[KT 에이블스쿨 - IT 트랜드] 5주차 | 딥페이크, ETA, 공간컴퓨팅, 빅테크의 수난시대, 가상 피팅
5주차 (4월 15일 ~ 19일)
딥페이크 사례와 피해방지 방안
드라마와 영화, 디지털 범죄(음란물, 보이스피싱), 정치에 사용되는 딥페이크 사례를 설명하고
AI가 만든 딥페이크 이미지에 역으로 AI 알고리즘을 적용해 이를 차단하는 방안이 필요하다고 발표했다.
추가적으로 선거법, 성폭력 관련 법률에도 딥페이크에 대한 명확한 규정이 있다.국내외의 피해방지에 대한 현황을 소개하면서, 딥페이크를 인지하고 개인정보를 쉽게 여기는 인식을 바꿔야한다고 발표했다.
< 피드백받은 개선 필요사항 >
- 발표 후반부에 말이 늘어지는 경우가 있어서 신경 써주시면 더 좋게 들릴 것 같아요!
- 생각을 해야할 때나 이전 말의 흐름을 돌아봐야할 때 말이 늘어지는 경우가 많으니, 같이 해결방안을 고민해봅시다!AI 활용 ETA 예측 기술
자동차 내비게이션은 도착 예상시간을 알려주는 ETA 예측 기술이 포함됨
주행환경 변수가 많아서, 정확히 예측하는건 어려움
(기존) 교통상황 정보 요소를 고려 : 링크 정보, 유고 정보, 속도 정보, 회전 cost
 |
| 출처 |
다양한 교통환경이 있기에 단편적인 위의 요소를 쓰기에는 문제가 있음
=> 딥러닝을 적용해 복잡한 패턴을 일반화하고, 빠른 추론 속도 또한 목표를 삼음
 |
| 출처 |
(현대오토에버) 예측 모델을 설계했는데, 기존의 ETA 정보요소 + 경로 관련 속성(거리, 행정 이벤트, 시간, 날짜 등) 을 고려함
 |
| 출처 |
Q) 모델 학습하는 과정에서 어텐션 모델을 사용했다고 발표했는데, linear 어텐션모델이 llm 의 어텐션 모델이랑 비슷한 것인지.
A) 같은 기술이고, 자연어 처리 분야에서 널리 사용되는걸로 알고 있음. 입력 각 부분에 가중치를 주는 알고리즘.
Q) 기존 지도 앱의 네비게이션과 차이점은 ?
A) 실시간 교통량에 따라서, 같은 출발지 - 목적지를 설정했을때 오차가 크게 발생할 수 있는 경우는 지자체의 이벤트, 시즌별 특이성을 포함함.
기존의 모델은 이러한 점을 포함하지 못하기에 차이가 있음.
Q) 다이나믹 레이블링이 무엇 ?
A) 모델이 예측한 정확한 시간 + 오차시간을 더해서 더 넉넉하게 ETA 시간을 설정하는 것
공간컴퓨팅
기존 컴퓨팅 : 컴퓨터 내부에서 철, 결과 확인도 컴퓨터 내부
공간 컴퓨팅 : 컴퓨팅 작업이 사용자를 둘러싼 주변 공간에서 일어남
ex) 애플 비전 프로
- XR
- VR, MR, AR을 아우르는 개념
- 패스스루 : 주변 환경을 실시간을 촬영해 보여주고 촬영된 주변 환경속 어디든 가상 앱 배치 가능
- AI
- AI를 결합하면 XR 기기 자체가 처리할 작업 부하가 줄어듬
- 센서 무게가 줄어 착용감 개선도 됨
- 시각적 몰입을 위한기술
- 시야각, 해상도, 재생율
- 몸동작 일체화를 위한 기술
- 인지적 일체화를 위한 기술
- 팔다리의 동작, 눈의 움직임을 고려
활용분야 : 병원(CT영상 홀로그램), 유통(길안내, 가상 이벤트 보드)
빅테크의 수난시대
1. AI 패권 다툼
AI 개발 특성상 기술력과 자금력을 가진 빅테크와의 연결이 자연스러움
AI에 자금과 인력을 집중하고자함
2. 엔비디아의 GPU 독점
GPU 생산이 엔비디아에 묶여있어서 의존도가 높아 AI 진화에 발이 묶일수 밖에 없음
3. 사회적 요인
각 국의 규제, 제도
수난시대 극복 방법
- 빅테크에서는 감원이되고 있지만, 스타트업에는 고급 인력과 투자가 몰림
(중소기업에게는 기회라고 생각함)
[ 내생각 ]
- 오픈API는 엔비디아의 GPU 독점에서 빠져나오기 위해서, 자사가 AI 반도체를 만들려고 하고있고
- 원래 아마존은 물품배송을 위탁했으나, 크리스마스 배송지연 문제가 발생한 이후로, 자체의 유통센터와 유통망을 구축해 이제는 미국 전역을 하루만에 배송할만큼 성장했다.
이처럼 지금은 엔비디아의 독점과 인건비 감축을 위해 인력을 축소하더라도 이 문제를 각 사가 해결해나가면, 더 성장할 수 있을것 같다.
[ 반성 ]
요즘 내가 질문을 할때 생각을 정리하지 않고, 말하는 경향이 있는 것 같다.
그래서, 발표자는 어떤 질문인지 알기 어렵고, 재확인을 하기도한다.
나부터 생각을 정리하고 나서 말해보자
가상 피팅의 시대
1. 구글
Parallel-Unet (CNN 기반) + Diffusion을 기반으로 'TryOnDiffusion' 모델 공개
실제사람이 입은 것 처럼 가상 피팅
기존에는 사람 위에 옷을 얹는 것처럼 부자연스러웠음
 |
| 왼 : 구글 / 오 : 기존 Input 의 2개행 중 상단이 나의 포즈, 하단이 옷 사진 |
Input으로 나의 사진이랑, 입고싶은 옷사진을 입력하면
내가 취한 포즈(사진) 이 마네킹이 되어서, 가상으로 옷을 피팅한 것 처럼 만들어줌
기존의 가상 피팅 기술은 Input으로 들어온 나의 사진(포즈)랑 입고 싶은 옷 사진의 포즈랑 다르다면 섞여서 이상하게 나옴 (오른쪽의 2번째 줄)
2. 장점
반품률 약 6% 감소 : 온라인 의류쇼핑몰의 반품률은 현재 54% 정도
환경보호 : 의류 산업은 온실가스 배출량의 2~8%를 차지탄소 줄임
3. 추가 사례
- 유한킴벌리 : AI로 딱맞는 아기 기저귀 사이즈 추천
- 에이블리 : 새로운 스타일의 간접체험으로 구매 결정에 도움
- 문화체육관광부 : 가상 한목 AR 피팅 서비스로 관광객 도모
4. 인사이트
제품 상세 페이지 제작이 쉬워질 것 (모델 섭외와 촬영에 드는 시간과 비용을 줄임)
웨딩업계에서도 사용하면 좋을 것 같다
5. 질문
필터를 씌어서 더 이쁘게 나올수도 있을 것 같다.
기술이 모든 핏을 감당할수있는지 궁금 > 현재는 상의만 피팅이되는데, 추후 하의도 가능할 것
댓글
댓글 쓰기