이스트소프트

RSS

게시글: 62
등록: 2026년부터

All Frontend Backend AI DevOps Architecture Etc

AI
인공지능 음성 생성 연구: 음성 분류 솔루션
이스트소프트는 인공지능 생성 모델을 활용한 버추얼 휴먼 사업을 진행하며, 특히 상황에 맞는 자연스러운 음성 생성 연구에 주력하고 있습니다. 버추얼 휴먼의 음성 생성을 위해서는 생성 연구뿐만 아니라 음성 신호에 대한 인식 및 처리 기술 고도화가 필수적입니다. 이를 위해 이스트소프트는 '2021 인공지능 그랜드 챌린지' 3차 대회에 참여하여 과학기술정보통신부 주최 Task 2에서 1위를 수상했습니다. 해당 대회에서는 재난 상황 드론 영상 데이터에서 구조 대상의 고립 위치, 인원수, 성별, 연령, 상태를 파악하는 문제를 다루었습니다. 드론 프로펠러 소음으로 인해 음성 인식 모델이 제대로 작동하지 않는 환경에서, 음성을 이미지로 변환하여 딥러닝 이미지 분류 문제로 해결하는 전략을 채택했습니다. 3초 구간 음성을 남성, 여성, 어린이, 배경음으로 분류하고, 1초 단위 슬라이딩 윈도우를 적용하여 각 구간을 분류한 뒤, 클래스별 top1 예측 결과를 제출하는 방식으로 솔루션을 구현했습니다.
음성 생성버추얼 휴먼음성 분류
이스트소프트·2022년 6월 10일
AI
인공지능 음성 생성 연구 - 음성 분류 솔루션
이스트소프트는 인공지능 생성 모델을 활용한 버추얼 휴먼 사업을 진행하며, 특히 상황에 맞는 자연스러운 음성 생성 연구에 주력하고 있습니다. 버추얼 휴먼의 음성 생성을 위해서는 생성 연구뿐만 아니라 음성 신호에 대한 인식 및 처리 기술 고도화가 필수적입니다. 이를 위해 이스트소프트는 '2021 인공지능 그랜드 챌린지' 3차 대회에 참가하여 과학기술정보통신부 장관상을 수상하는 성과를 거두었습니다. 본 글에서는 해당 대회 Task 2에서 사용된 음성 신호 처리 솔루션을 소개합니다. 드론 촬영 영상의 잡음 환경에서 구조 대상의 고립 위치 파악, 구조자 수, 성별, 연령, 상태를 구분하는 문제에 대해, 음성을 이미지로 변환하여 딥러닝 기반 이미지 분류 문제로 접근하는 전략을 사용했습니다. 3초 구간 음성을 남성, 여성, 어린이, 배경음으로 분류하고, 1초 단위 슬라이딩 윈도우를 적용하여 각 구간을 분류하는 모델을 개발했습니다.
음성 생성버추얼 휴먼인공지능 챌린지
이스트소프트·2022년 6월 9일
AI
인공지능 음성 생성 연구 - 음성 분류 솔루션
이스트소프트의 AI PLUS Tech Blog에서 인공지능 생성 모델을 활용한 버추얼 휴먼 사업과 음성 생성 연구에 대해 소개합니다. 특히, 상황에 맞는 자연스러운 음성 생성을 위해 음성 신호 인식 및 처리 기술 고도화의 중요성을 강조합니다. 이스트소프트는 '2021 인공지능 그랜드 챌린지' 3차 대회 Task 2에서 재난 상황의 드론 영상 데이터로 구조 대상의 고립 위치, 인원수, 성별, 연령, 상태를 파악하는 문제에 참여하여 1위를 수상했습니다. 드론 프로펠러 소음으로 인한 음성 인식의 어려움을 극복하기 위해, 음성을 이미지로 변환하여 딥러닝 이미지 분류 문제로 접근하는 전략을 사용했습니다. 3초 구간 음성을 남성, 여성, 어린이, 배경음으로 분류하고, 1초 단위 슬라이딩 윈도우를 적용하여 각 구간을 분류하는 방식으로 높은 precision 값을 달성했습니다.
음성 생성버추얼 휴먼인공지능 챌린지
이스트소프트·2022년 6월 9일
AI
생성 모델의 새로운 흐름 확산 모델(Diffusion model)에 관하여
이 글은 생성 모델 분야에서 최근 주목받고 있는 확산(diffusion) 모델에 대해 소개합니다. 확산 모델은 기존 생성 모델 대비 뛰어난 성능을 보이지만, 물리학에서 아이디어를 가져온 복잡한 수식으로 인해 다소 생소하게 느껴질 수 있습니다. 글은 확산 모델의 개념을 소개하고, 점수 함수(score-function)와 기반 모델을 설명하며, 이를 결합한 SDE(Stochastic Differential Equation)를 이용한 점수 기반 생성 모델링까지 다룹니다. 딥러닝의 분류 모델과 생성 모델의 차이를 설명하고, VAE, GAN 등 기존 생성 모델의 특징과 한계를 언급하며 확산 모델의 등장 배경과 중요성을 강조합니다.
확산 모델생성 모델점수 함수
이스트소프트·2022년 2월 15일
AI
생성 모델의 새로운 흐름 확산 모델(Diffusion model)에 관하여
이 글은 최근 생성 모델 분야에서 주목받고 있는 확산 모델(Diffusion Model)에 대해 소개합니다. 확산 모델은 물리학에서 아이디어를 차용했으며, 기존 생성 모델 대비 뛰어난 성능을 보여줍니다. 글은 확산 모델의 개념, 점수 함수(score-function), 기반 모델, 그리고 SDE를 이용한 점수 기반 생성 모델 순서로 설명합니다. 딥러닝의 다른 생성 모델인 VAE와 GAN의 특징과 한계점도 간략히 언급하며, 확산 모델의 등장 배경과 원리를 이해하는 데 도움을 주고자 합니다.
확산 모델Diffusion Model생성 모델
이스트소프트·2022년 2월 14일
AI
생성 모델의 새로운 흐름 확산 모델(Diffusion model)에 관하여
이 글은 생성 모델 분야에서 최근 주목받고 있는 확산(diffusion) 모델에 대해 소개합니다. 확산 모델은 물리학에서 아이디어를 차용했으며, 기존 생성 모델 대비 뛰어난 성능을 보여줍니다. 글은 확산 모델의 개념, 점수 함수, 기반 모델, 그리고 SDE를 이용한 점수 기반 생성 모델 순서로 설명합니다. 딥러닝의 대표적인 생성 모델인 VAE와 GAN을 간략히 소개하며, 확산 모델의 복잡한 수식과 생소함을 해소하고 그 등장 배경과 핵심 원리를 이해하는 데 초점을 맞춥니다.
확산 모델생성 모델딥러닝
이스트소프트·2022년 2월 14일
AI
2021 인공지능 경진대회 참가기
이스트소프트 A.I. PLUS Lab은 과학기술정보통신부 주최 2021 인공지능 경진대회에 참가하여 수치해석 분야에서 1위를 달성했습니다. 본 글은 대회 참가 경험을 공유하며, 대회의 목적과 진행 방식, 그리고 이스트소프트 팀(deepest_04)이 1위를 차지한 수치해석 분야 문제에 대해 소개합니다. 2021 인공지능 온라인 경진대회는 사회 이슈 해결 및 인공지능 기술 활용 확산을 목표로 하며, 이미지, 자연어, 수치해석 총 3개 분야에서 10개의 문제가 출제되었습니다. 이스트소프트는 작년에 이어 올해도 참가하여 우수한 성과를 거두었습니다.
인공지능경진대회수치해석
이스트소프트·2021년 12월 8일
AI
2021 인공지능 경진대회 참가기
이스트소프트 A.I. PLUS Lab은 과학기술정보통신부 주최 2021 인공지능 경진대회에 참가하여 수치해석 분야에서 1위를 달성했습니다. 본 글은 대회 참가 경험을 공유하며, 대회는 이미지, 자연어, 수치해석 3개 분야에서 총 10개의 문제가 출제되었습니다. 이스트소프트는 4개 팀이 참가하여 4개 문제에 도전했으며, 그중 수치해석 분야에서 'deepest_04' 팀이 1위를 차지했습니다. 대회는 참가팀의 문제 해결 및 알고리즘 개발 기술력을 검증하고, 아이디어의 사업화 가능성을 평가하여 우수팀을 선발하는 것을 목표로 합니다. 2020년에 이어 두 번째 참가로, 인공지능 기술 활용 확산과 우수 기업 발굴 및 사업화를 지원하는 취지로 진행되었습니다.
인공지능경진대회수치해석
이스트소프트·2021년 12월 7일
AI
딥러닝 ‘생성모델’과 ‘잠재 벡터’에 관하여
이 글은 AI 아나운서 제작에 활용된 딥러닝 생성 모델과 잠재 벡터의 역할에 대해 설명합니다. 과거 인식 분야에 집중되었던 딥러닝이 최근 음성 합성 및 영상 생성 등 생성 모델 분야에서도 높은 품질을 보여주며 활용 범위가 넓어지고 있습니다. 특히 이스트소프트 AI 연구소는 TTS와 STF 기술을 활용해 AI 아나운서를 제작했으며, 실제 방송에 적용된 사례를 소개합니다. 글은 기계학습 모델을 인식 모델과 생성 모델로 구분하며, 생성 모델이 고차원 데이터를 생성하는 특징과 그 과정에서 다양성을 확보하는 것이 중요함을 강조합니다. 생성 모델 입문자를 위해 잠재 벡터의 역할과 생성 모델의 기본 개념을 다룹니다.
딥러닝생성모델잠재 벡터
이스트소프트·2021년 9월 2일
AI
딥러닝 ‘생성모델’과 ‘잠재 벡터’에 관하여
이 글은 AI 아나운서 제작에 활용된 딥러닝 생성 모델과 잠재 벡터의 역할에 대해 설명합니다. 과거 인식 분야에 집중되었던 딥러닝이 최근 음성 합성(TTS) 및 영상 생성 분야에서 방송 제작 수준으로 발전했음을 보여줍니다. 특히 이스트소프트 AI 연구소에서 개발한 AI 아나운서는 YTN 뉴스 방송에 실제 활용된 사례로 소개됩니다. 글은 기계학습 모델을 인식 모델과 생성 모델로 구분하며, 생성 모델이 고차원의 데이터를 생성하는 특징과 그 과정에서 다양성을 확보하는 것이 중요함을 강조합니다. 또한, 생성 모델 입문자를 위해 잠재 벡터의 개념과 역할을 소개하여 이해를 돕고자 합니다.
딥러닝생성모델잠재 벡터
이스트소프트·2021년 9월 1일
AI
딥러닝 ‘생성모델’과 ‘잠재 벡터’에 관하여
이 글은 AI 아나운서 제작에 활용된 딥러닝 생성 모델과 잠재 벡터의 역할에 대해 설명합니다. 과거 인식 모델 중심이었던 딥러닝 분야에서 최근 음성 합성(TTS) 및 영상 생성 기술의 발전으로 생성 모델의 활용 범위가 넓어졌습니다. 이스트소프트는 TTS와 Speech To Face 기술을 결합하여 AI 아나운서를 제작했으며, 이는 YTN 뉴스 방송에 실제 적용되었습니다. 글에서는 생성 모델을 인식 모델과 비교하며, 고차원 데이터를 생성하는 생성 모델의 특징과 다양성 확보의 중요성을 강조합니다. 특히, 생성 모델의 핵심 개념인 잠재 벡터가 어떻게 데이터 생성 과정에 기여하는지에 대한 이해를 돕고자 합니다.
딥러닝생성모델잠재 벡터
이스트소프트·2021년 9월 1일
AI
AI 기반 뉴스 3줄 요약 서비스 개발기
줌인터넷이 연합뉴스와 공동 개발한 AI 기반 '뉴스 세 줄 요약' 서비스의 연구 개발 과정을 소개하는 글입니다. 이 서비스는 국내 언론 최초로 기사 요약 AI 기술을 도입한 사례입니다. 글에서는 문서 요약의 두 가지 접근 방식인 추출적 방식과 추상적 방식을 설명하고, 뉴스 기사의 특성을 고려하여 추출적 방식을 선택한 이유를 제시합니다. 또한, 딥러닝 모델 학습에 필수적인 양질의 학습 데이터 구축 과정의 중요성을 강조하며, 전문 인력 확보를 통해 데이터 구축을 진행했음을 밝힙니다. 이 글은 AI 기술을 활용한 실제 서비스 개발 사례와 그 과정에서의 기술적 고려사항을 다루고 있습니다.
뉴스 요약AI자연어 처리
이스트소프트·2021년 6월 7일
AI
AI 기반 뉴스 3줄 요약 서비스 개발기
줌인터넷이 연합뉴스와 공동 개발한 AI 기반 뉴스 3줄 요약 서비스 개발 과정을 소개하는 글입니다. 이 서비스는 국내 언론 최초로 기사 요약 AI 기술을 도입한 사례입니다. 글에서는 자연어 처리 분야의 문서 요약 연구 중 추출적 방식과 추상적 방식의 차이를 설명하고, 뉴스 기사의 특성을 고려하여 추출적 방식을 선택한 이유를 제시합니다. 또한, 딥러닝 모델 학습에 필수적인 양질의 학습 데이터 구축 과정의 중요성을 강조하며, 전문 인력 확보를 통해 데이터 구축을 진행했음을 언급합니다. 핵심은 뉴스 기사의 구조적 특성을 활용하여 추출적 요약 방식을 적용하고, 이를 위한 데이터 구축의 중요성을 설명하는 것입니다.
뉴스 요약AI자연어 처리
이스트소프트·2021년 6월 6일
AI
bayesian optimization in trading
이 글은 알고리즘 트레이딩에서 베이지안 최적화를 활용하는 방법에 대해 다룹니다. AI 기술이 금융 시장의 패러다임을 바꾸고 있으며, 특히 최적의 예측 모델 개발을 위해 초매개변수(하이퍼파라미터) 설정이 중요함을 강조합니다. 기존의 경험적 방식이나 그리드 서치, 랜덤 서치 등의 하이퍼파라미터 최적화 방법론을 소개하고, 최소 시간과 자원으로 최적의 하이퍼파라미터를 찾는 베이지안 최적화의 원리와 장점을 설명합니다. 이를 통해 금융 시장 분석 및 예측 모델의 성능을 효과적으로 향상시킬 수 있는 방안을 제시합니다.
베이지안 최적화하이퍼파라미터 최적화알고리즘 트레이딩
이스트소프트·2021년 5월 6일
AI
bayesian optimization in trading
이 글은 알고리즘 트레이딩에서 베이지안 최적화를 활용하는 방법에 대해 다룹니다. AI 기술이 금융 시장의 패러다임을 바꾸고 있으며, 특히 시장 트렌드 분석 및 예측 모델 개발에 AI의 잠재력이 높게 평가되고 있습니다. 모델 개발의 핵심은 최적의 초매개변수(하이퍼파라미터) 설정이며, 이를 효율적으로 찾는 방법론이 중요합니다. 글에서는 초매개변수 조정의 개념과 함께 수동 탐색, 그리드 탐색, 랜덤 탐색 등 기존 방법론을 소개하고, 최소 시간과 자원으로 최적의 하이퍼파라미터를 찾는 베이지안 최적화 방법론을 집중적으로 살펴봅니다. 궁극적으로 베이지안 최적화를 알고리즘 트레이딩에 적용하는 방안을 모색합니다.
베이지안 최적화하이퍼파라미터 최적화알고리즘 트레이딩
이스트소프트·2021년 5월 5일
AI
AI를 활용한 고용률 예측 모델 개발기(2)
이스트소프트 AI PLUS Tech Blog에서 발행한 고용률 예측 모델 개발기 2편은 뉴스 기사 감정 정보를 활용하여 미래 고용률을 현재 시점(nowcasting)에서 예측하는 과정에 대해 설명합니다. 이전 편에서 다룬 뉴스 기사 감정 추출에 이어, 본 편에서는 과거 고용률 데이터와 함께 뉴스 기사에서 추출된 감정 정보(긍정/부정/보통)를 결합하여 예측값을 도출하는 모델을 소개합니다. 특히, 고용률의 연간 주기성과 뉴스 기사의 시의성을 고려하여 각 데이터의 입력 기간을 다르게 설정하는 점이 특징입니다. 이를 통해 외부 요인의 영향을 보완하여 보다 정확한 고용률 예측을 목표로 합니다.
고용률 예측AI머신러닝
이스트소프트·2021년 4월 6일
AI
AI를 활용한 고용률 예측 모델 개발기(2)
이스트소프트 AI PLUS Tech Blog에서 발행한 'AI를 활용한 고용률 예측 모델 개발기(2)'는 이전 편에서 다룬 뉴스 기사 감정 정보 추출에 이어, 추출된 감정 정보와 과거 고용률 데이터를 결합하여 미래 고용률을 현재 시점에서 예측하는 'nowcasting' 모델 개발 과정을 상세히 설명합니다. 모델은 과거 고용률 정보($x_{t:t-L}$)와 뉴스 기사에서 추출한 감정 정보($e_{t:t-W}$)를 활용하며, 고용률의 연간 주기성과 뉴스의 시의성을 고려하여 각 데이터의 참조 기간($L$, $W$)을 다르게 설정했습니다. 이를 통해 외부 요인의 영향을 보완하여 보다 정확한 고용률 예측값을 도출하는 것을 목표로 합니다.
고용률 예측AI머신러닝
이스트소프트·2021년 4월 5일
Etc
AI를 활용한 고용률 예측 모델 개발기(2)
해당 글은 'AI를 활용한 고용률 예측 모델 개발기(2)'라는 제목을 가지고 있으나, 실제 본문 내용은 '유효하지 않은 페이지입니다.'라는 메시지만을 포함하고 있습니다. 따라서 방문자가 찾으려는 페이지가 존재하지 않거나 주소가 잘못되었음을 알리는 내용입니다. 기술적인 문제나 페이지 접근 오류에 대한 안내로 보이며, AI 모델 개발과 관련된 실제 내용은 포함되어 있지 않습니다. 이로 인해 해당 글은 특정 기술 카테고리에 속한다고 보기 어렵습니다.
에러페이지 없음기술 블로그
이스트소프트·2021년 3월 31일
AI
AI를 활용한 고용률 예측 모델 개발기(1)
이스트소프트 AI PLUS Lab에서 뉴스 정보를 기반으로 고용률 예측 모델을 개발한 과정을 소개하는 글입니다. 기존 경제 지표는 수작업으로 인한 시의성 부족 문제를 가지고 있으며, 코로나19 팬데믹 이후 초속보성 경기지표의 필요성이 대두되었습니다. 이에 AI 기술을 활용하여 단기간의 고용률 변화를 예측하는 모델 개발에 착수했습니다. 고용률 예측 문제는 시계열 예측, 특히 현재 예보(nowcasting) 문제로 정의되며, 과거 고용률 값뿐만 아니라 외부 사건 정보의 중요성이 강조되었습니다. 기존 연구와 달리, 본 프로젝트에서는 BERT 기반 모델을 활용하여 뉴스 기사로부터 고용 상황에 대한 심리 분석을 수행하고 이를 고용률 예측에 접목하는 방식을 채택했습니다. 모델은 감정 모델과 고용률 현재 예보 모델 두 가지 모듈로 구성됩니다.
고용률 예측AI시계열 예측
이스트소프트·2021년 3월 8일
AI
AI를 활용한 고용률 예측 모델 개발기(1)
이스트소프트 AI PLUS Lab에서 뉴스 정보를 기반으로 고용률 예측 모델을 개발한 과정을 소개하는 글입니다. 기존 고용률 지표는 수작업으로 인한 단기 변화 파악의 어려움이 있었으나, 코로나19 팬데믹 이후 초속보성 경기지표의 필요성이 대두되었습니다. 이에 AI 기술을 활용하여 단기간의 고용률 변화를 예측하는 모델 개발에 착수했습니다. 고용률 예측 문제는 시계열 예측의 일종인 'nowcasting' 문제로 정의되었으며, 과거 고용률 데이터뿐만 아니라 외부 사건 정보의 중요성을 인지했습니다. 특히, 뉴스 기사를 활용하여 고용 상태에 대한 심리 분석을 진행하고, BERT 기반 모델을 적용하여 기존 연구보다 머신러닝 기법을 적극 활용한 점이 특징입니다. 모델은 감정 모델과 고용률 현재 예보 모델 두 가지 모듈로 구성됩니다.
고용률 예측시계열 예측nowcasting
이스트소프트·2021년 3월 7일