2025 · M2E
카카오 · AI 학습용 영상 데이터
AI 학습에 활용할 실사 영상 데이터를 준비하는 사업입니다. 직접 촬영한 4K–8K 아카이브를 선별하고, 영상 규격·장면 정보·검수·전달까지 연결합니다.
2025 · AI & DATA · 2025 PROJECT
카카오 · AI 학습용 영상 데이터
현실을 기록한 영상에서, 활용 가능한 데이터까지.
실사 아카이브 · 데이터 선별·가공 · 메타데이터 · 공급 구성
PROJECT NEWS · 2025
01 / 05현실의 장면을 AI가 활용할 수 있는 자료로.
카카오 AI 학습용 영상 데이터 프로젝트는 엠투이가 오랜 기간 직접 촬영하고 축적한 시네마틱스탁 아카이브에서 출발했습니다. 도시와 건축, 자연과 산업 현장에 남아 있는 실제 빛, 움직임, 공간의 관계를 데이터 공급의 관점에서 다시 정리하는 작업입니다. 영상 제작에서 한 장면의 완성도가 중요하다면, 데이터 공급에서는 그 장면을 어떤 조건으로 찾고, 어떤 규격으로 활용할 수 있는지도 중요합니다. 엠투이는 촬영 원본의 특성과 요구 조건을 함께 검토하며 선별·가공·분류·전달을 하나의 제작 과정으로 연결했습니다.
옆으로 넘겨 읽기
무엇을 하는 사업인가요?
AI 학습에 활용할 실제 도시·자연·산업의 영상 자료를 선별하고 정리해 공급하는 데이터 사업입니다.
어떤 자료를 다루나요?
지상·항공, 근경·원경, 계절과 날씨가 다른 4K–8K 실사 아카이브를 다룹니다.
엠투이는 무엇을 하나요?
콘텐츠 보유·선별, 영상 처리와 규격 정리, 장면별 메타데이터, 검수와 저장·전달을 연결합니다.
왜 제작 경험이 필요한가요?
원본의 화질과 움직임, 촬영 조건을 이해해야 필요한 장면을 고르고 처리 결과의 오류도 찾아낼 수 있습니다.
01
현실의 장면을 AI가 활용할 수 있는 자료로.
카카오 AI 학습용 영상 데이터 프로젝트는 엠투이가 오랜 기간 직접 촬영하고 축적한 시네마틱스탁 아카이브에서 출발했습니다. 도시와 건축, 자연과 산업 현장에 남아 있는 실제 빛, 움직임, 공간의 관계를 데이터 공급의 관점에서 다시 정리하는 작업입니다.
영상 제작에서 한 장면의 완성도가 중요하다면, 데이터 공급에서는 그 장면을 어떤 조건으로 찾고, 어떤 규격으로 활용할 수 있는지도 중요합니다. 엠투이는 촬영 원본의 특성과 요구 조건을 함께 검토하며 선별·가공·분류·전달을 하나의 제작 과정으로 연결했습니다.
WORKFLOW
- 01
Archive
직접 촬영·축적한 실사 원본
- 02
Select
장소·대상·조건별 선별
- 03
Prepare
영상 처리·메타데이터·검수
- 04
Supply
파일 구성·저장·전달
프로젝트 작업 구성을 설명하는 개념도
02
다양한 시점으로 축적한 실사 아카이브.
기반이 된 자료는 4K–8K 실사 영상입니다. 지상과 항공, 근경과 원경, 서로 다른 고도와 이동 방향에서 기록한 장면은 같은 장소도 다른 맥락으로 보여줍니다. 시기와 계절, 날씨에 따라 달라지는 실제 환경 역시 아카이브의 중요한 정보입니다.
보유 영상 전체를 동일한 자료로 취급하지 않고 장소·대상·시점과 원본 상태를 살펴 공급 구성을 검토했습니다. 기존 아카이브로 대응할 수 있는 장면과 추가 확보가 필요한 장면을 구분하는 일도 이 과정에 포함됩니다.
03
원본의 특성을 확인하고, 필요한 자료를 선별.
여러 시기에 촬영된 원본은 해상도와 코덱, 프레임레이트, 파일 구조가 서로 다릅니다. 촬영·편집 과정에서 쌓인 파일을 검토해 사용할 영상과 작업용 자료를 구분하고, 실제 공급 목적에 맞는 파일 구성을 정리합니다.
공급 설계에서는 원본 자료와 처리한 자료를 구별했습니다. 촬영 당시 확보된 정보와 후처리로 바뀐 부분을 혼동하지 않도록 구성을 나누고, 이용 환경에 맞는 해상도·비트레이트·저장 규격을 검토했습니다.
04
장면을 찾을 수 있게 만드는 메타데이터.
영상 파일만으로는 필요한 장소와 조건을 빠르게 찾기 어렵습니다. 지역과 랜드마크, 촬영 대상과 환경 등 장면을 설명하는 정보를 영상과 연결하는 분류·메타데이터 작업을 공급 범위에 함께 구성했습니다.
소프트웨어 도구를 활용한 정리와 사람이 확인해야 하는 항목을 나누고, 수동 입력과 검수 과정을 함께 설계했습니다. 자동화만으로 판단하기 어려운 위치·장소 정보나 예외 파일은 실제 영상과 대조해 확인하는 방식입니다.
05
영상 처리 기술을 데이터 준비에 적용.
노이즈 감소, 해상도 변환, 프레임 보간 등 영상 처리 방식은 자료의 상태와 사용 목적에 따라 검토했습니다. 촬영·후반 제작에서 쌓은 경험을 바탕으로 어떤 처리가 필요한지, 처리 후 움직임이나 디테일에 문제가 없는지 살피는 과정입니다.
GPU 처리와 저장 장치를 연결해 반복 작업을 수행하고 결과를 검토하는 구성을 마련했습니다. 모든 영상에 같은 처리를 적용하기보다 원본의 특성과 요청 규격에 맞는 준비 과정을 설계하는 데 초점을 두었습니다.
06
선별에서 저장·전달까지 이어지는 운영.
대용량 영상 데이터는 가공이 끝난 뒤에도 파일의 누락과 규격, 폴더 구성, 저장 위치를 확인해야 합니다. 프로젝트 자료에는 영상 처리, 분류·검수와 함께 HDD·NAS 등 저장·전달 방식에 대한 검토가 포함되어 있습니다.
엠투이의 참여 범위는 보유 실사 아카이브와 영상 처리, 메타데이터, 공급 운영입니다. 직접 보유한 촬영 자산과 GPU·서버·스토리지를 연결해 데이터가 전달되는 과정까지 다루는 제작 사례입니다.
07
2026 · 후속 제안과 샘플 제작.
2025년 프로젝트에 이어 2026년에는 새로운 촬영 방식과 자료 구성을 제안하고 샘플을 공유했습니다. 연남동·홍대의 보행·이동 장면과 실내 공간, 앞·뒤·좌·우 시점을 나눈 촬영 자료를 통해 기존 항공·도시 아카이브의 확장 가능성을 검토했습니다.
위치 정보와 파일명을 연결하는 방식, 짧은 구간 단위의 분할, 차량·이동수단과 생활·문화 공간 촬영도 후속 검토 항목입니다. 이 부분은 제안·샘플 단계의 기록이며, 2025년 프로젝트의 확정 납품 실적으로 합산하지 않습니다.
2025년 프로젝트의 자료 구성과 엠투이의 참여 범위를 소개합니다. 2026년 후속 제안·샘플은 별도로 구분했습니다.
AI 학습데이터 서비스Project Inquiries