컴퓨터 비전 기술의 실제 응용과 기술 원리

2012년 어느 대회에서, 이미지 속 물체를 맞히는 컴퓨터 프로그램 하나가 경쟁자들을 압도적인 차이로 따돌렸다. 오차율이 전년도 우승작의 절반에도 못 미쳤다. 그 프로그램의 이름은 AlexNet이었고, 이 사건 이후 컴퓨터 비전이라는 분야는 완전히 다른 궤도에 올라섰다. 그로부터 십수 년이 지난 지금, 스마트폰 카메라가 사람 얼굴을 인식해 잠금을 풀고, 공장 컨베이어 벨트 위에서 불량품을 골라내고, 자동차가 스스로 차선을 인식해 핸들을 미세 조정하는 일이 일상이 됐다.

기술의 뼈대: 픽셀에서 의미로

컴퓨터에게 사진 한 장은 그저 숫자의 배열일 뿐이다. 가로세로 수백에서 수천 개의 점, 그 각각이 빨강·초록·파랑 값을 가진 숫자 덩어리에 불과하다. 컴퓨터 비전의 핵심 과제는 이 무의미한 숫자 배열에서 "이건 고양이다", "저긴 도로 경계선이다" 같은 의미를 뽑아내는 것이다.

이 작업을 가능하게 한 것이 합성곱 신경망(CNN, Convolutional Neural Network)이다. CNN은 작은 필터를 이미지 위에 슬라이딩시키면서 가장자리, 모서리, 질감 같은 저수준 특징을 먼저 잡아내고, 층이 깊어질수록 눈·코·바퀴 같은 부분, 나아가 얼굴·자동차 같은 전체 개념으로 정보를 조합해 올라간다. 2017년 이후로는 트랜스포머 구조를 이미지에 적용한 비전 트랜스포머(ViT)가 등장해 CNN의 독점 구도를 흔들기 시작했다.

실제로 어디에 쓰이나

가장 눈에 띄는 응용은 자율주행이다. 테슬라는 라이다 없이 카메라만으로 주행 판단을 내리는 "테슬라 비전" 방식을 고수해왔는데, 이는 업계 안에서도 논쟁거리다. 반면 웨이모는 카메라와 라이다를 함께 쓴다. 두 접근 모두 근본은 컴퓨터 비전이지만, 센서를 얼마나 신뢰하느냐를 두고 철학이 갈린다.

의료 영상 분야도 빼놓을 수 없다. 망막 사진만으로 당뇨망막병증을 진단하는 시스템은 이미 미국 FDA 승인을 받아 실제 1차 진료 현장에서 쓰이고 있다. 병리학자가 놓치기 쉬운 미세한 세포 패턴을 딥러닝 모델이 잡아내는 사례도 다수 보고됐다. 다만 학습 데이터가 특정 인종·연령대에 치우치면 다른 집단에서는 정확도가 떨어지는 문제가 반복적으로 지적된다.

제조업 현장에서는 육안 검사를 대체하는 결함 검출 시스템이 표준이 됐다. 반도체 웨이퍼의 나노미터 단위 흠집, 자동차 부품의 미세 균열을 사람보다 빠르고 지치지 않고 찾아낸다.

그늘: 감시와 오작동

컴퓨터 비전 기술의 확산은 곧 안면인식 기술의 확산과 겹친다. 중국의 공공장소 감시 카메라망, 미국 일부 경찰서의 안면인식 오인 체포 사례는 이 기술이 편익만큼이나 위험도 크다는 것을 보여준다. 2020년 디트로이트 경찰이 안면인식 오인으로 무고한 흑인 남성을 체포한 사건은 이 기술의 인종별 오인식률 격차 문제를 전국적 화두로 만들었다.

또한 적대적 예제(adversarial example)라는 취약점도 있다. 이미지에 사람 눈에는 안 보이는 미세한 노이즈를 더하면, 모델이 판다를 긴팔원숭이로 착각하는 식의 오작동이 발생한다. 자율주행차 표지판 인식을 속이는 실험도 여러 차례 학계에서 보고됐다.

컴퓨터 비전은 이제 특정 실험실의 연구 주제가 아니라, 우리가 매일 마주치는 카메라 뒤에서 조용히 작동하는 사회 인프라가 됐다. 그만큼 기술적 진보와 그것이 낳는 사회적 책임 논쟁은 앞으로도 계속 맞붙을 수밖에 없다.

여러분이 스마트폰으로 셀카를 찍을 때, 카메라가 자동으로 얼굴에 초점을 맞추고 눈을 인식해 필터를 씌워주는 걸 본 적 있을 것이다. 이게 바로 컴퓨터 비전 기술이다. 컴퓨터가 사진이나 영상을 "보고" 그 안에 뭐가 있는지 알아내는 기술을 말한다.

컴퓨터는 어떻게 사진을 "보나"

사람은 눈으로 사진을 보면 바로 "아, 강아지네"라고 안다. 하지만 컴퓨터한테 사진은 그냥 숫자 뭉치다. 픽셀 하나하나가 색깔을 나타내는 숫자일 뿐이다. 컴퓨터 비전 기술은 이 숫자들 속에서 패턴을 찾아낸다. 처음엔 선이나 모서리 같은 단순한 것부터 찾고, 그걸 조합해서 "귀 모양이네", "눈이네" 하다가 결국 "이건 강아지다"까지 알아낸다.

이걸 가능하게 하는 핵심 기술이 합성곱 신경망(CNN)이라는 것인데, 사람 뇌가 시각 정보를 처리하는 방식에서 아이디어를 얻어 만들어졌다. 2012년에 이 기술을 활용한 프로그램이 이미지 인식 대회에서 압도적으로 우승하면서, 전 세계 연구자들이 이 방식에 몰려들기 시작했다.

어디에 쓰이는지 실제 사례

가장 대표적인 건 자율주행차다. 카메라로 도로, 신호등, 다른 차, 보행자를 인식해서 스스로 운전한다. 테슬라 차량이 카메라만으로 주행하는 게 대표적인 예다.

병원에서도 쓰인다. 눈 사진 한 장만으로 당뇨병 환자의 망막 질환을 찾아내는 프로그램이 실제로 미국에서 정식 승인을 받아 병원에서 쓰이고 있다. 공장에서는 제품에 흠집이 있는지 카메라로 자동 검사해서, 사람이 하나하나 눈으로 보는 것보다 훨씬 빠르고 정확하게 불량품을 골라낸다.

알아둬야 할 문제점

이 기술이 다 좋기만 한 건 아니다. 안면인식 기술이 특정 인종이나 성별에서 오류를 더 많이 낸다는 연구 결과가 여러 번 나왔다. 실제로 미국에서는 안면인식 시스템의 오인으로 죄 없는 사람이 체포된 사건도 있었다. 그래서 이 기술을 어디까지, 어떻게 써야 하는지에 대한 사회적 논의가 계속되고 있다.

컴퓨터 비전은 앞으로 더 많은 곳에서 쓰일 기술이다. 그만큼 기술을 만드는 사람들도, 쓰는 사람들도 책임감 있게 다뤄야 하는 분야이기도 하다.

여러분 강아지 사진을 보고 "강아지다!"라고 바로 알 수 있죠? 그런데 컴퓨터는 원래 그림을 볼 줄 몰라요. 컴퓨터에게 사진 한 장은 그냥 숫자들이 잔뜩 모인 것일 뿐이에요. 컴퓨터 비전이라는 기술은, 컴퓨터가 이 숫자들만 보고도 "아, 이건 강아지구나!"라고 알아맞히게 만드는 기술이에요.

컴퓨터는 어떻게 알아맞힐까

마치 여러분이 퍼즐을 맞출 때 먼저 모서리 조각부터 찾는 것처럼, 컴퓨터도 먼저 사진 속 작은 선이나 점 같은 걸 찾아요. 그다음 그 조각들을 조금씩 합쳐서 "여기 귀가 있네", "여기 코가 있네" 하고 알아채요. 마지막엔 "아, 이건 강아지 얼굴이구나!"까지 알게 되는 거예요.

이런 걸 잘하는 컴퓨터 프로그램을 만드는 데는 아주 많은 사진을 컴퓨터에게 보여주고 연습을 시켜야 해요. 사람이 어릴 때 그림책을 많이 보면서 동물 이름을 배우는 것과 비슷하답니다.

우리 주변에서 찾아보기

스마트폰으로 사진 찍을 때 화면에 네모 상자가 얼굴 주위에 뜨는 거 본 적 있나요? 그게 바로 컴퓨터가 "여기 얼굴이 있구나"라고 알아챈 거예요. 자동차 중에는 카메라로 길과 신호등을 보고 스스로 운전하는 차도 있어요. 공장에서는 카메라가 물건을 보고 "이건 망가졌네" 하고 골라내기도 해요.

조심해야 할 점도 있어요

이 기술이 사람 얼굴을 잘못 알아보는 경우도 있어요. 그래서 엉뚱한 사람을 나쁜 사람으로 착각한 일도 실제로 있었대요. 그래서 어른들은 이 기술을 조심해서 써야 한다고 이야기해요. 컴퓨터가 똑똑해 보여도, 아직 사람만큼 완벽하지는 않거든요.