‘치명적 망각’ 넘어선 연속 학습의 성과
공동연구팀은 이번 대회 7개 부문 중 ‘도메인 비의존 오디오 분류를 위한 점진 학습’ 부문에 참가해 총 21개 팀을 제치고 1위에 올랐다. 이들이 제출한 시스템은 평균 정확도 79.62%를 기록하며, 나머지 참가팀들의 평균 정확도인 약 68%를 10% 이상 상회하는 압도적인 성적을 거뒀다. 또한, 공동연구팀이 제출한 단일 시스템 3개까지 모두 랭킹 4위 안에 진입하며 기술적 완성도를 증명했다.
연구팀이 집중한 핵심 난제는 ‘치명적 망각(Catastrophic Forgetting)’이다. 기존 AI 모델은 새로운 데이터를 학습하는 과정에서 이전에 익힌 정보를 잊어버리는 치명적인 약점이 있었다. 예를 들어 도시 소음 데이터를 학습한 AI가 공항 환경의 소리를 새로 배우게 되면, 기존 도시 소음 인식 능력을 상실하는 방식이다. 이는 보안 및 산업 안전 분야처럼 환경이 시시각각 변하는 현장에서 AI 기술 확산을 가로막는 가장 큰 걸림돌이었다.
딥인버전과 앙상블 기법으로 완성한 독보적 기술력
이러한 문제를 해결하기 위해 연구팀은 ‘연속 학습(Continual Learning)’ 기술을 도입했다. 핵심은 ‘딥인버전(DeepInversion) 기반 생성형 리플레이’ 기법이다. 이는 추가 데이터 수집 없이도 소리별 분류 모델이 과거 학습한 소리의 특징(데시벨, 진폭 등)을 스스로 재현하고 역추적하게 만드는 방식이다. 이를 통해 AI는 실내 감시 시스템에서 도로 소음을 새로 배우더라도, 과거의 실내 소리 특징을 유지하며 데이터 훼손을 최소화할 수 있게 됐다.
더불어 여러 AI 모델의 예측 결과를 종합하는 ‘앙상블 기법’을 적용하여 성능의 안정성과 정확도를 극대화했다. 이 기술은 향후 보안 카메라가 설치된 장소의 환경 변화에 구애받지 않고, 아기 울음소리, 개 짖는 소리, 화재 경보음 등 다양한 음향 데이터를 일관되게 인식하는 데 핵심적인 역할을 할 것으로 기대된다.
차세대 AI 보안 솔루션으로의 진화
한화비전은 이번에 확보한 첨단 음향 AI 기술을 영상보안 시스템과 결합해 시각적 사각지대를 음향 정보로 보완하는 차세대 AI 보안 솔루션 개발에 박차를 가할 계획이다. 특히 이러한 기술적 진보는 AI 모델의 신뢰성과 투명성을 높이는 데 필수적인 기반이 될 것으로 보인다. 최근 글로벌 표준인 ISO/IEC 42001 인증을 획득하며 책임 있는 AI 경영시스템을 인정받은 한화비전은, 향후 영상과 음향을 통합한 분석 기술을 통해 더욱 안전하고 효율적인 지능형 보안 환경을 선도해 나갈 방침이다.
이번 연구 성과는 오는 10월 28일부터 이틀간 미국 보스턴에서 열리는 ‘디케이스 2026 워크숍’에서 상세히 발표될 예정이며, 세계 학계 및 업계 관계자들을 대상으로 한 시상식도 함께 진행된다. 한화비전과 GIST의 이번 협력은 학계의 기초 연구가 산업 현장의 실질적인 난제 해결로 이어지는 산학협력의 성공적인 모델로서, 향후 보안 기술이 단순한 영상 관제를 넘어 복합적인 상황 인지 솔루션으로 도약하는 중요한 전환점이 될 것으로 전망된다.
[글로벌에픽 안재후 CP / anjaehoo@naver.com]
<저작권자 ©GLOBALEPIC 무단 전재 및 재배포 금지>
