생성형 AI가 컴퓨터 비전의 미래를 바꾸고 있습니다

생성형 AI는 기존 데이터에서 패턴을 학습해 이미지, 텍스트, 오디오와 같은 새로운 콘텐츠를 만드는 인공지능(AI)의 한 분야입니다. 최근 발전 덕분에 이제는 인간의 창의성을 모방하는 매우 사실적인 콘텐츠를 생성하는 데 활용할 수 있습니다.

그러나 생성형 AI의 영향은 단순한 콘텐츠 생성을 넘어섭니다. Ultralytics YOLO 모델과 같은 실시간 컴퓨터 비전 모델이 계속 발전하면서 생성형 AI는 시각 데이터의 처리와 증강 방식도 새롭게 정의하고 있으며, 실제 환경에서의 혁신적인 활용을 위한 길을 열고 있습니다.

Ultralytics가 매년 개최하는 하이브리드 행사인 YOLO Vision 2024 (YV24)에서 이러한 새로운 기술 변화가 흥미로운 대화 주제가 되었습니다. YV24에는 AI 애호가와 업계 리더들이 모여 컴퓨터 비전의 최신 혁신을 논의했습니다. 이 행사는 혁신, 효율성, 실시간 AI 솔루션의 미래에 초점을 맞췄습니다.

행사의 주요 하이라이트 중 하나는 생성형 AI 시대의 YOLO를 주제로 한 패널 토론이었습니다. 패널에는 Ultralytics의 창립자 겸 CEO인 Glenn Jocher, Ultralytics의 시니어 머신러닝 엔지니어인 Jing Qiu, 칭화대학교의 Ao Wang이 참여했습니다. 이들은 생성형 AI가 컴퓨터 비전에 미치는 영향과 실용적인 AI 모델 구축의 과제를 살펴보았습니다.

이 글에서는 토론에서 나온 주요 인사이트를 되짚어보고 생성형 AI가 비전 AI를 어떻게 변화시키는지 자세히 살펴보겠습니다.

Ultralytics YOLO 모델 개발#

Glenn Jocher와 함께 여러 숙련된 엔지니어가 Ultralytics YOLO 모델 개발에 중요한 역할을 했습니다. 그중 한 명인 Jing Qiu는 예상치 못한 계기로 YOLO를 접하게 된 이야기를 들려주었습니다. 그는 대학 시절 AI에 대한 열정이 시작됐다고 설명했습니다. 상당한 시간을 들여 이 분야를 탐구하고 배웠습니다. Jing Qiu는 GitHub에서 Glenn Jocher와 인연을 맺고 다양한 AI 프로젝트에 참여하게 된 과정을 회상했습니다.

Jing Qiu의 발언에 덧붙여 Glenn Jocher는 GitHub를 다음과 같이 설명했습니다. "한 번도 만난 적 없는 사람들이 모여 서로를 돕고 각자의 작업에 기여할 수 있는 놀라운 공유 방식입니다. 훌륭한 커뮤니티이며 AI를 시작하기에도 정말 좋은 방법입니다."

그림 1. YV24 무대에서 이야기하는 Glenn Jocher와 Jing Qiu.

Jing Qiu의 AI에 대한 관심과 Ultralytics YOLOv5 작업은 모델을 개선하는 데 도움이 됐습니다. 이후 그는 추가 개선 사항을 도입한 Ultralytics YOLOv8 개발에서도 핵심적인 역할을 했습니다. 그는 이를 놀라운 여정이라고 표현했습니다. 현재 Jing Qiu는 Ultralytics YOLO11과 같은 모델을 계속 개선하고 개발하고 있습니다.

YOLOv10: 실제 환경 성능에 최적화#

중국에서 원격으로 패널 토론에 참여한 Ao Wang은 박사 과정 학생이라고 자신을 소개했습니다. 처음에는 소프트웨어 공학을 공부했지만, AI에 대한 열정으로 컴퓨터 비전과 딥러닝 분야로 진로를 바꾸었습니다.

그는 다양한 AI 기법과 모델을 실험하던 중 처음으로 유명한 YOLO 모델을 접했습니다. 속도와 정확도에 깊은 인상을 받아 객체 탐지와 같은 컴퓨터 비전 작업을 더 깊이 탐구하게 되었습니다. 최근 Ao Wang은 최신 YOLO 모델 버전인 YOLOv10에 기여했습니다. 그의 연구는 모델의 속도와 정확도를 높이는 최적화에 중점을 두었습니다.

생성형 AI와 비전 AI의 주요 차이점#

이어서 패널은 생성형 AI에 대해 논의하기 시작했고, Jing Qiu는 생성형 AI와 비전 AI의 목적이 매우 다르다고 지적했습니다. 생성형 AI는 텍스트, 이미지, 동영상과 같은 것을 만들거나 생성하는 반면, 비전 AI는 주로 이미지처럼 이미 존재하는 것을 분석합니다.

Glenn Jocher는 규모도 큰 차이점이라고 강조했습니다. 생성형 AI 모델은 규모가 매우 커서, 데이터에서 모델이 학습하도록 돕는 내부 설정인 파라미터가 수십억 개에 이르는 경우가 많습니다. 컴퓨터 비전 모델은 훨씬 작습니다. 그는 이렇게 말했습니다. “가장 작은 YOLO 모델은 가장 작은 LLM [대규모 언어 모델]보다 약 1,000배 작습니다. 즉, 파라미터가 300만 개와 30억 개입니다.”

그림 2. YV24에서 진행된 생성형 AI와 비전 AI 패널 토론.

Jing Qiu는 생성형 AI와 컴퓨터 비전의 학습 및 배포 프로세스도 매우 다르다고 덧붙였습니다. 생성형 AI를 실행하려면 크고 강력한 서버가 필요합니다. 반면 YOLO와 같은 모델은 효율성을 위해 설계되어 일반 하드웨어에서도 학습하고 배포할 수 있습니다. 따라서 Ultralytics YOLO 모델은 실제 환경에서 더욱 실용적입니다.

두 분야는 서로 다르지만 점차 맞물리기 시작하고 있습니다. Glenn Jocher는 생성형 AI가 비전 AI에 새로운 발전을 가져와 모델을 더 스마트하고 효율적으로 만들고 있다고 설명했습니다.

생성형 AI가 컴퓨터 비전에 미치는 영향#

생성형 AI는 빠르게 발전해 왔으며, 이러한 기술 혁신은 컴퓨터 비전을 비롯한 여러 인공지능 분야에 영향을 미치고 있습니다. 이어서 이 주제에 관한 패널의 흥미로운 인사이트를 살펴보겠습니다.

하드웨어 발전이 AI 혁신을 가능하게 합니다#

패널 초반에 Glenn Jocher는 머신러닝 아이디어가 오래전부터 있었지만 이를 구현할 만큼 컴퓨터 성능이 충분하지 않았다고 설명했습니다. AI 아이디어를 현실로 만들려면 더 강력한 하드웨어가 필요했습니다.

지난 20년간 병렬 처리 기능을 갖춘 GPU(그래픽 처리 장치)가 부상하면서 모든 것이 달라졌습니다. GPU는 AI 모델 학습을 훨씬 빠르고 효율적으로 만들어 딥러닝이 빠른 속도로 발전할 수 있게 했습니다.

오늘날 TPU(텐서 처리 장치)와 같은 AI 칩과 최적화된 GPU는 더 크고 복잡한 모델을 처리하면서도 전력 소비를 줄입니다. 그 결과 AI의 접근성과 실제 활용도가 높아졌습니다.

새로운 하드웨어 개선이 이루어질 때마다 생성형 AI와 컴퓨터 비전 애플리케이션 모두 더욱 강력해지고 있습니다. 이러한 발전은 실시간 AI를 더 빠르고 효율적으로 만들며 더 많은 산업에서 활용할 수 있도록 합니다.

생성형 AI가 객체 탐지 모델을 변화시키는 방식#

생성형 AI가 컴퓨터 비전에 미치는 영향을 묻자 Jing Qiu는 AI가 이미지의 가장 중요한 부분에 집중하도록 돕는 모델인 트랜스포머가 AI의 이미지 이해 및 처리 방식을 바꾸었다고 답했습니다. 첫 번째 주요 단계는 DETR(Detection Transformer)로, 이 새로운 접근 방식을 객체 탐지에 적용했습니다. 정확도는 개선했지만 성능 문제가 있어 일부 상황에서는 속도가 느렸습니다.

이를 해결하기 위해 연구자들은 RT-DETR과 같은 하이브리드 모델을 만들었습니다. 이 모델은 합성곱 신경망(CNN, 이미지에서 특징을 자동으로 학습하고 추출하는 딥러닝 모델)과 트랜스포머를 결합해 속도와 정확도의 균형을 맞춥니다. 이 접근 방식은 객체 탐지 속도를 높이면서 트랜스포머의 이점을 활용합니다.

흥미롭게도 YOLOv10은 트랜스포머 기반 어텐션 레이어(이미지에서 덜 중요한 세부 사항은 무시하고 가장 중요한 영역을 강조하는 스포트라이트처럼 작동하는 모델 구성 요소)를 사용해 성능을 높입니다.

Ao Wang은 생성형 AI가 모델 학습 방식도 바꾸고 있다고 언급했습니다. 마스크 이미지 모델링과 같은 기법은 AI가 이미지에서 더 효율적으로 학습하도록 도와 대규모 수동 레이블링 데이터셋의 필요성을 줄입니다. 덕분에 컴퓨터 비전 학습이 더 빨라지고 리소스 소모가 줄어듭니다.

생성형 AI와 비전 AI의 미래#

패널에서 논의한 또 다른 주요 아이디어는 생성형 AI와 비전 AI를 결합해 더욱 뛰어난 모델을 구축하는 방법이었습니다. Glenn Jocher는 두 접근 방식의 강점이 서로 다르지만 이를 결합하면 새로운 가능성이 열릴 수 있다고 설명했습니다.

예를 들어 YOLO와 같은 비전 AI 모델은 객체를 식별하기 위해 이미지를 격자로 나누는 경우가 많습니다. 이러한 격자 기반 방식은 언어 모델이 세부 사항을 정확히 찾아내고 설명하는 능력을 높이는 데 도움이 될 수 있습니다. 이는 오늘날 많은 언어 모델이 어려움을 겪는 과제입니다. 요컨대 이러한 기법을 결합하면 시각 정보를 정확하게 탐지하고 명확하게 설명하는 시스템을 만들 수 있습니다. 일부 비전 언어 모델은 이미 두 기능을 모두 수행하며, VLM 리더보드는 객체 탐지 성능을 추적합니다.

그림 3. 생성형 AI와 비전 AI의 미래. 이미지 제공: 저자.

핵심 요점#

생성형 AI와 컴퓨터 비전은 함께 발전하고 있습니다. 생성형 AI는 이미지와 비디오를 만드는 한편, 비전 AI 모델의 정확성과 효율성을 높일 수 있는 새로운 아이디어를 제공해 이미지 및 비디오 분석도 개선합니다.

YV24 패널 토론에서 Glenn Jocher, Jing Qiu, Ao Wang은 이러한 기술이 미래를 어떻게 만들어 가는지에 대한 의견을 나눴습니다. AI 하드웨어가 개선되면 생성형 AI와 비전 AI는 계속 발전해 더욱 큰 혁신을 이끌 것입니다. 이 두 분야는 일상에서 더 스마트하고 빠르며 유용한 AI를 만들기 위해 협력하고 있습니다.

커뮤니티에 참여하고 GitHub 저장소를 살펴보며 Vision AI에 대해 자세히 알아보세요. 컴퓨터 비전 프로젝트를 시작하려면 라이선스 옵션을 확인해 보세요. 제조 분야의 AI나 자율주행의 컴퓨터 비전과 같은 혁신에 관심이 있으신가요? 솔루션 페이지를 방문해 더 자세히 알아보세요.