국제 AI 경진대회 ‘DCASE 2026 챌린지’ 부문서 1등
시각 사각지대 음향으로 보완하는 차세대 보안 솔루션으로 진화 전망
한화비전이 국제 음향 인공지능(AI) 경진대회에서 최고 성적을 거두며 기술력을 입증했다.
이번에 확보한 기술은 향후 영상보안 솔루션과 접목돼 차세대 보안 제품 개발로 이어질 전망이다.
한화비전은 14일 광주과학기술원(GIST) 연구진과 공동 개발한 '연속 학습' 기술로 국제 음향 AI 경진대회 '디케이스(DCASE) 2026 챌린지'에서 1위를 차지했다고 밝혔다.
이 성과는 한화비전 R&D센터 AI연구소와 김홍국 GIST 교수 연구팀의 협업으로 이뤄진 것으로, AI가 새로운 소리를 익히는 과정에서 기존에 학습했던 소리를 잊어버리는 고질적 문제를 해소했다는 점에서 관심을 모았다.
세계전기전자공학회 주관으로 열리는 디케이스 챌린지는 음향 AI 기술을 겨루는 세계적인 학술대회로 꼽힌다.
올해 대회에는 총 135개 팀이 출전했다.
공동연구팀은 이 가운데 '도메인 비의존 오디오 분류를 위한 점진 학습' 부문에 참가해 21개 경쟁팀을 제치고 정상에 올랐다.
이 부문은 소리의 출처가 불분명한 상황에서 아기 울음, 개 짖는 소리, 화재경보 등 10가지 소리를 구별해내는 과제로 진행됐다.
연구팀이 주력한 부분은 AI 업계에서 '치명적 망각'이라 불리는 현상의 해소였다.
기존 오디오 인식 AI는 녹음 환경이나 주변 소음이 바뀌면 성능이 흔들리는 한계가 있었고, 특히 새로운 데이터를 학습할 때마다 이전에 학습한 정보를 잃어버리는 문제가 데이터 축적을 가로막아왔다.
도시 소음을 잘 인식하던 AI에 공항 환경 소리를 새로 가르치면 오히려 도시 소음 인식 능력이 떨어지는 식이다.
이런 현상은 범용 대형 AI 모델보다 특정 목적에 맞춰 만들어진 소형 모델에서 두드러지며, 주변 환경 변화가 잦은 보안·산업안전 분야에서는 특히 중요한 기술 과제로 여겨져 왔다.
이를 해결하기 위해 연구팀은 과거에 학습한 소리의 특징을 다시 불러내 활용하는 '딥인버전 기반 생성형 리플레이' 방식을 도입했다.
별도의 데이터 수집 없이도 분류 모델 스스로가 이전에 익힌 소리와 비슷한 음향을 재구성해 역추적하도록 만드는 기법이다.
예컨대 실내 감시 시스템의 AI가 도로 소음을 새로 학습하더라도, 과거 실내 소리의 음향 특성을 되짚어 기존 분류 능력을 유지할 수 있도록 설계됐다.
연구팀은 여러 AI 모델의 예측을 결합하는 앙상블 방식도 함께 적용해 성능 안정성을 높였다.
그 결과 최종 시스템은 평균 정확도 79.62%를 기록해 나머지 20개 팀 평균 정확도인 약 68%를 크게 웃돌았다.
최종 앙상블 시스템과 함께 제출한 3개 단일 시스템까지 모두 해당 부문 공식 랭킹 1위부터 4위를 휩쓸며 기술 완성도를 재차 증명했다.
한화비전은 이번 기술이 다양한 환경에서 안정적으로 음향 데이터를 축적할 수 있다는 점에서, 향후 차세대 AI 보안 솔루션 개발에도 폭넓게 활용될 것으로 기대하고 있다.
임정은 한화비전 AI연구소장은 “이번 수상이 회사의 연구 방향성과 기술력이 세계 최고 수준임을 보여주는 결과”라며, “연속 학습 기술이 보안 카메라의 환경 적응력과 직결되는 만큼 이를 미래 솔루션으로 발전시켜 나가겠다”고 말했다.
한편 이번 연구 성과는 오는 10월 28일부터 이틀간 미국 보스턴에서 열리는 '디케이스 2026 워크숍'에서 발표되며, 이 자리에서 우승팀 시상도 함께 이뤄질 예정이다.
이번 산학협력 연구는 한화비전 자체 과제와 산업통상자원부 지원 과제를 통해 진행됐다.
