비전 트렌스포머의 대표 기법들과 학습방법 등 소개
현장 특화된 지능형 보안·위험대응 보안관제 시스템 개발위한 데이터 생성 노력

[보안뉴스 엄호식 기자] 오지큐 기술연구소(GYN)가 주최하고 한국영상정보연구조합이 주관한 ‘비전 언어 모델(VMS: Vision Language Model) 콘퍼런스’가 27일 서울 강남구 코엑스에서 열렸다. 이번 행사는 VLM 기술 교류를 목적으로 마련됐다.


▲비전 언어 모델((VLM) 콘퍼런스 현장 [자료: 보안뉴스]

인공지능(AI) 분야에서 이미지와 언어를 동시에 이해하고 생성하는 VMS에 대한 관심이 빠르게 커지고 있다. 컴퓨터 비전과 자연어처리 기술의 융합을 통해 인간과 더욱 유사한 인지 능력을 구현하는 VLM은 다양한 산업에 혁신을 가져오면서 AI 발전의 새로운 경계를 열고 있다고 평가 받고 있다.

ISEC 2025 동시개최 행사로 진행된 콘퍼런스는 방승온 오지큐 기술연구소 연구소장의 ‘AI가 상황을 이해하는 시대 - 영상과 언어를 연결한 어시스턴트(Assistant) AI 보안관제’를 주제로 한 강연으로 시작했다.

방승온 연구소장은 비전 트랜스포머의 대표기법들과 학습방법을 소개했다. 이어 비전 트랜스포머의 학습방법의 세대를 이야기하며 가장 좋은 예로 자율주행자동차를 꼽았다.

방승온 연구소장은 “자율주행차는 0부터 5세대로 구분했는데 2세대부터 발을 자율화 시켜줬고 3세대에서는 손을 그리고 4세대에서는 눈에게 자유를 줬으며 마지막 5세대는 종합적인 판단을 뜻하는 것”이라고 전했다.

이어 3세대 정도부터 현재의 시대이며, 4세대는 멀티모달 그리고 5세대는 구글 빅테크에서 이야기하는 에이전트 시대가 올 것이라고 덧붙였다.

이어 김동칠 한국전자기술연구원 책임이 ‘생성형 AI 기반 멀티모달 데이터를 활용한 지능형 보안관제’를 주제로 강연에 나섰다.

김동칠 책임은 12종의 행위에 3가지 중요 위험상황과 행위 3종을 추가해 총 15종의 위험상황을 탐지할 수 있도록 연구하고 있다고 밝혔다.

또한 현장에 특화된 지능형 보안·위험대응 보안관제 시스템 개발에 힘쓰고 있으며 △현장 특화형 멀티모달 데이터셋 구축과 △생성형 AI 기반 멀티모달 데이터셋 생성을 위해 ‘SOTA 모델 기반 영상 생성’, ‘오디오 데이터 생성 기술 분석’, ‘영상+오디오 데이터 생성’ 등을 진행하고 있다고 전했다.

마지막으로 김경수 서울대학교 첨단융합학부 부교수가 ‘VLM기반 지능형 영상보안 관제기술-영상 기반 언어 생성 최신 경량화 모델’에 대한 정보를 공유했다.

[엄호식 기자(eomhs@boannews.com)]

<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>