컴퓨터 비전 작업에 Google Gemini 2.5를 직접 활용해 보세요.

AI의 발전은 빠르게 진행되고 있으며, 거의 매일 새로운 혁신이 화제가 되고 있습니다. 그중 하나인 Gemini 2.5는 Google DeepMind가 2025년 3월 26일에 출시한 멀티모달 모델입니다. 기존 대규모 언어 모델(LLM)은 방대한 데이터를 학습해 사람과 유사한 텍스트를 생성할 수 있지만, Gemini 2.5는 그 이상의 기능을 제공합니다.

Gemini 2.5는 이미지, 오디오, 비디오를 처리할 수 있는 '추론 모델'로 설계되었습니다. 추론 및 코딩 능력도 향상되었습니다. 또한 기계가 시각 데이터를 해석하고 분석하는 컴퓨터 비전 작업, 예를 들어 객체 탐지, 이미지 캡셔닝, 광학 문자 인식(OCR)에서도 우수한 성능을 보입니다.

그림 1. Gemini 2.5를 사용해 이미지 내용을 이해하는 예시입니다.

이 글에서는 Gemini 2.5의 컴퓨터 비전 기능을 직접 체험하는 데 도움이 되는 Ultralytics 노트북 하나를 안내하겠습니다. 또한 Gemini 2.5의 주요 기능을 자세히 살펴보고 실제 애플리케이션을 위한 컴퓨터 비전 솔루션을 구축하는 데 활용하는 방법을 소개합니다.

Gemini 2.5 개요: 기능과 역량#

Gemini 2.5 모델 시리즈의 첫 번째 버전은 실험적으로 출시된 Gemini 2.5 Pro였습니다. 답변하기 전에 충분히 사고하여 복잡한 문제를 처리하도록 설계되었습니다. 강화 학습(모델이 피드백을 통해 학습하는 방식)과 사고 연쇄 프롬프팅(문제를 단계별로 해결하는 접근 방식) 등의 기법을 사용합니다.

주요 기능 중 하나는 100만 토큰(약 100만 개의 단어 또는 단어 조각)을 담을 수 있고 200만 토큰까지 확장될 것으로 예상되는 방대한 컨텍스트 윈도우입니다. 따라서 모델은 한 번에 많은 정보를 입력받아 더욱 상세하고 정확한 결과를 도출할 수 있습니다.

언어 처리 외에도 Gemini 2.5는 다음과 같은 컴퓨터 비전 작업에 활용할 수 있습니다.

• 객체 감지: 이미지 안의 객체를 식별하고 위치를 찾는 과정입니다. 감시나 자율주행차와 같은 애플리케이션에 활용할 수 있습니다.
• 이미지 캡셔닝: 이미지에 대한 설명 텍스트를 생성하는 작업입니다. 시각 콘텐츠의 접근성을 높이고 이해하기 쉽게 만들어 줍니다.
• 광학 문자 인식: 이 기술은 이미지에서 텍스트를 추출해 편집할 수 있고 기계가 읽을 수 있는 텍스트로 변환합니다. 문서를 디지털화하고 데이터 입력을 자동화하는 데 유용합니다.

Google Gemini 2.5 벤치마킹 및 다른 모델과의 비교#

현재 AI 분야에는 여러 멀티모달 모델이 있으므로 Gemini 2.5 Pro를 다른 모델과 비교해 이해하는 것이 중요합니다. Google DeepMind가 공개한 벤치마크 결과에 따르면 Gemini 2.5 Pro는 다양한 작업에서 인상적인 성능을 보여줍니다.

예를 들어, 여러 과목을 아우르는 까다로운 시험을 모의하고 고급 추론 및 일반 지식을 평가하는 Humanity’s Last Exam에서 Gemini 2.5 Pro는 약 18.8%의 점수를 기록해 약 14%를 기록한 OpenAI의 o3-mini와 같은 모델을 능가합니다.

그림 2. Gemini 2.5 Pro의 벤치마크 성능 개요.

수학 및 코딩 문제에서도 매우 뛰어난 성능을 보이며, OpenAI GPT-4.5, Claude 3.7 Sonnet, Grok 3 Beta, DeepSeek R1과 같은 모델의 성능에 필적하거나 이를 뛰어넘는 경우가 많습니다. 이는 복잡한 작업을 처리하고 방대한 데이터를 다루는 능력을 보여줍니다. 객체 탐지의 경우 Gemini 4 Argon과 Gemini 3.8 Flash 같은 최신 Gemini 모델을 VLM 리더보드에서 다른 멀티모달 모델과 비교합니다.

Gemini 2.5 직접 사용해 보기: Google Gemini API 사용 방법#

Gemini 2.5 Pro는 여러 플랫폼에서 사용할 수 있습니다. Google AI Studio에서 실험해 볼 수 있으며 Gemini Advanced 사용자라면 Gemini 앱을 통해 이용할 수 있습니다. Google DeepMind는 출시 발표에서 Vertex AI도 이 모델을 지원할 예정이라고 밝혔습니다. 이러한 접근 경로를 통해 개발자는 실제 AI 애플리케이션에 Gemini 2.5 Pro를 쉽게 활용할 수 있습니다.

복잡한 설정 없이 몇 분 만에 Google Gemini API를 사용하고 시작하려는 경우, 그리고 컴퓨터 비전 기능을 더 잘 이해하고자 하는 경우, Gemini 2.5 Pro를 사용한 객체 감지 및 이미지 캡셔닝 작업을 보여 주는 Ultralytics 노트북을 확인할 수 있습니다. 노트북에서 무엇을 할 수 있는지 자세히 살펴보겠습니다.

Google Gemini 2.5 노트북에서 추론 설정하기#

Ultralytics 노트북을 시작하고 Google Gemini 2.5를 사용하려면 먼저 Google AI Studio에서 API 키를 생성해야 합니다. 이 키를 사용하면 Gemini API에 액세스하여 모델을 사용할 수 있습니다.

API 키를 발급받은 후에는 환경에 필요한 라이브러리가 설치되어 있는지 확인하세요. 여기에는 Ultralytics와 Google AI 툴킷의 패키지가 포함됩니다. 이 단계는 노트북에 명확히 설명되어 있으므로 안내에 따라 작업 공간을 쉽게 설정할 수 있습니다.

모든 설정을 마쳤다면 아래와 같이 API 키를 입력해 Gemini API에 연결할 수 있습니다. 이렇게 하면 작업 공간과 모델이 연결됩니다. 그런 다음 Gemini 2.5에 이미지와 텍스트 프롬프트를 보낼 수 있습니다.

기본적으로 이미지와 간단한 지시(예: “이 이미지에서 객체를 감지해” 또는 “무엇이 보이는지 설명해”)를 모델에 입력하면 필요한 결과를 반환합니다. 이 간단한 과정을 통해 Gemini 2.5의 컴퓨터 비전 기능을 쉽게 살펴볼 수 있습니다.

Google Gemini 2.5를 사용한 객체 감지#

노트북의 주요 예시 중 하나는 Gemini 2.5 Pro를 사용한 객체 감지입니다. 이 예시에서는 이미지와 객체를 감지하라는 간단한 프롬프트를 모델에 입력합니다.

모델은 이미지를 처리하고 감지한 각 객체의 좌표와 레이블을 반환합니다. 좌표는 정규화된 형식으로 제공됩니다. 그런 다음 Ultralytics Python 패키지의 함수를 사용해 정규화된 값을 이미지의 실제 크기에 맞게 변환하고, 아래와 같이 각 객체 주변에 명확한 바운딩 박스를 그립니다.

그림 3. Google Gemini 2.5를 사용한 객체 감지.

Gemini 2.5를 사용한 이미지 캡셔닝#

노트북의 또 다른 흥미로운 예시는 Gemini 2.5 Pro를 사용한 이미지 캡셔닝입니다. 이 예시에서는 이미지와 함께 이미지에 무엇이 있는지 설명하는 상세 캡션을 생성하라는 프롬프트를 모델에 제공합니다.

그러면 모델은 시각적 콘텐츠를 분석하고, 이미지의 내용과 맥락을 모두 담은 여러 문장으로 구성된 설명을 반환하는 경우가 많습니다. 이 기능은 접근성을 높이고 시각 정보를 요약하며 창의적인 스토리텔링을 향상하는 데에도 유용합니다.

Google Gemini 모델로 OCR 정확도 높이기#

Gemini 2.5 Pro의 이미지 내 텍스트 판독 기능을 활용하는 컴퓨터 비전 작업으로 OCR이 있습니다. 노트북에서 텍스트가 포함된 이미지와 함께 해당 텍스트를 추출하라는 프롬프트를 모델에 입력할 수 있습니다. 그러면 모델은 이미지를 처리하고 아래와 같이 감지한 텍스트와 텍스트가 있는 좌표를 모두 반환합니다.

그런 다음 Ultralytics Python 패키지의 함수를 사용해 정규화된 좌표를 이미지의 실제 크기로 변환하고 텍스트 영역 주위에 바운딩 박스를 그립니다. 이렇게 주석을 추가한 결과물에서는 텍스트의 위치를 명확히 확인할 수 있으므로 문서 디지털화, 데이터 입력 자동화, 접근성 개선에 유용합니다.

그림 4. Google Gemini 2.5를 사용해 이미지에서 텍스트 데이터 추출.

Google Gemini 2.5의 실제 활용 사례#

Google Gemini 2.5 Pro를 다양한 컴퓨터 비전 작업에 활용하는 방법을 살펴봤으니, 이러한 기능을 적용할 수 있는 실제 사례를 알아보겠습니다.

예를 들어 Gemini 2.5 Pro의 객체 탐지 기능은 대량의 이미지를 자동으로 라벨링하고 정리하는 데 도움이 되어 데이터셋 생성이나 콘텐츠 관리와 같은 작업을 훨씬 빠르게 처리할 수 있습니다. 또한 소매업과 농업 분야의 이미지 분석에도 활용할 수 있습니다. 예를 들어 매대의 제품을 탐지하거나 농장 사진에서 작물 스트레스 징후를 식별할 수 있습니다.

그림 5. 식물의 건강 상태를 분석하는 Gemini 2.5 Pro.

한편 모델의 이미지 캡셔닝 기능은 시각 장애가 있는 사용자가 이미지 속 내용을 이해하도록 도울 수 있습니다. 예를 들어 번잡한 거리 사진을 입력하면 모델은 차량 종류와 보행자의 움직임, 조명으로 추정한 시간대까지 언급하며 장면을 상세히 설명하는 캡션을 생성할 수 있습니다.

이와 더불어 Gemini 2.5의 OCR 기능은 다양한 애플리케이션에 활용할 수 있습니다. 예를 들어 페이지나 영수증을 스캔해 인쇄 문서를 디지털화할 수 있습니다. 이 기능은 데이터 입력 작업 자동화, 양식 처리, 명함과 안내 표지판의 텍스트 판독에 적합합니다.

전반적으로 Google Gemini 2.5 Pro는 다양한 실용적인 AI 애플리케이션의 가능성을 열어 줍니다.

핵심 요점#

Google Gemini 2.5 Pro는 텍스트 생성과 분석을 넘어 객체 감지, 이미지 캡셔닝, OCR과 같은 컴퓨터 비전 작업에도 사용할 수 있습니다. 방대한 컨텍스트 윈도우와 향상된 추론 기능을 바탕으로 실제 상황에 적합한 상세하고 맥락을 고려한 결과를 생성합니다.

AI 모델이 계속 발전하면서 Gemini 2.5 Pro와 같은 도구는 다양한 산업 분야의 복잡한 문제를 더 쉽게 해결하도록 돕고 있습니다. 더 많은 조직이 시각적 이해부터 언어 처리까지 폭넓은 작업을 처리할 수 있는 유연한 멀티모달 솔루션을 찾으면서 AI 도입은 더욱 확대될 가능성이 높습니다.

커뮤니티에 참여하고 GitHub 저장소에서 AI 프로젝트를 알아보세요. 솔루션 페이지에서 농업 분야의 비전 AI 적용 사례와 제조업에서의 AI의 역할을 확인해 보세요. 라이선스 플랜을 살펴보고 지금 컴퓨터 비전 솔루션을 구축해 보세요!