디노티시아, SBS와 대규모 영상 검색 고도화…방송 아카이브 AI 활용 본...

10만 시간 규모 방송 데이터 기반 멀티모달 의미 기반 검색 고도화 추진

대규모 아카이브의 데이터 처리 속도·대역폭 효율 가능성 검토

[테크월드뉴스=박규찬 기자] 생성형 AI 확산 이후 경쟁의 초점이 모델 성능에서 데이터 인프라와 활용 방식으로 이동하고 있다. 동일한 AI 모델을 사용하더라도 필요한 정보를 얼마나 빠르고 정확하게 찾고 맥락에 맞게 AI 모델에 제공할 수 있는지가 서비스 품질과 운영 효율을 좌우하기 시작했기 때문이다.

디노티시아는 SBS와 함께 방송 아카이브를 대상으로 한 대규모 멀티모달 검색 시스템 고도화를 추진하고 있다고 20일 밝혔다.

현재 양사는 약 10만 시간 규모의 방송 영상 데이터에서 의미 기반 검색 고도화를 진행하고 있다.

대규모 아카이브 환경에서 단순 키워드 일치를 넘어서는 ‘의미 기반 검색’을 실제 활용 수준으로 끌어올리기 위한 고도화 과정이다. 인물·행동·배경·상황 등 복합 조건을 반영해 원하는 장면을 탐색하고 특정 사회 이슈 관련 현장 인터뷰 장면이나 분위기·상황을 포함한 영상 장면을 조건 기반으로 찾아낼 수 있도록 했다. 검색 결과는 사용자 피드백과 FactScore 등 평가 방식을 통해 근거성과 정확성을 확인한다.

디노티시아는 멀티모달 벡터 검색 기술과 함께 벡터 데이터 처리 가속 반도체(VDPU; Vector Data Processing Unit)를 기반으로 대규모 영상 아카이브 시스템에서의 고속 검색 처리와 확장성 확보 가능성도 검토하고 있다. 대규모 영상 환경에서는 검색 정확도뿐 아니라 데이터 처리가 중요하다. VDPU는 벡터 연산을 하드웨어에서 가속해 대량의 영상 데이터를 효율적으로 처리할 수 있도록 지원한다.

SBS는 이번 협업에서 실제 방송 아카이브 콘텐츠를 대상으로 자체 개발한 AI 검색 시스템을 구축·운영하며, 현업 제작 환경에서의 활용 가능성을 점검하고 있다. 뉴스·시사·교양 등 다양한 장르의 방송 영상 데이터를 활용해 검색 정확도, 응답 속도, 활용 편의성 등을 종합적으로 테스트하는 한편 제작·편집·아카이브 관리 등 방송 실무 전반에 적용할 수 있는 방안을 구체화하고 있다.

인물 중심 검색 수요를 반영해 자체 개발한 AI 기반 얼굴 검색 기술을 단계적으로 적용함으로써, 특정 인물의 등장 장면을 신속하게 탐색하고 장기 아카이브 내 인물 기반 탐색 효율을 높이는 방안도 함께 살피고 있다.

이번 협업은 디노티시아의 AI·반도체 기반 데이터 인프라 기술과 SBS의 자체 개발한 AI 기술 및 방송 현장 운영 역량을 결합해 생성형 AI 시대에 방송 아카이브의 활용 수준을 넓히기 위한 시도다. 양사는 이를 통해 방송 제작과 운영 전반에 적용 가능한 AI 기반 검색의 기술적·운영적 기준을 구체화해 나갈 계획이다.

SBS 이재영 CTO는 “방송사가 보유한 아카이브는 중요한 자산이지만 제작 환경에서 얼마나 빠르게 찾고 활용할 수 있는지가 앞으로 더 중요해질 것”이라며 “이번 실증은 기존 시스템을 존중하면서도 대규모 데이터 환경에서 AI 기반 검색·활용 가능성을 점검하는 과정”이라고 밝혔다.

정무경 디노티시아 대표는 “현재 AI는 언어모델 중심으로 발전하고 있지만 결국 멀티모달 환경으로 넘어가면서 AI가 소비하는 데이터의 양과 종류는 지금보다 훨씬 커질 것”이라며 “앞으로는 모델 자체보다도 대규모 데이터를 얼마나 빠르게 검색하고 실제 활용으로 연결할 수 있는지가 더 중요해질 것”이라고 말했다.

이번 협업은 과학기술정보통신부와 정보통신기획평가원(IITP)이 주관하는 ‘SW컴퓨팅산업원천기술개발’ 사업 내 국책과제인 ‘초거대 AI 모델의 장기 기억 저장을 위한 벡터 DB 개발’을 기반으로 추진되고 있다. 양사는 이를 바탕으로 실제 방송 아카이브 환경에서 기술 적용 가능성과 활용 범위를 함께 넓혀가고 있다.

한편 디노티시아는 한국지능정보사회진흥원(NIA) ‘2024년 초거대AI 확산 생태계 조성사업(한국적 영상 이해 데이터)’ 과제를 통해 한국 방송 영상 기반 멀티모달 데이터셋을 구축하고 관련 연구를 국제 학회 ACM Multimedia 2025에 발표한 바 있다. 연구 단계에서 축적된 데이터 자산과 실제 방송 환경 적용이 맞물리면서 방송 데이터의 AI 자산화가 구체화되고 있다는 평가다.

회원가입 후 이용바랍니다.