컴퓨터 비전

이미지와 영상에서 의미 있는 정보를 추출하고 해석하는 인공지능 분야.

— 인공지능과 영상 처리 연구의 핵심 응용 영역

사람은 0.1초 만에 알아보는 사진을 모델은 수백만 장 보고도 비 오는 밤 역광 앞에서 당당하게 틀린다. ~~픽셀 몇 개 바뀌었을 뿐인데 자신감까지 바뀐다~~

1. 개요

컴퓨터 비전(Computer Vision)은 컴퓨터가 이미지와 영상을 이해하도록 만드는 인공지능 분야다. 이미지 분류, 객체 탐지, 세그멘테이션, 얼굴 인식, OCR, 의료 영상 분석, 자율주행 인식 등이 모두 여기에 들어간다. 사람은 장면을 통째로 보고 의미를 파악하지만, 컴퓨터는 결국 픽셀 배열을 숫자로 읽는다. 그래서 컴퓨터 비전은 픽셀 수준의 신호를 고양이, 자동차, 종양, 차선 같은 의미 단위로 바꾸는 긴 여정이다. CNN의 등장 이후 성능이 크게 뛰었고, 최근에는 Diffusion Model과 멀티모달 모델까지 합류하며 생성과 인식의 경계도 흐려지고 있다.

2. 분류, 탐지, 세그멘테이션

컴퓨터 비전 문제는 대체로 이미지에 무엇이 있는지 맞히는 분류, 어디에 있는지 박스로 찾는 객체 탐지, 픽셀 단위로 영역을 나누는 세그멘테이션으로 나뉜다. 분류는 “이 사진은 고양이다”에 가깝고, 탐지는 “고양이가 왼쪽 아래에 있다”에 가깝다. 세그멘테이션은 고양이의 정확한 윤곽을 픽셀 단위로 칠한다. 난이도는 뒤로 갈수록 올라간다. 딥러닝 이전에도 여러 영상 처리 기법이 있었지만, 대규모 데이터셋과 GPU 가속, CNN 계열 모델이 결합되면서 실용 성능이 크게 개선됐다.

3. 데이터가 전부다

컴퓨터 비전 모델의 성능은 모델 구조만큼이나 데이터 품질에 크게 좌우된다. 같은 고양이라도 조명, 배경, 카메라 각도, 품종, 가림 여부에 따라 픽셀 분포가 크게 달라진다. 라벨링도 문제다. 박스가 조금만 어긋나도 탐지 모델이 이상한 기준을 배우고, 의료 영상처럼 전문가 지식이 필요한 영역에서는 라벨 하나하나가 비싸다. 최근에는 자기지도학습과 대규모 사전학습으로 라벨 의존도를 줄이려는 시도가 활발하다.

4. 관련 밈 및 드립

4.1. 이건 고양이인가 머핀인가

비슷한 질감과 색을 가진 이미지가 모델과 사람 모두를 헷갈리게 만드는 단골 밈이다. 컴퓨터 비전이 단순히 픽셀 패턴만 보는 것이 얼마나 위험한지 보여주는 웃픈 예시로 자주 쓰인다.

4.2. 라벨링 알바의 눈물

모델을 똑똑하게 만들려면 결국 누군가가 이미지 수십만 장에 박스와 마스크를 그려야 한다. 최첨단 AI 뒤에는 지루한 라벨링 노동이 있다는 현실을 풍자한다.

5. 여담

ImageNet의 영향: ImageNet 데이터셋과 대회는 2010년대 딥러닝 기반 컴퓨터 비전 도약의 상징이다.
생성 모델과의 결합: Diffusion Model은 이미지를 생성하는 쪽에서 출발했지만, 편집, 복원, 초해상도 같은 비전 작업에도 널리 쓰인다.
현실 배포의 어려움: 연구실 정확도가 높아도 현장 카메라의 먼지, 흔들림, 야간 조명, 압축 노이즈를 만나면 성능이 조용히 무너질 수 있다.