Identity Preservation

인공지능 (AI)과 머신러닝 (ML)에서 정체성 보존은 다양한 변환, 생성 주기 또는 시간적 시퀀스 전반에 걸쳐 특정 사람, 객체 또는 개체의 고유하고 식별 가능한 특성을 유지하는 알고리즘의 능력을 의미합니다. 여러 카메라 영상에서 이동하는 차량을 추적하거나 텍스트 프롬프트로 개인화된 디지털 아바타를 생성하는 경우 모두, 정체성을 보존하면 해당 인스턴스를 정의하는 핵심 특징이 온전히 일관되게 유지되어 AI가 대상을 놓치거나 왜곡하는 일을 방지할 수 있습니다.

생성형 AI에서의 정체성 보존#

생성형 AI, 특히 확산 모델과 생성적 적대 신경망 (GANs)의 급속한 발전으로 정체성 보존은 중요한 연구 분야가 되었습니다. 사용자가 AI에 특정 인물을 새로운 환경에 배치하거나 스타일 필터를 적용하도록 요청하면, 모델은 대상의 근본적인 정체성을 바꾸지 않고 이미지를 조작해야 합니다.

IP-Adapter와 정체성 일관성을 유지하는 학습 프레임워크 등 텍스트-이미지 합성 분야의 최근 혁신으로 모델의 얼굴 특징과 구조적 온전성을 유지하는 능력이 크게 향상되었습니다. 이러한 생성 모델은 ArcFace와 같은 강력한 얼굴 인식 네트워크에서 도출한 수학적 임베딩을 활용해 고유한 정체성 특성을 잠재 공간에 매핑합니다. 이를 통해 소매업의 가상 착용이나 역동적인 연령 변화 시뮬레이션과 같은 복잡한 변환을 수행하면서도 생성된 결과물이 원본 대상과 분명히 연결되도록 할 수 있습니다.

컴퓨터 비전에서의 정체성 보존#

컴퓨터 비전 (CV)에서 정체성 보존은 추적과 감시의 기반이 됩니다. 객체나 사람이 장면을 이동하거나, 가림 현상을 겪거나, 서로 다른 카메라 시점 사이를 이동할 때 시스템은 고유 ID 레이블을 부여하고 일관되게 유지해야 합니다.

이 개념은 객체 재식별 (Re-ID) 및 다중 객체 추적 (MOT)과 밀접하게 연관되어 있습니다. 기본적인 객체 추적은 시간적 연속성을 활용해 대상의 미래 위치를 예측하지만, 정체성 보존은 이 연속성이 일시적으로 끊겼을 때(예: 사람이 장애물 뒤로 걸어가는 경우) 다시 설정된 탐지 결과가 순전히 시각적 특징을 바탕으로 원래 정체성과 정확하게 일치하도록 합니다. 이를 위해 모델은 실시간으로 특징 벡터 간의 코사인 유사도를 계산하는 경우가 많습니다.

정체성 보존과 데이터 프라이버시는 구분해야 합니다. 데이터 프라이버시는 개인 정보를 보호하기 위해 얼굴이나 번호판을 흐리게 처리하거나 가리는 등 의도적으로 정체성을 모호하게 하거나 삭제합니다. 반대로 정체성 보존은 분석 또는 생성 결과의 일관성을 위해 이러한 고유 특징을 적극적으로 유지하고 검증합니다.

실제 적용 사례#

정체성을 보존하면 다양한 산업 분야에서 강력하고 효율적인 기능을 구현할 수 있습니다:

• 스마트 시티 분석 및 보안: 대규모 도시 환경에 배포할 때 겹치지 않는 카메라 네트워크 전반에서 차량과 보행자의 정체성을 보존하면 동일한 개체를 두 번 계산하는 오류 없이 정확한 교통 흐름 분석, 카메라 간 추적 및 이상 탐지가 가능합니다.
• 미디어 및 엔터테인먼트: 생성 모델은 영화 제작과 게임 개발에서 일관된 디지털 더블을 만드는 데 널리 사용되며, 다양한 합성 장면과 조명 조건에서도 배우의 외형을 매끄럽게 보존할 수 있습니다.

추적에서 정체성 보존 구현#

최신 객체 추적 파이프라인은 공간적 특징과 시각적 외형 특징을 모두 활용하는 통합 트래커를 통해 정체성 보존을 관리합니다. Ultralytics Platform을 사용하면 YOLO26과 같은 Ultralytics 모델을 BoT-SORT와 같은 추적 알고리즘과 기본적으로 결합하여 정체성이 지속되도록 간편하게 배포할 수 있습니다.

다음 Python 코드 조각은 Ultralytics Python 패키지를 사용해 동영상 프레임 전반에서 객체를 추적하고 고유 ID를 보존하는 방법을 보여 줍니다:

from ultralytics import YOLO

# Load the latest YOLO26 model optimized for accuracy and speed
model = YOLO("yolo26n.pt")

# Perform tracking on a video source with persist=True for identity preservation
results = model.track(
    source="path/to/video.mp4",
    tracker="botsort.yaml",  # BoT-SORT uses appearance features to preserve ID
    persist=True,
)

# Extract and print the preserved tracking ID for the first object
if results[0].boxes.id is not None:
    print(f"Preserved Identity ID: {results[0].boxes.id[0].item()}")

탐지된 객체마다 일관된 정체성 시그니처를 유지하면 개발자는 자율주행부터 개인화된 콘텐츠 생성까지 다양한 애플리케이션을 구축할 수 있습니다. 이때 PyTorch와 같은 프레임워크를 활용해 복잡한 텐서 연산을 내부적으로 효율적으로 처리할 수 있습니다.