| 제목 | [뉴스레터] 11월 3주 : 1. 영상 콘텐츠 보호를 위한 딥러닝 기술의 활용 | ||
|---|---|---|---|
| 담당부서 | 저작권기술팀 이민선 | 등록일 | 2015-11-27 |
|
1. 영상 콘텐츠 보호를 위한 딥러닝 기술의 활용
□ 배경 ○ 딥 러닝(Deep Learning) 기술이 요즘 영상 인식 분야 및 동영상 콘텐츠 분야에서 많이 언급되고 있다. 기계학습(Machine Learning)의 내용이 최근 일반인들에게 알려지기 시작하더니, 기계학습의 일종인 딥러닝이란 말이 여기저기서 나오고 있는 형국이다. 영상콘텐츠와 저작권 보호를 위한 영상인식 분야에도 많이 사용되고 있는 딥러닝 기술에 대해서 먼저 알아보자. ○ 딥 러닝은 오래전부터 있었던 인공지능의 한 분야로 인공지능 이론 중 인공신경망(Artificial Neural Network; ANN)에 대한 이론이다. 인공 신경망은 데이터와 데이터간의 차이를 잘 구분할 수 있는 경계를 만들고, 그 경계를 학습을 통해 최적화 해 나가는 과정을 반복하는 구조로 이루어 진다. 예를 들면, 사람의 얼굴이라는 영상을 구분하기 위해서 특정 알고리즘을 구성하고 수 많은 사람 얼굴을 입력 값으로 넣어 사람의 얼굴이 가지는 특징을 추출한 후 그 인공지능만의 기준을 생성하고 조정해 간다. 그렇게 생성된 기준에 따라 입력되는 영상에서 사람의 얼굴을 찾아내는 방법이 인공지능의 인공신경망 방식이다. ○ 인공신경망은 1940년대에 이미 개발된 방법이었다. 침체기를 겪던 인공신경망 관련 기술은 1980년대에 역전파(back propagation) 방법이라는 특징 추출을 최적화 할 수 있는 방법이 소개되면서 활발하게 사용된다. 이후 인공신경망은 영상처리, 인공지능, 제어 등 다양한 분야에 적용되었지만, 90년대에 이르러 그 연구가 포화 상태에 이르고, 이내 한계가 보이기 시작하더니 곧 암흑기를 만나게 된다. ○ 2000년을 전후로 거의 모든 이들이 인공 신경망에 대한 관심을 거둬들인다. 이 즈음 딥 러닝의 개념이 실제로 활용 가능한 개념으로 발전하게 된다. 딥 러닝의 실제 활용이 가능하도록 길을 열어준 토론토 대학의 제프리 힌톤 (Geoffrey Hinton) 교수는 딥 러닝의 한계가 올바른 특징 추출을 못하는 경우가 많기 때문이라는 것에 착안하여 이 문제의 해결책을 찾아낸다. ○ 올바른 특징 추출을 해야 의미 있는 데이터가 나올텐데, 기존의 인공신경망 관련 알고리즘들은 올바른 특징이 추출되지 않아도 이를 수정하기가 매우 어려웠다. 이는 인공신경망 자체가 워낙 복잡해서 그 과정을 고치기 어려웠기 때문이었다. ○ 힌톤 교수는 이러한 올바르지 않은 특징 추출을 데이터를 입력하기 전에 전처리를 통해 일단 한 번 걸러냄으로써 해결할 수 있다는 것을 밝혀냈다. 예를 들면 다음과 같다. 사람의 얼굴을 인식하는 프로그램을 만들기 위해 딥러닝을 위한 알고리즘을 만들고, 이 알고리즘에 수 없이 많은 사람의 얼굴 데이터를 집어 넣는다. 알고리즘은 수 많은 사람의 얼굴 데이터에서 유사한 점들을 찾아내서 사람의 얼굴 특징을 만들어 낸다. 이렇게 만들어진 사람 얼굴의 특징을 활용해서 새롭게 입력되는 사진에서 사람의 얼굴이 있는지 없는지를 금방 찾아내는 방식이다. ○ 딥러닝의 개념은 수십년 전에 나왔고 딥러닝의 문제를 해결하기 위한 방법도 2000년대 초반에 개발되었음에도 이제야 딥러닝이 각광을 받게 되었는데 그 원인은 크게 두 가지로 나눌 수 있다. 첫 째 빅데이터의 힘이다. 예전에는 특징을 뽑아 내기 위한 데이터를 많이 만들어내지 못했다. 충분히 많은 수의 데이터를 입력하지 않으면, 다양한 경우에 적용되는 특징 추출이 어렵다. 두 번째는 하드웨어의 발전이다. 충분한 데이터가 있었어도 예전에는 이를 처리할 수 있는 환경이 갖춰진 곳은 지극히 제한적이었다. ○ 요 근래에 와서 딥러닝은 제대로 동작하여 수많은 빠른 성능을 나타내는 시스템등에 활용되기 시작했으며, 이는 디지털 콘텐츠 특히 동영상 및 음원 등에서 저작권이 걸린 영상과 유사한 동영상 및 음원을 찾아내는데 훌륭한 도구를 제공하고 있다.
□ 주요 내용 ○ 2015년 11월 17일 네이버는 2016년부터 3년간 웹 동영상 콘텐츠 제작에 100억 원을 투입한다고 밝혔다. 또한 이와 별도로 콘텐츠 창작자들이 전문적 영상을 제작할 수 있도록 촬영과 편집 스튜디오도 설립하기로 했다고 밝혔다. ○ 이와 동시에 네이버에서는 동영상 콘텐츠 불법복제 방지에 대한 내용도 발표했다. 네이버 장준기 동영상 셀장은 “네이버 동영상 콘텐츠는 종종 불법 콘텐츠 복제 타깃이 되기도 했고 저작권보호기술(DRM)이 적용돼있지만 100% 유출을 막지는 못했다"며 "그러나 앞으로는 이용자의 ID를 기반으로 런타임 워터마크(복제방지 기술)를 삽입해 불법 복제를 원천방지 할 것"이라고 설명했다. 또한 이러한 ID 기반의 불법 복제 방지 장치 이외에도 ”인공지능 분야 기술인 머신러닝(기계학습)을 적용해 동영상내 특정 장면이나 대사, 장소, 자막을 이용해 원하는 부분만 탐색해서 동영상을 탐색할 수 있도록 하는 시스템도 갖출 예정이다“라고 밝혔다.
□ 평가 ○ 네이버에서 밝힌 딥러닝을 통한 동영상 탐색 기술이 개발되면 그 활용도는 매우 클 것이다. 실제로 페이스북에서는 Deepface라고 불리는 프로젝트에서 딥러닝기반 알고리즘을 활용해서 사람의 얼굴을 인식하는 프로그램을 개발했는데 얼굴 인식률이 97.5%라고 한다. 이 수치는 사람이 눈으로 얼굴을 인식했을 때의 수치와 같다고 한다. 이는 사람보다 빠르게 사람의 정확도와 비슷한 확률로 사람의 얼굴을 프로그램으로 구분할 수 있음을 의미한다. ○ 딥러닝의 발달은 영상분야에서 인증되지 않거나 워터마크가 없는 불법복제된 영상을 충분한 장비만 갖춰진다면 거의 전세계 모든 영상을 실시간으로도 검증할 수 있게 됨을 의미한다. ○ 딥 러닝의 장점은 이제 막 알려지기 시작한 단계이다. 딥 러닝 자체가 아직은 활용 초기에 있으며, 실제 적용된 분야에서 뛰어난 성능을 보이고는 있지만, 오랜시간 검증을 거치지는 않았다. 그러나, 불법 복제가 된 영상을 찾아내는 것이 저작권을 지키기 위한 첫 번째 단계라는 측면에서 보면 빅 러닝은 영상, 음원 등의 저작권 보호를 위해 획기적인 도구를 제공할 것으로 보인다. □ 참고자료 ○ https://ko.wikipedia.org/wiki/딥_러닝 ○ Byoung-Tak Zhang, ‘Deep learning for media creation and protection’, ICOTEC 2015 ○ http://www.ahnlab.com/kr/site/securityinfo/secunews/secuNewsView.do?curPage=1&menu_dist=1&seq=24172 ○ http://news.inews24.com/php/news_view.php?g_serial=929432&g_menu=020310 ○ http://www.bloter.net/archives/201445 ○ http://www.bloter.net/archives/243971 ○ GE Hinton, S Osindero, YW The, ‘A fast learning algorithm for deep belief nets’, Neural computation, 2006, MIT Press |
|||