메타, 인간 형체·움직임 정밀하게 읽어내는 비전 모델 개발

메타가 인간의 움직임과 형체를 정밀하게 인식하는 새로운 비전 모델 '사피엔스2(Sapiens2)'를 공개했다. 이 모델은 인간 중심의 시각 인식을 위한 진일보한 기술로, 실제 상황에서의 적용 가능성을 크게 향상시킬 것으로 기대된다. 메타 연구팀은 27일(현지 시각) 이 모델을 온라인 아카이브를 통해 발표하며, 사람의 다양한 동작을 보다 정확하게 이해할 수 있는 가능성을 열었다.

정교한 비전 모델의 탄생

사피엔스2는 10억 장에 달하는 고품질 인간 이미지 데이터를 바탕으로 훈련된 트랜스포머 모델이다. 이 모델은 다양한 크기로 설계되어 있어, 0.4B부터 5B 매개변수에 이르기까지 사용자의 필요에 맞는 최적의 버전을 선택할 수 있다. 기본적으로 1K 해상도를 지원하며, 계층적 구조를 활용하면 최대 4K 해상도까지 확장할 수 있는 점이 특징이다. 이러한 고해상도 지원 덕분에 더욱 정교한 이미지 분석과 인식이 가능해졌다.

기존의 비전 모델들이 어려움을 겪었던 부분, 즉 손가락의 미세한 움직임이나 치아와 잇몸의 구분 등에서 사피엔스2는 뛰어난 성능을 발휘한다. 이 모델은 특히 색상 왜곡을 최소화하여 피부 톤이나 조명과 같은 중요한 시각 정보를 잘 보존하는 데 집중했다. 이를 통해 인간의 복잡한 신체 구조와 다양한 포즈를 보다 정확하게 인식할 수 있다.

혁신적인 학습 방식

사피엔스2의 가장 큰 혁신은 학습 방식에 있다. 기존의 '마스크드 오토인코더(MAE)' 방식에 대조 학습(Contrastive Learning)을 결합하여, 저수준 디테일과 고수준 의미 정보를 동시에 학습할 수 있도록 설계됐다. 이를 통해 모델은 인물 검출 및 자세 추정에서 이전 세대 모델보다 월등한 성능을 보여줬다. 예를 들어, 포즈 추정의 경우 82.3 mAP라는 높은 성과를 기록하며, 신체 분할에서도 24.3 mIoU의 개선을 이루었다.

데이터 품질 또한 월등히 개선되어, 40억 장의 원천 이미지로부터 최종적으로 10억 장의 정제된 데이터셋이 만들어졌다. 이 데이터셋은 다양한 포즈와 조명, 의상, 인종을 균형 있게 포함하여 모델의 일반화 성능을 높였다. 또한, 모델 구조에 최신 기술을 도입하여 안정성과 효율성을 극대화한 점도 주목할 만하다.

미래를 열어가는 비전 AI

사피엔스2는 단순한 비전 모델을 넘어, 증강 현실(AR), 가상 현실(VR), 디지털 휴먼 등 다양한 분야에서의 응용 가능성을 제시한다. 메타는 이 모델을 통해 인간 중심의 비전 AI라는 새로운 기준을 세우고, 앞으로의 기술 발전 방향에 큰 영향을 미칠 것으로 예상하고 있다. 이러한 혁신적인 발전은 IT 기술의 경계를 허물며, 사용자 경험을 한층 더 향상시킬 수 있는 계기가 될 것이다.

결국 사피엔스2는 단순한 기술적 성과에 그치지 않고, 실제 생활 속에서의 혁신을 이끌어낼 중요한 열쇠가 될 것으로 보인다. 앞으로 이 모델이 실제 응용됐을 때, 우리의 생활이 어떻게 변화할지 기대되는 바이다.