Vision-Language Model(VLM) 활용해 영상과 텍스트 정보 결합

[보안뉴스 원병철 기자] 피아스페이스는 2021년 설립된 멀티모달 인공지능 기반 영상 분석 기술 전문 스타트업으로, 안전한 사회 구현을 목표로 지능형 CCTV 솔루션을 개발 및 상용화했다.

Vision-Language Model(VLM)을 활용해 영상과 텍스트 정보를 결합한 ‘MACS’(Multi-modal AI for Camera Solution) 솔루션을 통해 쓰러짐, 폭력, 화재, 침입 등의 이상 상황을 실시간으로 탐지하며, 복잡한 상황에 대한 인식 정확도와 신속한 대응을 제공한다. 기존 객체탐지(Object Detection) 중심 솔루션과 달리, MACS는 Vision-Language Model(VLM)을 활용해 학습량이 적으면서도 복합적인 상황 인식이 가능하며, 동일한 GPU 환경에서 더 많은 CCTV 채널을 효율적으로 커버할 수 있도록 경량화되어 있다.

MACS(Multi-modal AI for Camera Solution)
MACS는 프롬프트 기반의 멀티모달 인공지능 기술을 활용해, 단순 객체 감지를 넘어 상황의 의미를 이해하고 이상행동을 실시간으로 탐지하는 지능형 CCTV 영상분석 시스템이다. 사전에 입력한 프롬프트와 영상 데이터를 비교해 유사도를 판단하고, 이상 상황 발생 시 즉시 알림을 제공한다. 프롬프트 내용에 따라 탐지 정확도를 조정할 수 있어 사용자 맞춤형 커스터마이징도 가능하다.

기존 객체탐지(Object Detection) 중심 솔루션과 달리, MACS는 Vision-Language Model(VLM)을 활용해 학습량이 적으면서도 복합적인 상황 인식이 가능하며, 동일한 GPU 환경에서 더 많은 CCTV 채널을 효율적으로 커버할 수 있도록 경량화되어 있다.