본문 바로가기
IT 아이패드 굿노트 팁

국내 최대 네이버 개발자 컨퍼런스 DEVIEW 2023

by 데이즈비비 2023. 2. 28.
반응형

미래를 향한 개발자의 시선

출처 ZDNET

서울 코엑스 그랜드볼룸에서 지난 27~28일 개최된 네이버 개발자 컨퍼런스 데뷰 2023이 개최되었습니다. 사전등록 신청한 참석자만 무려 3천500여명에 달하며 국내 최대규모의 행사답게 다양한 분야의 개발자와 참관객들이 현장에 참석했으며 개발자들을 위한 다양한 강연과 전시가 이루어졌습니다. 네이버 데뷰는 2008년 사내 기술 행사로 시작해 2010년 외부 개발자에게 개방한 뒤 매년 IT 분야의 최신 기술과 트렌드를 공유하고 있습니다. 벌써 15회차를 맞은 데뷰는 네이버를 비롯해 하이퍼커넥트, 쿠팡, 쏘카, 스캐터랩, 심바이오트AI, 한국 축산데이터 등 각 분야 정보기술(IT) 기업 개발자들이 발표자로 참여했으며 AI/ML, 클라우드, 웹, 검색, 모바일, NLP, 데이터, 추천, 인프라 등 총 46개 세션으로 진행됩니다.


하이퍼클로바X

고객이 자체 보유한 데이터를 하이퍼클로바와 결합하여 사용자의 니즈에 맞는 응답을 빠르게 제공할 수 있도록 업그레이드한 초대규모 AI이며 개별 서비스에서부터 특정 기업, 국가 단위까지 누구나 목적에 따라 최적화된 인공지능 프로덕트를 만들어 더 큰 가치를 창출할 새로운 비즈니스 기회를 만들 수 있을 것으로 기대한다고 자신감을 내비쳤습니다. 챗 GPT 대비 한국어를 6500배 더 많이 학습하고 사용자가 바라는 AI 모습을 발현시킬 수 있도록 개선되었으며 적은 양의 데이터라도 고객이 가진 데이터와 결합하면 특정 서비스나 기업 등 해당 영역에 최적화된 초대규모 AI 프로덕트 구축이 가능하며 사용자가 필요로 하는 니즈에 맞는 응답을 다양한 인터페이스로 즉각 제공할 수 있도록 업그레이드했다고 설명했습니다.

네이버 서치 GPT 프로젝트

하이퍼클로바를 네이버 검색에 특화시킨 검색 대규모 언어모델(Search LLM) 오션을 백본(back-born)으로 활용하여 이를 바탕으로 20년간 축적한 사용자의 검색 흐름 데이터를 모델링하고 검색 목적을 달성할 수 있게 최적의 경로를 안내해줍니다. 검색 의도와 결과를 더 잘 이해하고 신뢰성이 강조된 답변을 생성할 수 있도록 하는 기술입니다. 정보의 신뢰성, 네이버 서비스와의 연결성, 효과적인 정보제공을 위한 멀티모달이 세 가지를 중점적으로 프로젝트를 진행 중입니다.

웹툰미 Webtoon Me

네이버 웹툰 인공지능 부스에서는 누구나 웹툰의 주인공이 될 수 있는 '웹툰미' 프로젝트 기술을 활용한 체험을 진행했습니다. 웹툰미는 얼굴뿐 아니라 전신까지 웹툰 캐릭터로 전환할 수 있으며 사진과 영상을 실시간으로 바꿀 수 있는 기술입니다. 네이버에서 연재되는 웹툰 작가의 그림 스타일이 적용되어 스크린 앞에 서서 카메라를 응시하면 카메라로 네 컷 사진을 촬영할 수 있는 체험을 진행했고, 여신 강림, 팔이피플, 이말년씨리즈, 복학왕 등 인기 작품의 캐릭터가 되어볼 수 있어 반응도가 굉장히 좋았습니다. 독자적인 데이터 생성 절차를 구축하여 생성 모델 추세에 빠르게 대응하였기에 출시가 앞당겨졌습니다. 최신 State-of-the-art, SoTA 모델을 활용하여 개량한 점도 왜곡이 심한 캐릭터의 얼굴 변화와 피부 색상을 변경할 때 용이하게 작동했으며 특히 데이터셋을 고도화하는 과정에서 스테이블 디퓨전 기술을 적용하여 정교한 캐릭터를 구현해냈습니다.

스노우

AI 필터가 만들어지는 과정에 대해 데이터를 어떻게 생성하는지, 필터는 어떻게 개발하는지에 대한 방법을 소개했습니다. 스노우 필터가 만들어지는 과정에 대해서 사내 기획팀으로부터 트렌드를 공유받고 그다음 모델학습이 필요하고 그 후 피드백 과정을 거쳐 데이터가 수정되며 출시됩니다. Pair Dataset 생성 과정에서 인종, 연령, 표정, 성별을 적은 데이터에 GNA Inversion 기법을 적용하여 다양성을 갖도록 학습 데이터를 증강해야 좋은 결과를 가져올 수 있다고 덧붙였습니다. 필터에 필요한 모델링 구조는 실제 사람과 유사한 스타일과 다른 스타일로 구분되며 전체적으로 큰 두 가지 모델을 사용하여 제너레이터의 U-Net 구조를 자체적으로 개량하고 실험적 결과를 통해 모델을 최적화한다고 발표했습니다.

반응형

댓글