ICML 2026서 비전 AI 경량화 연구 발표

씨이랩이 세계적인 머신러닝 학회 ICML 2026의 공식 워크숍에서 비전 AI 모델 경량화 연구를 발표했습니다. 모델 크기를 줄이면서 압축 과정의 성능 저하를 완화해, 제한된 연산 환경에서도 비전 AI를 효율적으로 돌리는 방법을 다룬 연구입니다. 씨이랩은 이번 발표로 온디바이스 비전 AI 연구 성과를 글로벌 연구진과 공유했습니다.

현장에 '가벼운 AI'가 필요한 이유

AI 모델은 성능이 높아질수록 더 많은 연산 자원을 요구합니다. 하지만 CCTV 관제센터, 스마트팩토리, 리테일 매장 같은 산업 현장에는 고성능 GPU 서버를 충분히 갖추기 어려운 경우가 많습니다.

그래서 저사양 장비에서도 AI를 실행할 수 있게 하는 온디바이스 AI와 모델 경량화 기술이 중요해지고 있습니다. 씨이랩은 기존 현장 장비에서도 비전 AI를 쓸 수 있도록, 연산 부담은 줄이고 성능은 지키는 방법을 연구했습니다.

압축하면 성능이 떨어지는 이유

작은 장비에서 모델을 돌리려면 불필요한 연산과 파라미터를 덜어 내는 압축이 필요합니다. 그런데 언어 AI와 대규모 언어모델에 쓰이던 압축 방식을 비전 AI에 그대로 적용하면 이미지·영상 인식 성능이 크게 떨어질 수 있습니다.

연구진은 원인을 압축 기법 자체에서만 찾지 않고, 압축 이후의 학습 방식과 평가 기준까지 함께 분석했습니다. 그 결과 경량 모델이 대형 모델의 판단 방식을 배우도록 하는 지식 증류(Knowledge Distillation)를 대안으로 제시했습니다.

작아진 모델의 성능을 되찾다

연구진은 비디오 AI 모델 5종으로 실험을 진행했습니다. 지식 증류를 적용한 모든 모델에서 압축 이후 성능이 개선됐고, 특히 엣지 환경용 소형 모델은 압축 전 성능의 약 92%까지 회복했습니다. 이 실험에서 연산 속도 저하는 나타나지 않았습니다.

이번 연구의 의미는 모델을 작게 만드는 데서 그치지 않고, 낮아진 성능을 현장에서 쓸 수 있는 수준까지 다시 끌어올렸다는 데 있습니다. 추가 GPU 서버 도입 부담을 줄이고, 이미 있는 현장 장비로도 비전 AI를 활용할 가능성을 넓혔습니다.

산업 현장의 비전 AI에는 높은 정확도와 함께 실제 장비에서 안정적으로 돌아가는 효율성이 필요합니다. 씨이랩은 온디바이스 비전 AI 기술을 계속 고도화해, 연구 성과가 현장에서 실제로 작동하는 기술로 이어지도록 하겠습니다.