REVA는 마드리드에 본사를 둔 B2B 프롭테크 기업으로, 동영상을 활용해 부동산 업계가 대규모로 부동산을 관리하고 감사하며 마케팅할 수 있도록 지원합니다. 중개인과 현장 직원은 REVA 모바일 앱에서 표준화된 부동산 현장 점검 동영상을 촬영합니다. 앱은 방마다 이동할 수 있도록 안내하고 각 클립에 GPS 위치와 촬영 시간을 저장합니다. 스페인과 포르투갈 전역의 대출 서비스 업체, 투자 펀드, 자산 관리자, 법률 조정자, 중개업체는 REVA의 웹 대시보드에서 각 부동산을 검토하고, REVA VAM 비즈니스 플랫폼을 이용해 자체 시스템에 필요한 데이터를 받습니다.
2022년 이후 REVA는 플랫폼 가동률 99% 이상을 유지하며 약 18,000개의 동영상을 처리했습니다. 이 중 약 12,800개는 대출 서비스 업체 Hipoges를 위한 것이며, Hipoges의 2026년 처리량은 2025년보다 53% 증가하고 있습니다.
부동산 동영상을 게시 가능하고 유용하게 만들기#
부동산 운영 업체에는 수천 채의 주택에 대한 신뢰할 수 있는 시각적 기록이 필요하며, 이 기록은 두 가지 목적을 모두 충족해야 합니다. 매물 포털과 고객 시스템에 게시할 수 있어야 하며, 판독 가능한 번호판, 식별 가능한 사람, 경쟁사 브랜드가 포함되어서는 안 됩니다. 또한 운영에도 유용해야 합니다. 즉, 집 안에 무엇이 있는지, 상태는 어떤지, 임차인의 입실과 퇴실 사이에 무엇이 바뀌었는지를 확인할 수 있어야 합니다.
최근까지 업계에는 세 가지 선택지가 있었습니다. 영상을 검토하지 않은 채 두거나, 모든 동영상을 사람이 직접 시청하도록 비용을 지불하거나, 촬영 자체를 생략하는 것이었습니다. 새 임차인이 입주하기 전에 여러 차례 촬영하는 주택이 수만 채에 달하는 포트폴리오에는 어느 방법도 확장성이 없습니다.
REVA는 컴퓨터 비전으로 이러한 격차를 해소할 기회를 발견했지만, 부동산 동영상에는 범용 감지 파이프라인이 처리하도록 설계되지 않은 다음과 같은 문제가 있습니다.
- 자유로운 핸드헬드 촬영 영상: 중개인은 걸으며 말하는 동안 휴대전화로 촬영하므로 모션 블러, 빠른 패닝, 세로형 동영상, 프레임 가장자리부터 들어오는 물체가 발생합니다.
- 동영상 단위의 기준: 고객은 번호판, 얼굴, 표지판이 나타나는 모든 프레임에서 가려지기를 요구합니다. 동영상에서 번호판이 노출되었거나 노출되지 않았거나 둘 중 하나이므로, 프레임 단위 정확도만으로는 충분하지 않습니다.
- 개방형 어휘: 주택에는 재고 목록이나 보증금 청구에 중요한 물품이 수백 가지 있습니다. 커피 메이커, 라디에이터, 식기 건조대 등이 그 예이며, 이러한 물품 대부분은 표준 학습 데이터셋에 포함되어 있지 않습니다.
- 개인정보 보호 및 데이터 레지던시: 영상에는 사람이 거주 중인 주택 내부가 담기므로 처리, 라벨링, 학습은 GDPR에 따라 REVA가 관리하는 하드웨어에서 이루어져야 합니다.
- 소규모 팀으로 대규모 처리: Hipoges 한 곳에서만 REVA에 매월 약 700개의 동영상을 보냅니다.
Ultralytics YOLO로 번호판 가리기 자동화#
REVA의 비전 스택은 Ultralytics Python 패키지를 기반으로 하며, REVA 자체 온프레미스 GPU에서 전적으로 실행되므로 고객 영상이 인프라 밖으로 나가지 않습니다. 프로덕션에 처음 도입된 계층은 번호판 자동 가리기입니다.
REVA는 2026년 1월 Ultralytics Solutions의 객체 블러링 도구로 시작한 뒤, 커스텀 미세 조정한 Ultralytics YOLO11 엑스트라 라지(YOLO11x) 단일 클래스 번호판 감지기를 중심으로 자체 파이프라인을 구축했습니다. 업로드가 완료되면 모델은 해당하는 모든 동영상의 모든 프레임을 스캔합니다. 각 감지 결과에 종횡비와 면적을 기준으로 기하학적 타당성 검사를 적용하고, 선택적으로 OCR 검사도 수행한 뒤 가우시안 블러를 적용합니다. 동일한 감지기의 나노 버전은 사양이 낮은 하드웨어용으로 준비되어 있습니다.
고객은 가리기 여부를 동영상 단위로 판단하므로, REVA는 단일 프레임 정확도보다 커버리지를 중심으로 파이프라인을 설계합니다. 객체 추적과 시간적 팽창을 사용해 핸드헬드 영상의 빠른 패닝과 모션 블러 중에도 번호판이 계속 흐리게 처리되도록 합니다.
개방형 어휘 감지로 모든 방을 파악하기#
이제 동일한 현장 점검 동영상으로 객체 목록, 매물 태그, 입실 및 퇴실 점검 기록을 생성하고 있습니다. 각 클립에서 초당 2프레임을 샘플링한 뒤 두 가지 Ultralytics 모델에 전달합니다.
- BoT-SORT 추적 기능을 적용한 YOLO11x: Ultralytics 추적 모드를 사용해 REVA는 침대, 소파, 냉장고, 싱크대 등 부동산과 관련된 25개 객체 클래스를 감지하고, 각 추적 객체의 화면 표시 시간과 평균 신뢰도를 집계합니다.
- 텍스트 프롬프트를 사용하는 Ultralytics YOLOE-26x: Ultralytics YOLO26E를 사용하면 새 데이터셋에 라벨을 지정하는 대신 일반 텍스트로 새 클래스를 정의할 수 있습니다. 매물 데이터에 맞춘 97개 용어의 어휘를 통해 아일랜드형 주방 조리대, 워크인 샤워실, 원목 바닥, 태양광 패널, 전기차 충전기와 같은 특징을 찾아냅니다. 텔레비전과 소파부터 액자와 플로어 램프까지 청구 대상 물품을 포함하는 계층형 74개 클래스 어휘는 임차인 교체 점검을 지원합니다.
REVA는 처음에 개방형 어휘 감지에 YOLO-World v2를 사용했으며, 이후 이를 대체하는 모델로 YOLOE-26x를 도입했습니다. 이제 고객을 위해 새 물품 유형을 추가할 때는 라벨링 프로젝트 대신 텍스트 프롬프트를 사용합니다.
그림 1. YOLO 감지 결과와 함께 입실 및 퇴실 프레임을 비교하는 REVA의 증거 검토 화면입니다. 이미지는 REVA에 요청했습니다.
감사 결과물은 증거 검토 화면입니다. 일치하는 각 방이나 구역에 대해 입실 및 퇴실 프레임을 나란히 보여주고, 양쪽의 신뢰도가 높은 물품 목록과 "입실 시에만 확인됨" 또는 "가시성 변화"와 같은 우선순위별 힌트를 표시합니다. CLIP 임베딩은 방문 간 방을 매칭하고, 중개인의 설명 음성을 전사해 각 방에 라벨을 지정합니다. 검토자는 각 플래그를 확인하거나 해제하고 보증금 청구 요약을 내보내므로, 사람은 예외 항목만 살펴보면 됩니다.
프레임이 아닌 동영상 단위로 성공 측정하기#
REVA는 mAP를 목표가 아닌 진단 지표로 취급합니다. 고객에게 중요한 것은 게시된 동영상이 규정을 완전히 준수하는지 여부이므로, 팀은 동영상 단위 기준을 적용해 벤치마크를 수행합니다. 번호판, 얼굴, 광고판이 보이는 모든 프레임에서 해당 항목을 가려야 합니다.
차세대 가리기 모델이 이 기준을 일관되게 충족하도록 REVA는 주석 작업에 CVAT를, 데이터 큐레이션에 FiftyOne을 사용하는 온프레미스 학습 워크플로를 구축하고 있습니다. 문서화된 주석 지침을 사용하며, 거의 동일한 프레임이 학습 데이터와 테스트 데이터 사이에 섞이지 않도록 동영상 단위로 학습 및 테스트 데이터를 분할하고, 별도의 테스트 세트를 영구적으로 보류합니다. 동일한 테스트 세트를 사용해 소형 및 중형 YOLO 모델 크기를 현재의 엑스트라 라지 모델과 비교 벤치마크하여 프로덕션 GPU에서 처리량을 높일 계획입니다.
포트폴리오 규모에 맞는 규정 준수 동영상#
Ultralytics YOLO가 해당하는 모든 업로드에서 실행되면서 번호판 가리기는 더 이상 누군가가 각 동영상을 시청해야만 이루어지는 작업이 아닙니다. 처리량이 증가함에 따라 이 점이 중요해집니다. Hipoges 한 곳에서만 2026년에 REVA로 매월 약 700개의 동영상을 보내며, 이는 2025년보다 53% 증가한 수치입니다. REVA 플랫폼은 약 18,000개의 동영상을 처리하는 동안 99% 이상의 가동률을 유지했습니다.
YOLOE를 사용한 개방형 어휘 감지는 동일한 자동화를 운영 업무로 확장합니다. 수동으로 현장 점검 결과를 검토하는 대신, 이제 임차인 교체 점검은 나타나거나 사라졌거나 상태가 바뀐 중요 물품을 보여주는 나란히 비교된 증거 화면으로 시작합니다. 중요도가 낮은 물품은 집계하되 필터링하므로, 검토자는 보증금 청구를 뒷받침할 수 있는 플래그에 시간을 할애합니다.
휴대전화에서 드론까지: 모든 부동산에 적용되는 하나의 YOLO 스택#
REVA는 안내에 따라 한 번 현장 점검을 하면 규정 준수 게시와 상태 기록부터 구조화된 매물 데이터, 평면도, 3D에 이르기까지 모든 후속 요구를 충족하는 부동산 데이터 플랫폼을 지향합니다. Ultralytics YOLO는 이 로드맵 전반에 공통으로 적용되는 계층입니다.
- GDPR 및 고객 규정을 위한 단일 가리기 모델: 번호판, 얼굴, 광고판을 처리하고 REVA 자체 영상으로 학습해 동영상 단위 기준 98%를 충족하는 단일 사내 모델입니다.
- 라벨 자동 태그 지정: RESO 데이터 사전에 맞춘 부동산 특징 모델을 사용하고, 드물게 등장하는 특징은 YOLOE로 처리합니다.
- 평면도 및 3D: 기존 중개인 클립에서 문, 창문, 벽, 방 경계를 YOLO 세그멘테이션하여 전용 카메라 없이 평면도와 3D를 추정하기 위한 기반으로 삼습니다.
- 자율 드론 촬영: 250g 미만의 실내 드론 프로토타입으로, 빈집을 스캔해 3D 재구성을 수행하는 동안 실시간 카메라 피드에서 YOLO 객체 감지를 실행합니다.
- 더 빠른 배포: 모델을 ONNX 및 TensorRT FP16으로 내보내고 이후 INT8도 지원하며, 드론에 탑재해 추론을 수행할 수 있도록 Jetson급 임베디드 하드웨어에서 TensorRT를 실행합니다.
REVA의 목표는 휴대전화에서 드론까지 하나의 감지기 제품군을 사용하는 것입니다. 중개인 동영상을 분석하는 것과 동일한 YOLO 스택으로 드론 영상도 분석합니다.
직접 Vision AI 솔루션을 구축하는 데 관심이 있으신가요? Ultralytics YOLO 모델을 살펴보고, YOLO가 다양한 산업 분야의 혁신을 어떻게 이끄는지 알아본 다음, 시작에 필요한 라이선스 옵션을 확인해 보세요.
