안녕하세요 :) Cross Planning 본부 이현정입니다.
2025년 4월 2주차 뉴스레터 발송드립니다.📮
<GIANTSTEP News> 빠른 제보는 슬랙 메시지 💌 @XP 사업기획팀 이현정
(📢 매주 목요일 오전까지 접수, 이후 제보는 차주 발행) |
|
|
자이언트스텝, 티빙 오리지널 시리즈 '내가 죽기 일주일 전' VFX 제작 참여 ✨
자이언트스텝이 티빙 오리지널 시리즈 '내가 죽기 일주일 전' VFX 제작에 참여했다는 소식입니다. 지난 4월 3일 첫 공개된 이 작품은 세상을 등지고 청춘을 흘려보내던 희완 앞에 첫사랑 람우가 저승사자가 되어 나타나며 벌어지는 청춘 판타지 로맨스물인데요. 자이언트스텝은 '저승사자' 라는 캐릭터 설정에 맞추어 거울 및 그림자 등 반사되는 영역에 대한 리무브 작업, 고등학교 시절부터 성인이 된 현재 시점까지 동일한 배우들이 진행됨에 따라 필요한 인물 뷰티 작업, 그리고 이외에 다양한 리무브 및 합성 작업을 진행하였다고 합니다. '내가 죽기 일주일 전'은 지난 10월 개최되었던 제29회 부산국제영화제(BIFF)의 ‘온 스크린(On Screen)’ 섹션에도 초대된 바 있다고 하는데요. 이번 주말, '내가 죽기 일주일 전' 정주행 어떠실까요?
|
|
|
사용하고 싶은 정보만 - LoRA
(플랫폼실 AI팀 기고) |
|
|
요즘 사용하는 툴에 AI기능을 많이 볼 수 있습니다. 예를 들어 텍스트를 입력하면 이미지를 만들어주는 Midjourney나, 대화를 이어가는 챗봇 같은 것들요. 이런 기술의 중심에는 **LLM (Large Language Model)**이라는 엄청 큰 뇌 같은 AI가 있습니다. GPT-3 같은 모델은 무려 1750억 개의 뇌세포(파라미터)를 가지고 있을 정도죠!😂
근데 이렇게 큰 뇌는 학습시키고, 업데이트하고, 서비스하는 게 엄청 비쌉니다. 그래서 이런 고민이 생깁니다: “매번 새로 학습시킬 순 없는데... 어떻게 더 효율적으로 사용할 수 없을까?”
이 글에서는 이런 문제를 해결하기 위해 등장한 똑똑한 방법, 바로 **LoRA(Low-Rank Adaptation of LLM)**라는 기술에 대해 설명하려고 합니다. ✨ |
|
|
1. 왜 LLM을 효율적으로 “적응”시켜야 할까?
LLM은 한번 학습시키는데 시간도 오래 걸리고 돈도 많이 드는 것은 모두가 아는 사실입니다. 그리고 어떤 특정한 업무에 맞게 성능을 높이려면 다시 학습(Fine-tuning)을 해야 합니다. 하지만 매번 그렇게 하면 너무 번거롭고 비효율적인것이 문제입니다.
예를 들어, 디자이너가 ‘디자인 피드백 요약봇’을 만들고 싶다고 해볼게요. 매번 GPT-3를 새로 학습시키는것은 불가능합니다. 그래서 필요한 건 특정 작업에만 살짝 ‘적응’시키는 방법이 LoRA입니다.
LoRA 이전에는 이를 해결하기 위해서
- 모델을 더 깊게 만들기 → 성능은 좋아지지만 느려지고 무거워짐
- 사용 가능한 입력 길이를 줄이기 → 효율은 좋아지지만 모델 성능이 떨어질 수 있음
이 모든 건 결국 효율 vs 품질의 줄다리기 문제였어요.
2. LoRA, 이게 뭐길래?
여기서 등장한 게 바로 **LoRA (Low-Rank Adaptation)**라는 기법입니다. 이름만 보면 어려워 보이지만, 쉽게 설명하면: “기존 AI 모델은 그대로 두고, 필요한 부분만 아주 효율적으로 조정해서 새로운 작업에 적응시키는 방법!”
아래 그림에서 파란 박스는 기존의 GPT-3와 같은 큰 모델입니다. 실제로 학습은 주황색 부분만 진행하게 됩니다. |
|
|
LoRA의 핵심은?
- 원래 모델은 건드리지 않습니다. (기존 GPT 모델 그대로 유지!)
- 전체 모델보다 최대 10,000배 더 가볍게 훈련할 수 있습니다.
- Adaptation이후 모델을 inference할때 속도가 느려지지 않습니다.
마무리: LoRA가 많이 쓰이는 이유
LoRA 같은 기술 덕분에 앞으로는 거대한 AI를 매번 새로 만들 필요 없이, 가볍고 빠르게 '나만의 AI'를 만들 수 있는 시대가 오고 있습니다. 예를 들어, 디자인 회의 요약봇, 고객 피드백 분석 AI, 스타일 추천봇 같은 것도 LoRA 하나면 충분히 가능해질 수 있습니다! |
|
|
📢 AI 기술에 대해 궁금한 점이 있으신 분들은 플랫폼실 AI팀으로 문의주시면
언제든 상담이 가능합니다. 💡 |
|
|
구글, AI를 활용해 ‘오즈의 마법사’를 스피어 버전으로 재창조하다
1939년작 고전 영화 <오즈의 마법사>가 구글의 인공지능 기술을 통해 라스베이거스 ‘스피어(Sphere)’ 버전으로 재탄생합니다. 스피어는 반구형 LED 스크린을 갖춘 세계 최대 몰입형 공연장으로, 일반적인 평면 영상은 이 곡면 구조에 맞추기 위한 대대적인 후반 작업 없이는 상영이 어렵습니다. 난이도는 물론, 비용과 시간도 막대하게 소요되는 작업이죠.
이번 프로젝트에서 그 작업을 구글 AI가 함께 수행했습니다. 구글 클라우드와 딥마인드가 개발한 생성형 AI 모델(Veo 2, Imagen 3, Gemini 등)을 활용해, 원본 4:3 비율의 고전 필름을 고해상도로 변환하고 기존에 없던 배경과 캐릭터를 자연스럽게 확장·삽입한 것인데요. 구글은 이 작업을 단순한 리마스터가 아닌 ‘재창조(re-creation)’로 정의하고 있습니다.
실제로 영화의 90% 이상이 AI를 통해 새롭게 구성됐습니다. 예를 들어 도로시가 대화하는 장면에서는 기존에 화면 밖에 있던 헨리 삼촌이 등장하고, 더 넓은 공간감이 구현됩니다. 몰입형 공간에 최적화된 영상 언어를 새롭게 설계한 셈입니다.
이 프로젝트는 2025년 8월 28일, 스피어에서 공개될 예정입니다. 고전 영화가 AI를 통해 어떻게 새로운 시대의 경험으로 확장될 수 있는지를 보여주는 상징적인 사례가 될 것으로 기대됩니다. [더보기]
|
|
|
미드저니, 1년 만에 새 모델 'V7' 출시…'사실적 이미지' 최강자 자리 되찾나
사실적인 이미지 생성의 강자 미드저니가 1년 만에 새로운 모델을 선보였습니다. 지브리 스타일을 앞세운 챗GPT와 구글, 블랙 포레스트 랩스 등 그동안 등장한 경쟁자들을 제치고 지명도를 끌어 올릴 수 있을지 주목됩니다. 미드저니는 4일(현지시간) 홈페이지를 통해 최신 'V7' 모델을 알파 버전으로 출시한다고 발표했는데요. 이번 버전의 가장 큰 특징으로는 '개인화(personalization)'가 꼽혔습니다. 모델을 개인적인 시각적 선호도에 맞게 조정하는 기능입니다. 또 '드래프트 모드(Draft Mode)' 또한 주력 기능이라고 소개했습니다. 이는 절반 비용으로 속도는 10배 빠른 이미지 생성 기능으로, 생각하는 것을 즉시 입 밖에 내면 이를 이미지에 적용해 준다고 합니다. 즉, 아이디어를 가다듬는 좋은 방법이 될 수 있다는 설명이죠. [더보기]
|
|
|
‘AI 만난 뮤직비디오’…지드래곤 ‘엔터테크’ 새 지평
지드래곤이 KAIST 교수이자 가수로서 ‘이노베이트 코리아 2025’ 행사에서 인공지능과 예술의 융합을 선보이며 주목 받았습니다. 4월 9일 KAIST에서 열린 이 행사에서 그는 오픈AI의 영상 생성 AI ‘소라(Sora)’를 활용해 만든 신곡 ‘HOME SWEET HOME’의 뮤직비디오를 최초 공개했는데요. 해당 영상은 사막, 도시, 우주를 배경으로 각기 다른 인물들이 집을 찾아가는 여정을 담고 있으며, 지드래곤이 직접 큐레이팅을 맡았습니다. 그는 신기술을 활용한 제작 방식이 효율적일 뿐 아니라 협업의 확장성 면에서도 매력적이라며, 자신의 데이터를 체계적으로 학습시킬수록 더욱 흥미로운 작업이 가능할 것이라고 밝혔습니다. [더보기]
|
|
|
H&M, 광고·소셜 미디어에 모델 '디지털 트윈' 활용…"촬영 스태프 생계 위협" 반발
글로벌 의류 브랜드 H&M이 인공지능(AI)을 활용, 모델의 디지털 트윈을 만들겠다고 밝혔습니다. 모델의 동의를 통해 30명의 디지털 트윈을 제작 후, 인간 대신 일부 소셜 미디어 게시물과 마케팅에 활용할 계획이라는 것인데요. 이 사실이 알려지자 사진작가나 메이크업 아티스트, 헤어 스타일리스트, 의상 스타일리스트 등에게 영향을 미칠 수 있다는 지적이 등장했습니다. 하지만 업계에서는 이미 팬데믹 이후부터 비용을 줄이기 위해 촬영 현장에 더 적은 인력을 투입해 온 것으로 알려졌습니다. 헤어 및 메이크업 아티스트인 비르나 스미랄디는 최근에는 모델이 직접 헤어와 메이크업을 준비하라고 요청하는 경우가 많아졌다고 주장하였으며, AI로 인해 이런 추세가 가속화될 것으로 보았습니다. [더보기]
|
|
|
|
