower Influence Flower ( What are Influence Flowers? ) Core recommender toggle CORE Recommender ( What is CORE? ) Author Venue Institution Topic About arXivLabs arXivLabs: experimental projects with community collaborators arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website. Both individuals and organizations that work with arXivLabs have embraced and accepted our values of openness, community, excellence, and user data privacy. arXiv is committed to these values and only works with partners that adhere to them. Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs . Which authors of this paper are endorsers? | Disable MathJax ( What is MathJax? )

컴퓨터비전 객체탐지 YOLO 오픈소스 딥러닝