-AI 영상 생성 연산 비용 대폭 줄이는 적응형 토큰화 기술 'KATok' 공개
-영상 생성 모델 학습 속도 6.9배, 생성 속도 3.2배 향상
카카오가 컴퓨터 비전 분야의 국제 학회 'ECCV(European Conference on Computer Vision, 유럽 컴퓨터 비전 학회) 2026'에서 방대한 연산량과 높은 계산 비용 문제를 해결하기 위한 신기술을 발표한다고 9일 밝혔다.
최근 AI 업계에서는 고해상도•장시간 비디오 생성으로 연구 흐름이 확장되면서 기하급수적으로 늘어나는 계산 비용을 줄이는 것이 핵심 과제로 떠올랐다. 기존 영상 압축 기술(토큰화)은 영상 내용과 무관하게 고정된 비율로만 데이터를 압축했기 때문에, 배경이 멈춰 있거나 움직임이 적은 장면에서도 불필요하게 많은 토큰을 생성해 연산 자원을 소모하는 한계가 있었다.
카카오는 비디오 프레임 사이의 중복성이 높다는 점에 주목해, 영상의 시공간적 복잡도에 따라 연산에 필요한 토큰 수를 AI가 스스로 판단해 조절하는 적응형 토큰화 기술 'KATok(Keep-or-Drop Adaptive Tokenizer for Compact Video Representation)'을 연구했다. 움직임이 크고 정보량이 많은 복잡한 장면에는 더 많은 토큰을 배분하고, 반대로 정적이거나 단순한 영역에서는 중복 토큰을 제거하는 방식이다. 사람이 일일이 토큰 수를 지정하지 않아도 AI가 영상 내용에 맞춰 필요한 연산량을 스스로 결정해 자원을 효율적으로 배분할 수 있다.
실험 결과 KATok은 기존 밀집형 토큰화 방식보다 현저히 적은 토큰 수만으로도 고품질 영상을 재구성하며, 뛰어난 데이터 압축 성과를 보였다. 특히, 비디오 생성 파이프라인 전체에 적용했을 때 기존 대비 영상 생성 모델의 학습 속도는 약 6.9배, 영상 생성 속도는 약 3.2배 향상된 것으로 확인됐다. 영상 복잡도에 따라 AI가 스스로 연산량을 조절함으로써 고해상도•장시간 AI 비디오 생성의 핵심 기반을 마련한 것이다.
이번 연구는 카카오 이연경 리서치 엔지니어가 주도했다. 단순히 데이터를 압축하는 토큰화 단계에 그치지 않고, 압축된 토큰 표현을 비디오 생성 모델에 연결해 효율성과 품질을 동시에 확보했다는 점에서 의미가 있다.
카카오는 앞으로 KATok 기술을 고도화해 한층 더 높은 해상도와 장시간 비디오 생성 환경으로 적용 범위를 넓힐 계획이다.
카카오 최동진 어플라이드 AI 모델 성과리더는 "고해상•장시간 영상처럼 연산량이 급증하는 환경일수록 KATok의 연산 절감 효과는 더욱 커질 것"이라며 "다양한 AI 비디오 생성 모델과의 범용성을 검증해, 연산량은 줄이면서도 뛰어난 화질을 유지하는 대규모 비디오 생성의 핵심 기반 기술로 발전시켜 나가겠다"고 말했다.
ECCV는 CVPR(컴퓨터 비전 및 패턴 인식 학회), ICCV(국제 컴퓨터 비전 학회)와 함께 세계 3대 컴퓨터 비전 학회로, 올해는 12일까지 스웨덴에서 개최된다.
