컴퓨터 비전 작업에 Google Gemini 2.5 직접 활용

AI의 발전은 빠르게 진행되고 있으며, 새로운 혁신이 거의 매일 헤드라인을 장식하고 있습니다. 최근의 이러한 획기적인 발전 중 하나가 3월 26일에 출시된 Google DeepMind의 최신 멀티모달 모델인 Gemini 2.5입니다. 기존 대규모 언어 모델(LLMs)은 방대한 양의 데이터로부터 학습하여 사람과 유사한 텍스트를 생성할 수 있지만, Gemini 2.5는 그 이상을 수행합니다.

Gemini 2.5는 이미지, 오디오, 동영상을 처리할 수 있는 “사고 모델”로 설계되었습니다. 향상된 추론 및 코딩 능력을 갖추고 있습니다. 특히 기계가 객체 감지, 이미지 캡셔닝, 광학 문자 인식(OCR)과 같은 시각 데이터를 해석하고 분석하는 컴퓨터 비전 작업에서도 뛰어난 성능을 발휘합니다.

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

이 글에서는 Gemini 2.5의 컴퓨터 비전 기능을 직접 경험하는 데 도움이 되는 Ultralytics의 노트북 중 하나를 살펴봅니다. 또한 Gemini 2.5의 주요 기능을 자세히 살펴보고, 실제 애플리케이션을 위한 컴퓨터 비전 솔루션을 구축하는 데 어떻게 사용할 수 있는지 소개합니다. 시작해 보겠습니다!

Gemini 2.5 개요: 기능 및 역량#

최근 출시된 Gemini 2.5 모델 시리즈의 첫 번째 버전은 Gemini 2.5 Pro의 실험적 릴리스입니다. 답변을 제공하기 전에 응답을 충분히 검토하여 복잡한 문제를 처리하도록 설계되었습니다. 강화 학습(모델이 피드백을 통해 학습하는 방식)과 사고 연쇄 프롬프팅(문제를 단계별로 해결하는 접근 방식)과 같은 방법을 사용합니다.

주요 기능 중 하나는 100만 개의 토큰(대략 100만 개의 단어 또는 단어 조각)을 담을 수 있으며 200만 개까지 확장될 것으로 예상되는 방대한 컨텍스트 윈도우입니다. 이를 통해 모델이 한 번에 많은 정보를 받아들일 수 있어 더욱 상세하고 정확한 결과를 생성할 수 있습니다.

언어 처리뿐 아니라 Gemini 2.5는 다음과 같은 컴퓨터 비전 작업에도 사용할 수 있습니다.

• 객체 감지: 이미지 내 객체를 식별하고 위치를 찾는 과정입니다. 감시나 자율주행 자동차와 같은 애플리케이션에 사용할 수 있습니다.

• 이미지 캡셔닝: 이미지에 대한 설명 텍스트를 생성하는 작업입니다. 시각적 콘텐츠를 더욱 쉽게 접근하고 이해할 수 있도록 합니다.

• 광학 문자 인식: 이미지에 있는 텍스트를 편집 가능한 기계 판독용 텍스트로 변환하는 기술입니다. 문서 디지털화와 데이터 입력 자동화에 유용합니다.

Google Gemini 2.5와 다른 모델의 벤치마킹 및 비교#

현재 AI 분야에는 여러 멀티모달 모델이 제공되고 있으므로 Gemini 2.5 Pro가 다른 모델과 어떻게 비교되는지 이해하는 것이 중요합니다. Google DeepMind가 공개한 벤치마킹 결과에 따르면 Gemini 2.5 Pro는 다양한 작업에서 인상적인 성능을 보여 줍니다.

예를 들어 여러 과목을 다루는 까다로운 시험을 시뮬레이션하고 고급 추론 및 일반 지식을 평가하는 Humanity’s Last Exam이라는 테스트에서 Gemini 2.5 Pro는 약 18.8%의 점수를 기록하여 약 14%를 기록한 OpenAI의 o3-mini와 같은 모델을 앞섰습니다.

그림 2. Gemini 2.5 Pro의 벤치마크 성능 개요입니다.

또한 수학 및 코딩 과제에서도 매우 뛰어난 성능을 보이며, OpenAI GPT-4.5, Claude 3.7 Sonnet, Grok 3 Beta, DeepSeek R1과 같은 모델의 성능과 대등하거나 이를 능가하는 경우가 많습니다. 이는 복잡한 작업을 처리하고 대규모 데이터를 처리하는 능력을 보여 줍니다.

Gemini 2.5 실습: Google Gemini API 사용 방법#

Gemini 2.5 Pro는 여러 플랫폼에서 사용할 수 있습니다. Google AI Studio에서 실험하거나 Gemini Advanced 사용자를 위한 Gemini 앱을 통해 액세스할 수 있습니다. Google DeepMind는 출시 발표에서 이 모델이 곧 Vertex AI에서도 지원될 예정이라고 밝혔습니다. 이러한 액세스 경로를 통해 개발자는 Gemini 2.5 Pro를 실제 AI 애플리케이션에 쉽게 사용할 수 있습니다.

그러나 복잡한 설정 없이 단 몇 분 만에 Google Gemini API를 사용하고 시작하면서 컴퓨터 비전 기능을 더 잘 이해하고 싶다면, Gemini 2.5 Pro를 사용한 객체 감지 및 이미지 캡셔닝과 같은 작업을 소개하는 Ultralytics 노트북을 확인해 보세요. 이 노트북에서 어떤 내용을 확인할 수 있는지 자세히 살펴보겠습니다.

Google Gemini 2.5 노트북으로 추론 설정하기#

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

API 키를 확보한 후에는 Ultralytics와 Google의 AI 툴킷 패키지를 비롯한 필수 라이브러리가 환경에 설치되어 있는지 확인하세요. 이 단계는 노트북에 명확하게 설명되어 있으므로 지침에 따라 작업 공간을 쉽게 설정할 수 있습니다.

모든 설정이 완료되면 아래와 같이 API 키를 입력하여 Gemini API에 연결할 수 있으며, 이를 통해 작업 공간과 모델이 연결됩니다. 그런 다음 Gemini 2.5에 이미지와 텍스트 프롬프트를 보낼 준비가 됩니다.

기본적으로 이미지와 간단한 지시(예: “이 이미지에서 객체를 감지해” 또는 “무엇이 보이는지 설명해”)를 모델에 제공하면 필요한 결과가 반환됩니다. 이 간단한 프로세스를 통해 Gemini 2.5의 컴퓨터 비전 기능을 쉽게 탐색할 수 있습니다.

Google Gemini 2.5를 사용한 객체 감지#

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

모델은 이미지를 처리하고 찾은 각 객체에 대한 좌표와 레이블 집합을 반환하며, 좌표는 정규화된 형식으로 제공됩니다. 그런 다음 Ultralytics Python 패키지의 함수를 사용하여 이러한 정규화된 값을 이미지의 실제 크기에 맞게 변환하고 아래와 같이 각 객체 주위에 명확한 바운딩 박스를 그립니다.

그림 3. Google Gemini 2.5를 사용한 객체 감지입니다.

Gemini 2.5를 사용한 이미지 캡셔닝#

노트북의 또 다른 흥미로운 예시는 Gemini 2.5 Pro를 사용한 이미지 캡셔닝입니다. 이 예시에서는 이미지에 무엇이 있는지 설명하는 자세한 캡션을 생성하도록 요청하는 이미지와 프롬프트를 모델에 제공합니다.

그러면 모델은 시각적 콘텐츠를 분석하고 이미지의 내용과 맥락을 모두 담은 여러 문장 형식의 내러티브를 반환합니다. 이 기능은 접근성을 개선하고 시각 정보를 요약하며 창의적인 스토리텔링을 향상하는 데에도 유용합니다.

Google Gemini 모델로 OCR 정확도 향상하기#

Gemini 2.5 Pro의 이미지 내 텍스트 판독 능력을 활용하는 컴퓨터 비전 작업이 OCR입니다. 노트북에서는 텍스트가 포함된 이미지와 해당 텍스트를 추출하라는 프롬프트를 모델에 제공할 수 있습니다. 모델은 이미지를 처리하고 아래와 같이 감지된 텍스트와 텍스트가 위치한 좌표를 모두 반환합니다.

그런 다음 Ultralytics Python 패키지의 함수를 사용하여 이러한 정규화된 좌표를 이미지의 실제 크기로 변환하고 텍스트 영역 주위에 바운딩 박스를 그립니다. 이 주석이 추가된 출력은 텍스트의 위치를 명확하게 보여 주므로 문서 디지털화, 데이터 입력 자동화 및 접근성 개선에 유용합니다.

그림 4. Google Gemini 2.5를 사용하여 이미지에서 텍스트 데이터를 추출하는 예시입니다.

Google Gemini 2.5의 실제 애플리케이션#

이제 Google Gemini 2.5 Pro를 다양한 컴퓨터 비전 작업에 사용하는 방법을 살펴보았으므로, 이러한 기능을 활용할 수 있는 실제 애플리케이션을 알아보겠습니다.

예를 들어 Gemini 2.5 Pro의 객체 감지 기능은 대규모 이미지 세트를 자동으로 레이블 지정하고 정리하는 데 도움을 주어 데이터셋 생성이나 콘텐츠 관리와 같은 작업을 훨씬 빠르게 수행할 수 있게 합니다. 또한 소매 및 농업과 같은 분야에서 이미지를 분석하는 데 사용할 수 있으며, 예를 들어 진열대의 제품을 감지하거나 농장 사진에서 작물 스트레스 징후를 식별할 수 있습니다.

그림 5. 식물의 상태를 분석하는 Gemini 2.5 Pro입니다.

한편 모델의 이미지 캡셔닝 기능은 시각 장애가 있는 사용자가 이미지에 무엇이 있는지 이해하는 데 도움을 줄 수 있습니다. 예를 들어 혼잡한 거리의 사진이 있다면 모델은 차량 유형, 보행자의 활동, 조명 단서를 기반으로 한 시간대까지 언급하며 장면을 자세히 설명하는 캡션을 생성할 수 있습니다.

이와 함께 Gemini 2.5의 OCR 기능은 다양한 애플리케이션에 사용할 수 있습니다. 예를 들어 페이지나 영수증을 스캔하여 인쇄된 문서를 디지털화할 수 있습니다. 이 기능은 데이터 입력 작업 자동화, 양식 처리, 명함 및 표지판의 텍스트 판독에 이상적입니다.

전반적으로 Google Gemini 2.5 Pro는 다양한 실용적인 AI 애플리케이션으로 향하는 길을 열어 줍니다.

핵심 요점#

Google Gemini 2.5 Pro는 텍스트 생성 및 분석을 넘어 객체 감지, 이미지 캡셔닝, OCR과 같은 컴퓨터 비전 작업에도 사용할 수 있습니다. 방대한 컨텍스트 윈도우와 향상된 추론 기능을 바탕으로 실제 시나리오에서 효과적으로 작동하는 상세하고 맥락을 인식하는 결과를 생성합니다.

AI 모델이 계속 발전함에 따라 Gemini 2.5 Pro와 같은 도구는 여러 산업에서 복잡한 문제를 더욱 쉽게 해결할 수 있도록 지원하고 있습니다. 시각적 이해부터 언어 처리까지 광범위한 작업을 처리할 수 있는 유연한 멀티모달 솔루션을 찾는 조직이 늘어나면서 AI의 도입은 더욱 확대될 가능성이 높습니다.

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