안녕하세요! 슈퍼브에이아이 마케터 송혜원입니다.

이재명 대통령이 6월 15일 대통령실 초대 AI미래기획수석에 하정우 네이버클라우드 AI 혁신센터장을 임명해서 화제가 되었는데요. 향후 5년간 100조원 규모로 예고된 국가 AI 투자 및 인프라 전략을 총괄하는 컨트롤타워 역할을 맡게 됩니다. 새 정부의 목표 중 하나가 'AI 3대 강국 진입'인데요. 한국의 언어·데이터로 학습한 ‘소버린 AI’ 개발에 집중할 것으로 보입니다.

거대언어모델(LLM) 외에도 비전 AI에서도 한국의 산업 현장 데이터로 학습한 소버린 AI가 구현될 수 있을까요? 비전 AI가 피지컬 AI의 핵심이고, 산업 현장에도 AI로 혁신할 기회가 크기 때문에 중요한데요. 엔비디아의 젠슨 황은 GTC 파리 기조 연설에서 피지컬 AI가 제조, 물류, 휴머노이드 로봇 등 50조 달러 규모의 시장 기회가 있다고 강조했습니다. 엔비디아의 자동차 관련 사업은 올해 50억 달러에 이르며, 완전 자율주행 시대로 접어들면 1조 달러까지 커질 것으로 예상합니다.

챗GPT가 언어 AI 모델로 무한한 가능성을 보여준 것처럼, 피지컬 AI가 구현되기 위해 반드시 필요한 것이 비전 파운데이션 모델인데요. 오늘은 피지컬 AI 시대를 여는 비전 파운데이션 모델의 개념에 대해 쉽게 정리해 보겠습니다. 🚀

혹시 슈퍼브 인사이트 뉴스레터를 전달 받으셨다면 👉 여기 👈에서 구독하실 수 있습니다! 

*슈퍼브 인사이트 뉴스레터는 PC버전에 최적화되어 있습니다.

🌟 SUPERB Spotlight

단순한 소프트웨어 AI가 아닌 현실 세계와 상호작용하는 '피지컬 AI'의 핵심에는 비전-언어 모델(VLM), VLAM(비전-언어-행동 모델), 비전 파운데이션 모델(VFM)과 같은 AI 기술들이 자리하고 있습니다. AI는 이제 텍스트와 이미지를 동시에 이해하는 것을 넘어, 실제 행동까지 수행하며 시각적 이해의 새로운 지평을 열고 있습니다.

지금까지는 수많은 기업이 비전 AI 도입에 어려움을 겪었는데요. 새로운 제품을 분류하거나 관리하기 위해 수천 장의 이미지를 수집하고 라벨링하며, 모델을 재훈련하는 데 수주에서 수개월이 소요되고 막대한 비용이 발생하기 때문입니다. 더 큰 문제는 이러한 과정이 신제품 출시나 품질 기준 변경 시마다 반복된다는 점입니다. 기존 AI 시스템은 사전에 정의된 데이터로만 학습하는 폐쇄집합(Closed-set) 패러다임에 갇혀 있어, 예측 불가능한 변화에 즉각적으로 대응하기 어렵습니다.

💡 VLM의 한계를 넘어 VFM 시대로

어떻게 이 문제를 해결할 수 있을까요? 바로 비전 파운데이션 모델(VFM)이 답입니다.

비전-언어 모델(VLM)은 이미지와 텍스트를 함께 이해하고 처리하는 데 중점을 두고 있습니다. 예를 들어, OpenAI의 CLIP처럼 이미지와 텍스트를 하나의 공통 표현 공간에 매핑하여 서로 연관된 개념들을 학습했죠. 이를 통해 시각적 질문 답변(VQA)이나 이미지 캡셔닝 같은 특정 비전-언어 통합 작업에 뛰어난 성능을 보였습니다. 하지만 VLM은 여전히 분류, 탐지, 분할 등 다양한 비전 작업을 통합적으로 수행하는 데 한계가 있었습니다.

VFM의 핵심과 주요 모델들의 특징은 다음과 같습니다.

• 개방형 아키텍처: 미리 정의된 특정 작업에만 국한되지 않고, 새로운 시각적 개념이나 작업에 유연하게 대응합니다. '제로샷(Zero-shot) 학습'을 통해 모델이 훈련 과정에서 명시적으로 학습하지 않은 새로운 클래스나 작업에 대해서도 즉시 추론을 수행할 수 있습니다. 예를 들어, Grounding DINO처럼 텍스트 설명만으로 처음 보는 객체를 탐지하는 것이 가능합니다.
• 다양한 세분성 수준의 통합 학습: 객체 단위, 픽셀 단위 등 다양한 시각적 정보의 세분성 수준에서 학습을 통합하여, 모델이 넓은 시야에서부터 미세한 디테일까지 동시에 이해할 수 있습니다. SAM(Segment Anything Model)은 사용자의 간단한 클릭이나 스케치만으로 이미지 내 어떤 객체든 픽셀 단위로 정밀하게 분할할 수 있죠.
• 강화된 프롬프트 가능성: 텍스트, 이미지, 클릭, 스케치 등 다양한 형태의 '멀티 프롬프트'를 통해 사용자가 모델에 직관적으로 지시하고 원하는 결과를 얻을 수 있습니다. SEEM(Segment Everything Everywhere All at Once)은 SAM의 분할 능력을 계승하면서도, 다양한 형태의 프롬프트를 통합적으로 처리하여 분할뿐만 아니라 시각적 질의응답 등 여러 시각적 이해 작업을 동시에 수행합니다.

이러한 VFM은 엔비디아가 주목하는 피지컬 AI의 핵심 기반 기술이 됩니다. 현실 세계와 상호작용하는 로봇이나 자율 시스템은 텍스트 설명과 함께 실제 시각 정보를 종합적으로 이해하고, 다양한 상황에서 유연하게 행동해야 하기 때문입니다. VLAM(비전-언어-행동 모델)은 VFM의 이러한 강력한 시각적 이해력을 바탕으로 물리적 세계에서 복잡한 작업을 수행하는 진정한 AI 에이전트로 진화할 것입니다.

🏆 CVPR 챌린지에서 입증된 슈퍼브에이아이의 기술력

슈퍼브에이아이는 이러한 비전 파운데이션 모델의 핵심 가치를 담은 '제로(ZERO)'를 곧 선보입니다. '제로'는 기존 비전 AI 도입의 비효율와 한계를 근본적으로 해결하여, 기업이 겪는 어려움을 '0'으로 만들 것입니다.

슈퍼브에이아이는 컴퓨터 비전 분야 최대 학회인 'CVPR 2025'에서 개최된 두 개의 AI 챌린지에서 뛰어난 성과를 거두며 '제로'의 독보적인 기술력을 입증했습니다.

• 개별 객체 탐지 챌린지(Object Instance Detection Challenge): 2위 달성

  • 이 챌린지는 특정 객체 인스턴스를 탐지하는 능력을 평가합니다. 제조 현장의 불량품 선별, 물류 센터의 재고 관리 등 실제 산업 현장에서 로봇과 AI가 빠르게 도입되는 데 필요한 핵심 기술을 다룹니다.
  • 슈퍼브에이아이는 고해상도 제품 카탈로그 시뮬레이션과 어수선한 실제 작업 환경을 재현한 대규모 데이터셋, 그리고 테스트 환경 이미지로는 학습할 수 없는 엄격한 제약 조건 속에서 뛰어난 성능을 입증했습니다.
  • 방대한 학습 데이터와 대규모 인프라를 보유한 중국의 주요 대학 및 연구기관들과의 경쟁에서 상위권에 올라 글로벌 범용 AI와 대등한 경쟁력을 입증했습니다.
    
    

• 파운데이션 퓨샷 객체 탐지 챌린지(Foundation Few-Shot Object Detection Challenge): 4위 달성

  • 이 챌린지는 AI가 인간처럼 적은 예시(단 10장의 이미지)만으로도 새로운 개념을 학습하고 실제 산업 현장에서 즉시 활용할 수 있는 혁신적 기술을 평가하는 무대입니다.
  • 로보플로우-20VL(Roboflow-20VL) 데이터셋을 활용하여 항공, 의료, 농업, 제조 등 다양한 산업군의 현장 데이터를 포함하며, 시각적 예시와 텍스트 설명을 모두 활용해야 하는 현실적 제약 조건이 부여됩니다.
  • 이러한 조건은 기업이 AI를 도입할 때 마주하는 상황(예: 제품 촬영 이미지만 있고, 실제 작업 환경 학습 데이터는 없는 경우)과 유사하여, '제로'의 산업 적용 가능성을 높이 평가할 수 있습니다.
    
    

🌟 산업 현장을 바꿀 비전 파운데이션 모델의 무한한 가능성을 경험하세요!

경직되고 미리 정해진 것만 처리하는 AI가 아닌, 새로운 상황에 유연하게 적응하는 AI의 시대가 열리고 있습니다. 슈퍼브에이아이는 비전 파운데이션 모델 '제로'를 통해 이러한 혁신을 현실로 만들고 있습니다. 이제 AI는 단순한 '암기'를 넘어 '적응'의 시대로 진입하며, 산업 현장에 예측 불가능한 상황에 대한 대응력 강화와 비즈니스 민첩성 향상이라는 실질적인 가치를 제공할 것입니다.

AI가 '처음 보는 것'을 다양한 방식으로 알아보는 이 혁신적인 능력을 활용한 슈퍼브에이아이의 프로젝트 '제로'가 곧 공개될 예정입니다. 산업 현장을 바꿀 무한한 가능성을 기대해 주세요.

✏️ SUPERB Curation

슈퍼브 김계현 CRO와 고경렬 머신러닝 엔지니어의 공동 추천:
'그런 사람은 없다'고 말할 수 있는 AI: 환각 없는 비전 파운데이션 모델을 향한 한 걸음

📢 SUPERB News

🎉슈퍼브에이아이, 세계 최대 비전AI 학회 챌린지서 준우승… 상위권 중 유일한 한국기업, AI 강국과 어깨 나란히

슈퍼브에이아이가 컴퓨터 비전 분야 최고 권위 학회인 CVPR 2025에서 개최된 국제 AI 챌린지에서 눈부신 성과를 거두었습니다.

자체 개발 파운데이션 모델 '제로(ZERO)'를 활용해 개별 객체 탐지 챌린지 2위, 파운데이션 퓨샷 객체 탐지 챌린지 4위를 달성했습니다.

상위권 중 유일한 한국기업으로 AI 강국들과 어깨를 나란히 하며, 고비용 대규모 인프라 없이도 산업 특화 전략으로 글로벌 경쟁력을 입증했습니다

👀CVPR 2025 개별 객체 탐지 챌린지란? 산업 현장을 위한 AI의 진화

CVPR 2025 '열린 세계에서의 시각적 인식과 학습' 워크숍에서 개최되는 '개별 객체 탐지 챌린지(Object Instance Detection Challenge)'는 실제 산업 현장에서 바로 활용할 수 있는 실용적 AI 기술을 다룹니다.

기존 객체 탐지는 미리 정의된 클래스에 속하는 모든 객체를 찾아내는 것이 목표였습니다. 하지만 제조업에서 "볼트"를 탐지하는 것과 "M8 × 20mm 스테인리스 육각 볼트"를 구별해내는 것은 전혀 다른 문제입니다. 물류 센터에서 "상자"를 찾는 것과 "아마존 주문번호 #123456789의 특정 택배 상자"를 찾는 것도 마찬가지죠.

예측할 수 없는 다양한 상황, 처음 보는 환경, 예상치 못한 객체 배치에도 로봇이 생존하고 유용한 역할을 수행하기 위한 핵심 기술을 측정하는 챌린지입니다.

[VFM 개념] AI 도입 하루면 충분한 이유? 제로샷 비전 AI

슈퍼브에이아이는 비전 파운데이션 모델의 개념들을 좀 더 쉽게 정리하고, 비전 AI 기술의 발전 현황과 기술 트렌드를 다루는 블로그 시리즈를 제작했습니다.

• 1편 - AI 도입 하루면 충분한 이유? 제로샷 비전 AI
• 2편 - 현장에서 AI와 상호작용 가능? 멀티 프롬프트
• 3편 - 비전 AI는 처음 보는 것을 어떻게 알아볼까? LVIS

AI가 단 한 번의 설명이나 소수의 샘플만으로도 새로운 부품, 이물질, 품질 이상을 즉시 인식하고 분류할 수 있는 방법이 궁금하지 않으신가요?
한 번 학습하면 다양한 도메인과 작업에 전이될 수 있는 강력한 일반화 능력은 어디서 나오는지 궁금하시다면 VFM 개념 시리즈를 강력 추천합니다.