▲ 본 연구에서 제안한 장면 그래프 의미 필터링 개요 / 하나의 장면 그래프 내에서 중복되거나 정보량이 낮은 관계를 제거하는 필터링 과정을 예시 이미지와 함께 설명한 그림이다. 예를 들어, "사람이 막대기를 들고 있다"와 "손에 막대기를 쥐고 있다"는 의미적으로 중복되므로 후자는 제거되고, "사람이 머리가 있다"와 같은 너무 일반적인 관계는 정보량이 낮아 필터링된다. 이 과정은 조건부 확률 계산 및 언어 임베딩 기반 문장 유사도 분석을 통해 수행되며, 이를 통해 전송되는 의미의 수를 줄이면서도 본질적인 장면 정보를 유지할 수 있다. 그림은 의미 필터링 전후의 장면 그래프 비교를 통해, 압축 효과를 직관적으로 보여준다.(그림 및 설명=UNIST)  © 특허뉴스

영상 데이터의 홍수 속에서 ‘필요한 정보만 알아서 전송하는’ 지능형 무선 통신 기술이 국내 연구진에 의해 개발됐다. 기존보다 최대 45배 빠른 전송 효율을 구현해, 자율주행차·원격의료·메타버스 등 실시간 영상 기반 산업의 혁신을 앞당길 전망이다.

UNIST 인공지능대학원 윤성환 교수팀은 과제(Task)에 맞게 꼭 필요한 의미(semantic) 정보만을 골라 전송하는 ‘과제 맞춤형 의미통신(Task-Adaptive Semantic Communication)’ 기술을 개발했다고 밝혔다. 연구 결과는 통신 분야 세계 최고 권위 학술지 'IEEE Journal on Selected Areas in Communications(JSAC)' 10월 20일자에 실렸다.

기존 무선 이미지 전송은 이미지를 통째로 압축해 전송하기 때문에 대역폭이 제한된 환경에서는 전송 지연과 화질 저하가 불가피했다. 윤 교수팀은 이러한 한계를 극복하기 위해 이미지의 의미 구조(객체·배치·관계) 를 분석한 뒤, 과제 목적에 따라 꼭 필요한 의미만 선별해 전송하는 방식을 도입했다.

예를 들어, 단순한 객체 인식 과제에서는 ‘고양이’, ‘자동차’ 등 객체 정보만 전송하고, 이미지 생성처럼 맥락이 필요한 과제에서는 객체 간의 배치와 관계 정보까지 함께 전송한다. 이를 통해 데이터량은 줄이되, 인공지능이 과제를 수행하는 데 필요한 핵심 정보는 보존된다.

특히 연구팀은 “사람에게 머리가 있다”처럼 항상 참인 정보나 “사람이 막대를 들고 있다”와 “손에 막대를 쥐고 있다”처럼 중복된 정보를 걸러내는 ‘의미 필터링(Semantic Filtering)’ 알고리즘도 함께 개발했다. 이 과정은 통신망이 ‘똑똑하게 판단’하도록 만들어, 불필요한 데이터 전송을 근본적으로 줄였다.

시뮬레이션 결과, 이 기술은 기존 대비 최대 45배 높은 전송 효율을 기록했으며, 다양한 무선 환경에서도 지연 없이 실시간 시각 과제를 처리할 수 있음을 입증했다.

윤성환 교수는 “앞으로 통신의 핵심은 단순히 ‘정확하게 보내는 것’에서 ‘의미 있게 보내는 것’으로 이동할 것”이라며 “이번 연구는 AI가 스스로 정보의 가치를 판단해 전송하는 새로운 통신 패러다임을 열었다”고 말했다.

제1저자인 박정훈 연구원은 “자율주행 차량의 인식 시스템, 원격 진단 및 수술, 메타버스 실시간 렌더링 등 초저지연 영상처리가 필요한 분야 전반에 적용 가능성이 크다”고 덧붙였다.