서울대학교 공과대학 연구팀이 엣지 디바이스에서 비전 트랜스포머 기반 영상 분석 속도를 기존보다 2.61배 높인 AI 시스템 `우로보로스(Ouroboros)`를 개발해 국제 학술대회에서 공개했다.

이경한 서울대학교 전기정보공학부 교수(왼쪽), 박찬정 서울대학교 전기정보공학부 연구원(오른쪽)

서울대학교 공과대학은 전기정보공학부 이경한 교수 연구팀이 엣지 디바이스에서 비전 트랜스포머(Vision Transformer) 기반 비디오 분석을 기존 대비 2.61배 빠르게 수행하는 AI 시스템 `우로보로스(Ouroboros)`를 개발했다고 밝혔다.

이번 연구는 지난 6월 22일부터 사흘간 영국 케임브리지에서 열린 모바일 시스템 분야 최고 권위 국제학술대회 `ACM 모비시스(ACM MobiSys) 2026`에서 23일 구두 발표됐다.

비전 트랜스포머는 이미지를 여러 개의 패치로 나눠 각 패치 간 관계를 분석하는 구조로 높은 정확도를 제공하지만, 연산량과 메모리 사용량이 커 스마트폰과 로봇, 드론 등 연산 자원이 제한된 엣지 디바이스에서는 실시간 활용이 쉽지 않았다.

영상은 연속된 프레임으로 구성돼 인접한 프레임 간 유사성이 높지만, 기존 기술은 같은 위치의 픽셀이나 프레임 차이만 기준으로 중복성을 판단해 물체나 카메라가 움직이면 동일한 장면도 다시 계산해야 하는 한계가 있었다.

연구팀은 이를 해결하기 위해 영상 속 물체와 배경의 움직임을 반영해 이전 프레임의 계산 결과를 재활용하는 시스템 기술인 우로보로스를 개발했다.

우로보로스는 하드웨어 비디오 인코더가 제공하는 움직임 정보(Motion Vector)를 활용해 연속된 프레임에서 동일한 시각 정보를 찾아낸다.

이를 통해 물체나 배경이 화면 안에서 위치를 이동해도 같은 대상으로 인식하고, 이전 프레임에서 계산한 결과를 다시 사용할 수 있도록 했다.

연구팀은 화면 경계를 넘어 이동한 물체도 연속적으로 인식할 수 있도록 좌우와 상하가 이어진 순환형 입력 공간을 도입했다.

여기에 위치 인코딩 재배치 기술을 적용해 경계를 넘는 물체도 하나의 연속된 대상으로 정확하게 추적하도록 설계했다.

또한 화면 전체를 반복 계산하지 않고 변화가 큰 영역만 새롭게 연산하고 나머지는 이전 계산 결과를 재사용하는 방식을 적용했다.

메모리 접근 비용을 최소화하는 계산 구조도 함께 설계해 연산량 감소가 실제 처리 속도 향상과 에너지 절감으로 이어지도록 구현했다.

실험 결과 우로보로스는 엔비디아 젯슨 오린(NVIDIA Jetson Orin) 계열 엣지 디바이스에서 최대 87.0%의 연산량 절감과 2.61배의 추론 속도 향상, 64.5%의 에너지 절감을 달성했다.

객체 탐지와 인스턴스 분할 작업에서는 정확도 저하를 1% 미만으로 유지했으며, 영상을 서버에서 처리하는 환경에서도 기존 기술보다 적은 네트워크 대역폭으로 높은 정확도를 유지했다.

연구팀은 이번 기술이 비전 트랜스포머 구조 자체를 변경하는 것이 아니라 영상 처리 과정의 중복 계산을 줄이는 시스템 기술인 만큼 다양한 비전 트랜스포머 기반 AI 모델에 쉽게 적용할 수 있다고 설명했다.

또 향후 대규모 영상 AI 모델과 엣지-클라우드 협업 AI 시스템으로도 적용 범위를 확대할 수 있을 것으로 전망했다.

기술 활용 분야는 자율주행과 지능형 CCTV, 드론, 로봇, 모바일 증강현실(AR), 스마트팩토리 등 실시간 영상 분석이 필요한 산업 전반에 이를 것으로 기대된다.

이경한 서울대 전기정보공학부 교수는 "이번 연구는 휴머노이드와 같은 피지컬 AI를 구현하는 데 걸림돌이었던 연산 병목과 네트워크 병목의 문제를 동시에 해결할 수 있는 원천 기술을 확보했다는 점에서 의미가 크다"며 "앞으로 피지컬 AI 및 AI 반도체 기업들과 협력해 Ouroboros 기술의 상용화와 사업화를 적극 추진할 계획"이라고 말했다.

이번 연구는 서울대학교와 미국 카네기멜론대학교가 공동 수행했으며, 과학기술정보통신부 재원으로 정보통신기획평가원(IITP)과 한국연구재단(NRF)의 지원을 받아 진행됐다. 또한 서울대학교 공학연구원과 뉴미디어통신공동연구소의 지원도 함께 받았다.