천천히 올바르게. AI Researcher & DevOps Engineer Youngju's tech blog. GPU/CUDA, LLM, MLOps, Kubernetes AI workloads, distributed training, and data engineering.
RTX 5090(Blackwell, 32GB) 한 장에 SSH로 붙어 작은 모델 셋을 직접 돌려봤습니다. char-level GPT를 밑바닥부터 28초 만에 학습시키고(10.75M 파라미터, 117만 tokens/s), 전용 OCR(TrOCR)과 소형 VLM(Qwen2-VL-2B)을 같은 이미지에 붙여 CER로 대결시키고, MusicGen으로 8초짜리 음악을 1.9초(4.2배 실시간)에 생성했습니다. 그 과정에서 만난 정직한 함정들 — 워밍업 없는 벤치마크가 38배 거짓말을 한 사건, CER이라는 지표가 대문자 하나로 뻥튀기되는 이야기, Blackwell sm_120에 맞는 PyTorch를 찾는 삽질 — 까지 실측 수치와 함께 정리합니다.
"3D 모델을 만든다"는 말에는 완전히 다른 두 문제가 숨어 있습니다. 실제로 존재하는 장면을 사진 여러 장으로 되살리는 복원(reconstruction)과, 존재하지 않는 것을 텍스트·이미지 한 장에서 지어내는 생성(generation)입니다. 복원의 계보를 SfM에서 NeRF, 그리고 판을 바꾼 3D 가우시안 스플래팅과 feedforward 복원(Meta MapAnything)까지 따라가고, 생성의 계보를 DreamFusion의 SDS 증류에서 네이티브 3D 디퓨전, 그리고 2026년의 지형(TRELLIS.2, Hunyuan3D 3.5, Hi3DGen, Stable Fast 3D)까지 정리합니다. 표현 방식·출력 포맷·실전 파이프라인·엔지니어 진입 경로까지 한 장에 담았습니다.