서울대 이경한 교수팀, 영상 분석 AI 속도 2.6배 높인 '우로보로스' 개발
김형석 기자
작성일 2026-07-14 18:03
본문
이 시스템은 연속된 영상 프레임에서 반복적으로 나타나는 시각 정보를 재사용해 비전 트랜스포머의 중복 연산을 줄이는 기술을 특징으로 한다. 영상 속 물체와 배경이 움직이더라도 이를 추적해 동일한 시각 정보를 찾아내고, 변화가 큰 부분만 선택적으로 계산한다.
연구팀은 고성능 영상 AI 모델의 정확도를 유지하면서도 연산량, 지연 시간, 에너지 소모를 크게 줄일 수 있는 기술을 제시했다는 평가를 받는다. 이에 따라 전력과 연산 자원이 제한된 환경에서 주로 동작하는 피지컬 AI, 증강현실 분야에서 실시간 영상 AI의 상용화를 앞당길 것으로 전망된다.
이번 연구 성과는 지난 6월 22일부터 사흘간 영국 케임브리지에서 열린 모바일 시스템 분야 최고 권위 국제 학술대회 'ACM 모비시스(ACM MobiSys) 2026'에서 발표되었다.
최근 비전 트랜스포머는 다양한 시각 인공지능 분야에서 높은 성능을 보이지만, 연산량과 메모리 사용량이 커 엣지 디바이스에서 실시간 활용하기 어렵다는 한계가 있었다. 기존의 비디오 AI 경량화 기법들은 카메라 흔들림이나 물체 움직임 시 중복성 판단에 한계가 있었다.
이경한 교수팀은 하드웨어 비디오 인코더가 제공하는 움직임 정보를 활용해 연속된 프레임이 공유하는 같은 시각 정보를 찾아내고, 이전 프레임의 계산 결과를 재활용할 수 있도록 했다. 또한 화면의 좌우·상하 경계를 이어 붙인 순환형 입력 공간과 위치 인코딩 재배치 기술을 결합해, 경계를 넘어 이동한 물체도 하나의 연속된 대상으로 인식할 수 있도록 했다.
실험 결과, 우로보로스는 엔비디아 젯슨 오린 계열 엣지 디바이스에서 최대 87.0%의 연산량 절감, 2.61배의 추론 속도 향상, 64.5%의 에너지 절감을 달성했다. 객체 탐지와 인스턴스 분할 작업에서는 정확도 저하를 1% 미만으로 유지했다.
이번에 개발된 우로보로스는 기존의 다양한 비전 트랜스포머 기반 영상 AI 모델에 쉽게 적용할 수 있으며, 향후 더욱 큰 규모의 영상 AI 모델이나 엣지 디바이스와 서버가 협력하는 AI 시스템으로도 적용 범위가 확장될 수 있다. 특히 전력과 연산 자원이 제한된 엣지 디바이스에서도 고성능 영상 AI를 빠르게 실행할 수 있는 기반 기술로 활용될 것으로 기대된다.
기사 공유하기
추천 0
