현대자동차 남양연구소: 99% 정확도의 충돌 시험 이미지 검색·분류 시스템 구축
넘치는 데이터의 활용 방법 찾기현대자동차 남양연구소는 충돌 시험에서 생성되는 방대한 이미지 데이터를 효율적으로 관리하고 활용하는 데 어려움을 겪고 있었습니다. 단 한 번의 충돌 시험이 진행될 때마다 고속 카메라 영상, 수만 장의 고해상도 사진, 그리고 수만 개의 센서가 기록한 계측 데이터가 생성되지만, 이미지 데이터는 체계적인 분류 기준 없이 여러 폴더에 분산 저장되는 구조였습니다.연구원이 특정 차종의 특정 각도에서 발생한 변형 사례를 찾기 위해서는 해당 시험을 담당했던 동료를 찾아가 구두로 위치를 묻거나, 수많은 폴더를 열어보며 썸네일을 확인하는 방식으로 탐색해야 했습니다. 보고서 한 건을 작성하기 위해 적합한 이미지를 찾고 정렬하는 데만 평균 20~30분이 소요되며, 이는 연구 효율과 데이터 재활용 측면에서 분명한 병목으로 작용했습니다.“데이터는 많이 쌓이는데, 처리할 방법이 없었습니다. 특정 차종의 특정 각도 이미지를 찾으려면 동료를 찾아가 물어보거나 썸네일을 일일이 확인해야 했습니다.” — 현대자동차 남양연구소 연구원현대자동차 남양연구소는 이러한 한계를 개선하고 연구 효율을 높이기 위해, AI 기반의 이미지 분류 및 검색 시스템 구축을 추진했습니다. 이 과정에서 충돌 시험 환경에 맞는 맞춤형 시스템 구현을 위해 엘리스를 기술 파트너로 선택했습니다.사진으로 사진을 찾는 AI 검색 엔진
▲ 이미지 검색 사용 예시자동차 충돌 시험에서는 시험 결과를 분석할 때 유사 사례 이미지를 빠르게 비교해야 합니다. 하지만 이 과정이 사람의 기억과 탐색에 의존하면 데이터가 아무리 쌓여도 활용 효율이 떨어질 수밖에 없습니다. 연구원들이 필요로 했던 것은 바로 사진으로 사진을 찾는 이미지 검색, 즉 원하는 조건의 이미지를 즉시 찾아 비교할 수 있는 환경이었습니다.문제는 일반적인 이미지 검색 방식이 충돌 시험 업무 맥락과 맞지 않는다는 점이었습니다. 예를 들어 특정 차량의 대각선 뷰 이미지를 넣었을 때 결과가 같은 각도가 아닌 비슷한 색상이나 외형 중심으로만 나오면 분석에 필요한 유사 사례를 찾기 어렵습니다. 이에 엘리스는 시각적 유사도가 아니라 촬영 각도(뷰)와 구도 중심으로 유사 이미지를 찾을 수 있도록 검색 시스템을 설계했습니다.“기존 범용 모델은 이미지의 피처(외형, 색상 등) 중심으로 학습되어, 충돌 시험에서 중요한 촬영 각도 기준으로는 질 분류되지 않았습니다. 현대자동차는 하얀 SUV 대각선 사진을 넣으면, 빨간 소형차여도 대각선 뷰가 나오는 모델이 필요했습니다.” — 엘리스 김수인 CRO(최고 연구 책임자)이를 통해 연구원들은 차종이나 색상에 흔들리지 않고, 분석 관점에서 의미 있는 기준(각도)으로 유사 사례를 탐색할 수 있게 되었습니다.미세 부위까지 추적하는 포커스 검색 기능
▲ 포커스 기능 사용 예시충돌 시험 분석에서는 차량의 전체적인 모습만큼이나 특정 범퍼의 굴곡이나 램프의 파손 부위처럼 아주 미세한 영역의 변화가 결정적인 분석 단서가 됩니다. 엘리스는 사용자가 원본 이미지 내에서 관심 영역을 직접 지정하면 해당 부분의 특징값에 가중치를 두어 유사 이미지를 재검색하는 포커스 검색 기능을 구현했습니다.이 기능은 이미지의 전체적인 맥락과 국소적인 세부 사항을 동시에 포착하여, 방대한 아카이브 속에서 바늘 하나를 찾는 것과 같은 정밀한 검색을 가능하게 합니다. 연구원들은 이제 특정 부품의 특정 각도 변형 사례만을 선별적으로 찾아낼 수 있게 되었습니다.현업 적용 가능한 높은 정확도와 안정성엘리스는 프로젝트를 시작하며 가장 먼저 현대자동차 연구원들의 실제 업무 방식을 깊이 이해하는 데 집중했습니다. 기존 충돌 시험 데이터가 어떻게 생성되고 저장되는지, 연구원들이 어떤 방식으로 이미지를 검색하고 활용하는지를 분석했습니다. 이를 바탕으로 촬영 각도, 차량 부위, 시험 조건 등을 고려한 맞춤형 라벨링 기준을 설계했습니다. 단순히 기술적으로 가능한 시스템이 아니라, 현업에서 실제로 쓸 수 있는 시스템을 만들기 위한 필수 과정이었습니다.남양연구소의 목적은 단순한 실험용 모델이 아니라, 실제 업무에 적용 가능한 자동화 시스템 구축이었습니다. 따라서 모델의 정확도는 현업 활용성을 좌우하는 핵심 기준이었습니다. 정확도가 충분히 높지 않다면, 결국 사람이 재검토해야 하고 자동화 효과가 제한되기 때문입니다.엘리스 AI팀은 연구 데이터의 신뢰성이 무엇보다 중요하다는 점을 고려해, 현업 적용이 가능한 수준의 높은 정확도를 목표로 모델을 고도화했습니다. 그 결과 이미지 분류 정확도는 99% 수준까지 도달했습니다.“95% 정도면 충분할 줄 알았는데, 엘리스 쪽에서 99% 이상을 먼저 제안했습니다.” - 현대자동차 남양연구소 연구원이 과정에서 엘리스는 기술 개발뿐 아니라 프로젝트 전체를 안정적으로 완수하기 위한 AI PM으로서의 역할을 함께 수행했습니다. 대규모 AI 프로젝트는 모델 성능만큼이나 현업과의 소통, 일정·우선순위 관리, 방향성 조율이 중요하며, 이를 체계적으로 관리할 수 있어야 최종 결과물이 실제 현업에 적용 가능한 솔루션으로 완성됩니다.“또한 이렇게 대규모 AI 프로젝트에서는 개발과 소통 그리고 일정 관리 등을 총괄하는 AI PM 역할이 정말 중요합니다. 저희는 현업과의 커뮤니케이션부터 모델링, 방향성 조율, 우선순위 관리까지 전체 과정을 체계적으로 관리하면서 최적의 솔루션을 도출하고 이 프로젝트 전반의 완성도와 안정성을 높였습니다.” — 엘리스 김수인 CRO(최고 연구 책임자)대규모 학습을 통한 고정밀 AI 모델 개발라벨링 체계가 확립된 후, 엘리스는 자체 보유한 고성능 컴퓨팅 인프라를 활용하여 대규모 이미지 데이터셋 기반의 학습을 진행했습니다. 수만 번의 반복 학습을 통해 모델의 정확도를 지속적으로 개선했으며, 다양한 촬영 조건과 차종에서도 일관된 성능을 발휘할 수 있도록 데이터 증강 기법을 적용했습니다. 단순히 유사 이미지를 찾는 것을 넘어, 공간적 맥락을 이해하고 의미론적 유사성을 측정할 수 있는 수준까지 모델을 고도화했습니다.“엘리스에서 여러 방법을 같이 리서치를 해 주시고 많이 고도화가 되어서 만족스러운 결과를 얻을 수 있었습니다.” - 현대자동차 남양연구소 연구원보안과 안정성을 갖춘 시스템 통합 및 배포AI 모델 개발이 완료된 후에는 현대자동차의 기존 연구 시스템과 통합하는 작업이 진행되었습니다. 기업의 핵심 기밀인 연구 데이터를 다루는 만큼, 보안과 안정성은 기술적 성과 이전에 갖추어야 할 절대적인 조건이었습니다. 엘리스는 현대자동차의 보안 가이드라인을 철저히 준수하며 기업용 클라우드 환경을 구축했고, 연구원들이 직관적으로 사용할 수 있는 인터페이스를 설계했습니다. 시스템 배포 후에도 사용자 피드백을 지속적으로 수집하고 반영하여 실제 업무 환경에서의 활용도를 높였습니다.이미지에서 문서까지, 멀티 데이터 이해로 확장 가능한 구조엘리스는 이번 프로젝트를 통해 이미지 기반 검색·분류 시스템을 구축했을 뿐 아니라, 향후 연구 데이터 전반으로 확장 가능한 기술 구조도 함께 고려했습니다. 실제 연구 환경에서는 이미지뿐 아니라 엑셀, PPT, 수기 등, 다양한 문서 데이터 역시 중요한 분석 자산이기 때문입니다.엘리스는 문서 내 레이아웃 요소를 자동으로 인식하고, 표·수식·차트까지 구조화 데이터로 변환하는 자체 Document Parser 기술을 탑재한 ‘‘Helpy Vision(헬피 비전)’모델을 보유하고 있습니다. 헬피 비전은 문단·표·그림·수식처럼 서로 다른 문서 요소를 읽기 순서에 맞춰 이해하고, 이를 AI가 활용할 수 있는 구조화된 데이터로 변환합니다. 헬피 비전 모델은 이미지와 문서를 함께 해석하는 VLM(Vision-Language Model)으로, 이미지 검색을 넘어 문서 맥락까지 아우르는 통합 데이터를 이해할 수 있습니다. 이러한 이해 능력은 향후 VLA(Vision-Language-Action)로 확장, 피지컬 AI 환경에서 활용될 예정입니다.
▲ (왼쪽부터) 엘리스 개발 VLM 모델 헬피 테이블 비전, 헬피 도큐먼트 비전엘리스와 함께 하는 AX엘리스는 데이터 정리부터 모델 개발, 현업 적용까지 전 과정을 함께 설계하며 정확도뿐 아니라 적용성과 운영 안정성까지 고려한 AI 시스템 구축을 지원합니다. 충돌 시험처럼 고도로 전문화된 산업 데이터 환경에서도, 데이터는 결국 '활용할 수 있어야' 비로소 자산이 됩니다.기업/기관의 방대한 데이터를 더 빠르고 정확하게 활용할 수 있는 AI 환경을 만들고 싶다면, 엘리스와 함께 시작하세요.
2026. 2. 23.
