Ultralytics YOLO를 사용해 Prezent는 정확도를 65%에서 87%로 높이고 학습 시간을 3일에서 1일로 단축했으며 슬라이드 처리 시간을 10초 미만으로 줄였습니다.
프레젠테이션은 비즈니스 회의에서 명확하게 소통하는 데 중요하지만, 영향력과 정보 전달력을 모두 갖추도록 프레젠테이션을 다시 디자인하는 일은 어려울 수 있습니다. Prezent는 AI를 사용해 제목, 텍스트, 이미지, 차트와 같은 슬라이드 요소를 탐지하고 이해함으로써 다시 디자인한 슬라이드가 명확하고 시각적으로 매력적이며 따라가기 쉽도록 합니다.
Prezent는 슬라이드 요소 탐지를 위한 다양한 도구를 테스트하면서 많은 도구가 레이아웃과 정보 계층 구조를 흐트러뜨려 프레젠테이션의 일관성을 떨어뜨린다는 점을 발견했습니다. Ultralytics YOLO 모델을 통합함으로써 Prezent는 프로세스를 간소화하고 최소한의 노력으로 슬라이드 요소를 더 빠르고 원활하며 전문적으로 탐지할 수 있게 되었습니다.
AI로 슬라이드 재구성을 더 빠르고 스마트하게#
Prezent는 재구성 프로세스를 자동화해 C레벨 임원과 비즈니스 팀이 명확하고 전문적인 프레젠테이션을 만들도록 지원합니다. 기존에는 수동 템플릿과 인력에 의존했기 때문에 작업 속도가 느리고 비효율적이었습니다.
효율성을 높이기 위해 Prezent는 컴퓨터 비전과 AI를 도입해 원래 레이아웃을 유지하면서 슬라이드 서식을 자동화했습니다. 객체 탐지 모델을 사용해 플랫폼은 이제 슬라이드 콘텐츠를 자동으로 탐지하고 정리함으로써 사용자의 입력을 최소화하고 더 빠르고 원활하게 슬라이드를 재구성합니다. 이를 통해 Prezent는 프레젠테이션이 명확하고 시각적으로 매력적이며 따라가기 쉽도록 합니다.
AI 기반 슬라이드 재구성의 장애물#
훌륭한 프레젠테이션은 단순히 정보를 전달하는 데 그치지 않고 명확성, 구조, 영향력을 갖춰야 합니다. 하지만 슬라이드를 더 흥미롭게 보이도록 수동으로 재설계하는 데는 시간과 노력이 듭니다. 회의에서 프레젠테이션을 자주 활용하는 C-suite 임원과 비즈니스 팀에는 느리고 번거로운 재설계 과정이 큰 과제였습니다.
Prezent는 슬라이드 재설계를 자동화하려 했지만, 중요한 장애물이 있었습니다. 슬라이드 요소를 감지하고 재배치하면서 어떻게 모든 요소를 제자리에 유지할 수 있을까요? 기존 도구는 텍스트를 추출할 수 있었지만 제목, 이미지, 차트의 배치를 인식하지 못해 레이아웃을 자주 망가뜨렸습니다.
처음에 Prezent는 오픈 소스 객체 탐지 모델을 사용했지만, 정확도가 낮고(60~65%) 처리 속도가 느리며 레이아웃을 여전히 수동으로 수정해야 하는 한계가 있었습니다. 이 과정을 완전히 자동화하려면 구조를 훼손하지 않고 슬라이드 요소를 정확히 감지해 재설계할 수 있는 더 빠르고 스마트한 Vision AI 솔루션이 필요했습니다. 이때 컴퓨터 비전과 AI를 활용해 프로세스를 원활하게 만들기로 했습니다.
슬라이드 요소 탐지를 위한 Prezent의 Vision AI 솔루션#
레이아웃을 유지하면서 슬라이드 재설계를 자동화하기 위해 Prezent는 Ultralytics YOLO 모델을 플랫폼에 통합했습니다. Ultralytics YOLO 모델은 객체 탐지를 포함한 다양한 컴퓨터 비전 작업을 지원합니다. 슬라이드를 이미지로 변환하면 YOLO가 제목, 텍스트 상자, 이미지, 차트와 같은 주요 요소를 감지하면서 원래 레이아웃을 그대로 유지합니다.
YOLO는 레이아웃 추출에서 중요한 역할을 하며, Prezent가 각 슬라이드의 구조와 계층을 유지하면서 빠르고 자동화된 재구성을 수행하도록 지원합니다. 텍스트 요소와 시각적 요소를 모두 인식함으로써 YOLO는 프레젠테이션의 기능과 세련된 디자인을 모두 유지하도록 돕습니다. 높은 정확도와 빠른 처리 속도를 갖춘 YOLO는 Prezent의 슬라이드 요소 탐지를 자동화해 수동 조정의 필요성을 줄여 줍니다.
Ultralytics YOLO 모델을 선택한 이유#
Prezent는 다른 Vision AI 모델보다 더 빠르게 학습할 수 있고 정확도가 높으며 지연 시간이 짧기 때문에 Ultralytics YOLO 모델을 선택했습니다. Prezent는 대부분의 모델 학습에 2~3일이 걸려 반복 작업과 개선이 지연된다는 점을 확인했습니다.
“일반적으로 머신러닝 모델을 학습하는 데는 상당한 시간이 걸리며, 추론 결과를 확인하려고 2~3일을 기다린 다음 정확도가 충분한지 판단해야 하는 경우가 많습니다. 하지만 YOLO를 사용하면 하루 만에 모델을 학습하고 신속하게 판단을 내리며 결과를 빠르게 학습할 수 있습니다.”라고 Prezent의 수석 데이터 과학자는 말합니다.
YOLO를 사용하면서 Prezent의 정확도는 65%에서 87%로 높아졌고, 팀은 모델을 빠르게 개선하고 성능을 향상할 수 있었습니다. 또한 YOLO의 빠른 추론 속도 덕분에 슬라이드를 10초 이내에 처리하여 실시간 자동화와 원활한 사용자 경험을 구현할 수 있습니다. Prezent는 YOLO를 통합해 효율적이고 정확한 슬라이드 재설계를 위한 안정적이고 확장 가능한 솔루션을 확보했습니다.
YOLO로 10초 이내에 슬라이드 처리#
Ultralytics YOLO 모델을 활용해 Prezent는 더 빠르고 효율적이며 정확도가 높은 슬라이드 재구성 프로세스를 구현했습니다. 슬라이드 요소를 자동으로 탐지하고 정리하는 기능을 통해 수동 작업 없이도 프레젠테이션의 원래 구조와 명확성, 시각적 매력을 유지할 수 있었습니다.
“Ultralytics YOLO를 사용하면서 처리 속도도 크게 향상되어 고객에게 완전히 처리된 슬라이드를 10초 이내에 제공할 수 있습니다. 빠른 학습 시간과 낮은 지연 시간은 워크플로를 간소화하고 재구성 품질을 높이는 데 핵심적인 역할을 했습니다.”라고 Prezent의 수석 데이터 과학자는 전했습니다.
YOLO의 실시간 처리 기능을 활용해 Prezent는 슬라이드 레이아웃 탐지를 완전히 자동화하고 수동 재구성의 비효율성을 없앨 수 있었습니다. C레벨 임원과 비즈니스 팀은 세련되고 전문적인 프레젠테이션을 즉시 생성하여 워크플로 효율성과 사용자 경험을 개선할 수 있습니다. 컴퓨터 비전과 AI를 통합한 Prezent는 생산성과 프레젠테이션 품질을 모두 높이는 확장 가능한 자동화 솔루션을 구축했습니다.
문서 분석에서 컴퓨터 비전이 나아갈 방향#
Prezent는 컴퓨터 비전 모델이 더 복잡한 레이아웃을 처리하고 문서 구조에 대한 심층적인 인사이트를 제공하는 역량이 향상되기를 기대합니다. 이를 통해 더욱 정교하고 정확한 슬라이드 재설계가 가능해질 것입니다.
잠재적인 개선 사항 중 하나는 관련 요소를 하위 범주로 그룹화하는 기능입니다. 이러한 인사이트를 통해 Vision AI 모델은 슬라이드 구성 요소 간의 계층 구조와 관계를 이해할 수 있습니다. 그 결과 재구성한 슬라이드의 구조가 개선되고 시각적 일관성이 높아져 더 쉽게 이해할 수 있습니다.
전반적으로 Prezent는 자동화와 AI 기반 솔루션에 대한 수요가 증가함에 따라 컴퓨터 비전 모델이 더욱 복잡한 작업을 더 높은 정확도와 속도로 처리하도록 계속 발전할 것으로 보고 있습니다.
Vision AI가 비즈니스를 어떻게 개선할 수 있는지 궁금하신가요? GitHub 저장소를 방문해 의료 분야의 컴퓨터 비전과 제조업 등 다양한 산업을 위한 Ultralytics의 AI 솔루션을 확인해 보세요. YOLO 모델과 라이선스 옵션이 오늘 바로 시작하는 데 어떻게 도움이 되는지 알아보세요!
