AI가 닿지 않는 곳이 없는 세상에서, 동영상은 AI를 적극적으로 활용하고 있는 대표적인 산업입니다. 인공지능 모델이 화소를 생성해 기존의 방식에서 훨씬 업그레이드된 화질 개선 기술도 있고요, AI가 동영상을 제작하는 생성형AI도 등장하고 있죠. 그리고 오늘 포스팅에서는, 인공지능을 더한 인코딩 기술에 대해 이야기해보려고 합니다.

인코딩에 인공지능을 왜 적용했을까?

동영상 인코딩에 인공지능이 더해지면, 효율적인 인코딩이 가능합니다. 영상을 인코딩 할 때, 영상의 ‘복잡도’를 파악하는 것이 중요한데요. 복잡한 영상일수록 비트레이트가 높아야 좋은 화질을 유지하면서 인코딩 할 수 있고, 복잡하지 않으면 비트레이트가 낮아도 인코딩 시 화질 유지가 가능합니다. 그런데 인공지능이 도입되기 이전에는 영상의 복잡도를 고려하기 어려웠기 때문에 복잡도가 높은 영상은 화질이 낮아지거나, 높은 화질을 유지하고자 할 때는 영상의 복잡도에 비해 많은 네트워크 사용량으로 인코딩 하게 되면서 비용이 낭비되는 문제가 발생하게 됩니다.

그런데 여기서 인공지능이 영상의 복잡도를 파악해준다고 하면, AI가 복잡도를 계산해 인코딩에 필요한 네트워크를 적절히 사용하기 때문에 네트워크 손실이 줄어들고, 이는 곧 인코딩 비용을 줄일 수 있게 됩니다. 게다가 복잡도가 높은 영상의 경우 최적의 네트워크 사용량으로 좋은 화질을 유지할 수 있도록 해주기 때문에 고품질 영상으로 인코딩 할 수 있다는 장점도 있습니다. 그리고 블루닷은 ‘AI를 ‘CAE(Content Aware Encoding)’에 적용해 효율을 높여보자’라는 생각으로 AI기반의 CAE를 개발하게 되었습니다.

CAE, 생소하지만 매우 유용한 기술

다양한 디바이스에서 영상을 시청하는 요즘 시대에 CAE는 반드시 필요한 기술입니다. Contents, Aware, Encoding이라는 용어에서 알 수 있듯이, 콘텐츠를 파악해 인코딩을 최적화하는 기술인데요. 특히 동영상 산업이 급격하게 성장하면서 우리는 하루에도 수많은 영상을 시청하고, 공급하고 있기 때문에 다양한 콘텐츠를 인지해 인코딩을 최적화해주는 효율적인 기술로 CAE가 주목받고 있습니다.

때문에 넷플릭스나 YouTube, Meta 등 동영상을 대량으로 공급하는 기업들은 자체적으로 CAE를 개발하는 등 적극적으로 기술을 도입하고 있습니다. 앞서 이야기한 동영상 스트리밍 플랫폼 이외에도, Bitmovin과 같은 코덱 개발 회사 역시 CAE의 비용효율성에 주목해 개발을 추진하고 있다고 밝혔습니다.

극강의 효율을 자랑하는 기술의 치명적인 단점

하지만 CAE는 분명히 개선해야 할 부분도 존재합니다. CAE는 처리해야 하는 연산량이 많기 때문에 속도가 느리다는 단점이 있는데요. 때문에 자칫하면 인코딩 비용을 줄이려다가 CAE로 영상을 처리하는 비용이 더 높게 발생할 수 있습니다. 게다가 처리 속도가 느리기 때문에 아직까지는 OTT, VOD와 같은 완성된 영상에만 적용할 수 있을 뿐 라이브로 스트리밍하는 영상에는 적용이 어렵다고 합니다.

그래서 블루닷은 이런 단점을 개선한 CAE를 개발하고 있습니다. 앞서 언급한 ‘복잡도를 계산하는 인공지능 모델’을 적용한 것인데요. 영상의 복잡도를 AI가 빠르게 계산해 준 덕분에 처리 속도를 줄일 수 있고, 이는 곧 네트워크 비용까지 낮출 수 있어 효율을 극대화한 인코딩이 가능합니다. 수많은 영상을 통해 학습한 덕분에 우수한 성능까지 자랑해 고화질 영상도 빠르고, 효율적으로 처리할 수 있을 것으로 기대하고 있죠.

정보 공유도, 습득도, 그리고 엔터테인먼트도 모두 동영상으로 이어지는 현재, 인공지능을 적용한 수많은 동영상 기술이 등장하고 있으며 그 종류도 매우 다양합니다. 동영상에 적용되는 인공지능 모델은 꾸준히 성장중인 동영상 산업에 효율을 더해주고, 우리가 더 많은 영상을 즐길 수 있도록 만들어 줄 것입니다.

오늘 이야기 한 CAE에 대해 더 자세히 알고 싶다면 아래 영상을 참고하세요!