고정 헤더 영역
상세 컨텐츠
본문
2026년 한국방송·미디어공학회 하계학술대회 발표자료 공유
한국방송·미디어공학회가 주관한 「2026년 하계학술대회」는 2026년 6월 18일 목요일부터 6월 20일 토요일까지 롯데호텔 제주에서 개최됐습니다. 이번 학술대회는 방송·미디어 분야의 최신 기술과 연구 성과를 공유하는 자리로 마련됐으며, 정보통신기획평가원(IITP)과 한국정보통신기술협회(TTA)가 주최 기관으로 참여했습니다.
이번 글에서는 우리 방송통신전파분과위원회 위원인 김민중, 조유진, 서현, 이재권 등 네 분의 정보통신기술사님이 학술대회에서 발표한 내용을 공유합니다.
목차
1. “점프 순간을 놓치지 않는다!”
Pose 기반 파운데이션 모델을 활용한 실시간 스포츠 방송 트리거 시스템
발표자: KBS 정보통신기술사 조유진
피겨스케이팅 중계를 볼 때 점프 기술명이나 슬로 모션 리플레이가 실시간으로 정확하게 표시되는 장면을 본 적이 있을 것입니다. 기존에는 사람이 직접 제어하거나 무거운 영상 인식 모델을 사용해야 해 지연과 오류가 발생하는 경우가 많았습니다.
이번 논문은 인체의 관절 위치인 Pose 데이터만 추출해 가볍고 정확하게 처리하면서도, 오발송 없이 안정적으로 실시간 방송 자막을 띄우는 AI 아키텍처를 제안합니다.
1-1. 기존 기술의 한계와 Pose 데이터의 활용
기존 영상 기반 AI는 카메라 앵글이 바뀌거나 배경이 복잡해지면 인식률이 떨어집니다. 또한 영상 전체를 처리해야 하므로 컴퓨터 부하가 커져 실시간 중계에 적용하기 어렵다는 한계가 있습니다.
본 연구에서는 구글의 MediaPipe 기술을 활용해 선수 몸의 주요 관절 17개 좌표 정보만 추출했습니다. 배경을 제거하고 뼈대 정보만 분석함으로써 연산 속도를 높였으며, 카메라가 흔들리는 상황에서도 비교적 안정적으로 데이터를 추출할 수 있도록 했습니다.
1-2. 파운데이션 모델과 멀티헤드 구조
조유진 기술사는 단순히 동작을 바로 분류하는 대신, 입력된 48프레임의 관절 좌표를 Pose Foundation Encoder가 먼저 학습하고, 이후 Jump Head와 Class Head가 각각 점프 여부와 9개 동작 중 해당 동작의 종류를 판단하는 2단계 구조를 설계했습니다.
Pose Foundation Encoder는 정답이 없는 상태에서 선수의 움직임 패턴 자체를 스스로 학습하는 SimCLR 사전학습 방식을 활용합니다. 그 위에 두 개의 Task Head를 배치해 하나는 현재가 점프 순간인지 아닌지를 판단하고, 다른 하나는 9가지 동작 중 어떤 동작인지를 분류합니다.
기존 모델은 동작 분류 확률만 보다가 신호가 순간적으로 튀면 자막을 잘못 내보낼 수 있었습니다. 그러나 점프 순간을 별도로 판단하는 신호를 추가함으로써 방송 사고로 이어질 수 있는 오발송 가능성을 줄였습니다.
1-3. 실시간 방송을 위한 트리거 정책
AI가 매 프레임마다 점프라고 판단하더라도 실제 방송에서는 자막이 한 번만 켜져야 합니다. 이를 위해 window 기반 추론과 함께 임계값 0.7, 신호를 부드럽게 만드는 Smoothing, 재발송을 방지하는 Cooldown 등의 필터링 정책을 결합했습니다. 이 구조는 실제 방송 장비와 연동할 수 있도록 설계됐습니다.
1-4. 실험 결과
동작 분류 정확도는 97%를 기록했습니다. 실제 점프 9회 중 9회를 모두 검출해 Recall 1.0을 달성했으며, 제안 모델에서는 중복 발송이 한 차례도 발생하지 않았습니다.
파형 분석에서도 제안 모델은 점프 구간 동안 신호를 안정적으로 유지해 각 점프 이벤트마다 한 번의 자막 트리거만 생성했습니다.
1-5. 연구 의의와 향후 과제
이 연구는 실시간 스트리밍 환경에서 AI 자막과 그래픽 트리거 시스템을 안정적으로 운용할 수 있음을 보여줬다는 점에서 의미가 있습니다. 또한 파운데이션 모델 위에 회전수 계산, 착지 안정성 평가 등의 기능을 추가하면 복합적인 AI 심판 시스템으로 확장할 가능성도 있습니다.
다만 선수가 제자리에서 회전하는 스핀 동작을 점프로 오인하는 사례가 일부 확인됐습니다. 향후에는 속도와 가속도 데이터를 추가하거나 영상 데이터를 일부 결합하는 멀티모달 방식으로 공중 동작 여부를 더 명확히 구분하는 연구가 필요합니다.
2. “귀로 듣는 라디오 레시피, 1시간 만에 쇼츠 영상으로 자동 변환하기!”
발표자: KBS 정보통신기술사 서현
요리 레시피는 조리 과정을 눈으로 직접 볼 때 전달력이 높아집니다. 그러나 따뜻한 정이 담긴 라디오 요리 프로그램은 오디오 중심이라는 시각적 한계가 있으며, 별도의 스튜디오 촬영을 진행하려면 제작비와 인력이 많이 필요합니다.
서현 기술사가 발표한 이번 논문은 라디오 방송 원고 PDF와 녹음 음원 MP3를 입력하면, 텍스트 정제부터 영상 생성, 아나운서 목소리 복제 TTS까지 자동으로 처리하는 생성형 AI 기반 숏폼 제작 파이프라인을 소개합니다.
2-1. 기존 라디오 콘텐츠의 한계와 해결 방향
라디오 IP는 활용 가치가 높지만 유튜브와 틱톡 같은 숏폼 플랫폼으로 확장하려면 추가 영상 편집 비용이 발생합니다. 이에 AI가 라디오 대화를 분석해 핵심 레시피를 추출하고, 해당 조리 과정에 맞는 영상을 생성해 세로형 9:16 숏폼 콘텐츠로 자동 제작하는 시스템을 구축했습니다.
2-2. 다섯 단계의 AI 자동 제작 파이프라인
KBS 청주방송총국 1라디오 「생생충북」의 ‘우선미의 행복 레시피’ 코너를 대상으로 구축된 시스템은 다음과 같은 순서로 동작합니다.
먼저 PyMuPDF와 WhisperX를 활용해 PDF 원고와 방송 음성에서 텍스트를 추출합니다.
이후 Gemini 2.0 Flash가 불필요한 잡담을 제거하고 레시피를 정제합니다.
다음으로 Google Veo 3가 요리 영상을 생성하고, ElevenLabs TTS가 아나운서 목소리를 복제해 내레이션을 합성합니다. 마지막으로 FFmpeg가 영상과 내레이션, 오디오를 병합해 최종 숏폼을 완성합니다.
텍스트 정제 단계에서는 라디오 대본의 정확한 계량 정보와 방송 음성에 포함된 즉흥적인 요리 팁을 상호 보완해, 10단계 이내의 간결한 조리 과정으로 재구성했습니다.
시각적 일관성을 유지하기 위해 한국어 레시피를 영문 영상 생성 프롬프트로 변환할 때 카메라 앵글과 조명 스타일을 자동으로 추가했으며, 이전 단계의 냄비나 재료 모습을 참고하도록 설계했습니다.
2-3. 실제 제작 결과
실제 방송 내용을 기반으로 20편 이상의 인스타그램용 숏폼 영상을 제작했습니다. 기존에는 스튜디오 섭외와 식재료 준비, 촬영, 편집에 며칠이 걸렸지만, 자동화 이후에는 한 편당 약 1~2시간 안에 제작을 마칠 수 있었습니다.
ElevenLabs의 음성 복제 기술을 활용해 해당 프로그램 아나운서의 목소리를 적용함으로써 기존 라디오 청취자가 친숙하게 느낄 수 있도록 했습니다.
2-4. 현실적인 한계와 향후 과제
생성형 AI의 특성상 한 단계에서 사용한 냄비의 색상이나 형태가 다음 단계에서 달라지는 등 시각적 일관성을 완벽히 유지하기 어려웠습니다. 또한 칼이나 불을 사용하는 요리 장면이 AI 안전 정책에 의해 제한되는 사례가 있어 프롬프트를 조정해야 했습니다.
만족스러운 영상이 나올 때까지 반복 생성하는 과정에서 상용 API 비용이 누적되는 문제도 확인됐습니다. 요리처럼 재료의 형태와 계량 정보가 중요한 분야에서는 이러한 차이가 한계가 될 수 있지만, 라디오 사연 재연이나 동화·문학 작품의 시각화처럼 정답이 정해져 있지 않은 영역에서는 높은 활용 가능성이 있습니다.
3. “TV 안테나로 인터넷 라디오를?”
기존 인프라의 활용도를 높이는 지상파 통합 방송망 기술
발표자: KBS 정보통신기술사 이재권
유튜브와 OTT 이용이 늘면서 지상파 TV 안테나의 역할이 줄어든 것처럼 보일 수 있습니다. 그러나 지상파 방송망은 재난 상황에서도 비교적 안정적으로 동작하는 무료 보편적 네트워크 자산입니다.
이재권 기술사가 발표한 이번 논문은 현재 운용 중인 UHD TV 방송망인 ATSC 3.0을 활용해, 기존 TV 방송뿐 아니라 실시간 인터넷 라디오와 데이터 다운로드 서비스까지 하나의 방송망으로 전송하는 유연한 통합 구조를 제안합니다.
3-1. 기존 방송망의 한계
DTV와 DMB 시대에는 TV 방송망과 이동형 방송망이 서로 분리돼 있었습니다. 신규 서비스를 도입할 때마다 송신 장비와 관련 인프라를 새로 구축해야 했기 때문에 비용이 많이 들고 확장성도 떨어졌습니다.
반면 현재 국내 지상파 UHD 방송 표준인 ATSC 3.0은 IP 기반이므로, TV 신호 안에 인터넷 패킷을 함께 전송하기에 유리한 구조입니다.
3-2. 계층 분리를 통한 모듈형 서비스 확장
이재권 기술사는 방송 아키텍처를 전송 자원을 관리하는 전송 계층과 실제 콘텐츠가 전달되는 서비스 계층으로 분리했습니다. 전송 계층은 기존 송신소와 안테나, 게이트웨이를 유지하면서 데이터 전송 자원을 배분하고, 서비스 계층은 TV 데이터뿐 아니라 일반적인 UDP/IP 멀티캐스트 패킷도 수용할 수 있도록 외부화했습니다.
쉽게 말하면 방송국의 전송망은 그대로 두고, 서버나 소프트웨어 모듈만 교체해 새로운 IP 서비스를 지상파 안테나로 송출할 수 있는 구조입니다.
3-3. 실제 송수신 정합 시험 결과
실험실에서는 실제 KBS2 UHD 방송 데이터에 실시간 인터넷 라디오 스트림과 데이터 오프로딩 파일 전송 패킷을 함께 결합해 RF 신호로 송출했습니다.
시험 결과 일반 상용 UHD TV는 신규 인터넷 라디오 패킷을 자신과 무관한 데이터로 인식해 무시하면서 기존 UHD 방송을 정상적으로 재생했습니다. 별도의 SDR 수신기와 전용 클라이언트를 연결한 장비에서는 동일한 RF 신호에서 실시간 인터넷 라디오와 데이터 파일을 정상적으로 복원했습니다.
3-4. 연구 의의와 향후 과제
이 기술은 별도의 5G·6G 기지국을 추가 구축하지 않고도 농어촌과 음영 지역에 대용량 데이터와 라디오 서비스를 제공할 수 있다는 점에서, 국가 네트워크 구축 비용을 절감할 가능성이 있습니다.
또한 재난 경보처럼 다수 이용자에게 동시에 데이터를 전송해야 할 때 지상파 방송망을 활용하면 통신망 과부하를 줄이는 보완 수단이 될 수 있습니다.
기술적 가능성은 확인됐지만 방송망을 TV 방송 외의 데이터 서비스에 활용하기 위해서는 방송법과 전파 관련 제도의 정비가 필요합니다. 규제와 정책이 함께 개선된다면 지상파 플랫폼은 단순한 TV 채널을 넘어 무료 보편적 공공 데이터망으로 확장될 수 있습니다.
4. 방송 기술 트렌드
KBS가 그리는 미래 방송·미디어 로드맵
발표자: KBS 정보통신기술사 김민중
이번 발표는 급변하는 미디어 환경 속에서 KBS가 준비하고 있는 차세대 방송 기술 비전과 로드맵을 정리한 내용입니다. 생성형 AI의 도입부터 클라우드 기반 인프라, 방송과 통신의 융합까지 방송 기술의 주요 변화 방향을 보여줍니다.
4-1. 지상파 인프라의 진화: 테이프에서 클라우드와 IP로
KBS는 과거 VCR과 테이프 중심의 제작 환경에서 벗어나 소프트웨어와 네트워크 중심으로 인프라를 전환하고 있습니다. 1세대 IP 제작 시스템으로 SMPTE ST 2110 기반 IP 라우터를 본사에 도입했으며, 2025년부터 2028년까지 멀티플랫폼 통합주조와 MXL·RDMA 기반 중계부조 시스템 등 2세대 IP 라이브 시스템을 구축할 예정입니다.
또한 LED 월과 카메라 트래킹 센서를 결합한 XR 스튜디오를 구축했으며, 4K HDR 영상과 MPEG-H를 포함한 몰입형 3D 입체 음향 제작을 확대하고 있습니다.
4-2. 지상파 방송이 직면한 과제
지상파 방송은 OTT와 FAST 등 신규 플랫폼의 성장으로 치열한 경쟁에 놓여 있습니다. 이에 따라 기술과 제도 측면에서 인프라 효율화를 추진해야 하는 상황입니다. KBS는 HD와 UHD 이중 인프라 운영 부담과 주파수 이용 효율 문제를 해결하기 위해 DTV 종료와 완전한 UHD 전환 필요성을 제시하고 있습니다.
서비스 효용이 낮아진 DMB와 AM 방송을 효율화하고, IT 가상화와 클라우드 기술을 활용해 장비 자원을 공동 활용하는 방식으로 인력과 비용 부담에 대응하고 있습니다.
4-3. 방송 기술의 미래 키워드
① 생성형 AI와의 동행
KBS는 AI 기술을 연구 단계에 머물지 않고 실제 제작 인프라에 적용하고 있습니다. AI 인물 추적 크롭 솔루션인 ‘AI 버티고’를 제작 현장에 활용하고 있으며, 아카이브 검색을 위한 AI 멀티모달 기술과 AI 기반 UHD 리마스터링도 적용하고 있습니다.
생성형 AI를 활용한 인서트 영상 제작, AI 아나운서, 다국어 자동 자막 번역 등으로 적용 범위도 확대하고 있습니다.
② CTV와 FAST의 확산
구독형 OTT 시장이 포화되면서 스마트 TV를 기반으로 한 광고 기반 무료 스트리밍 FAST 채널이 성장하고 있습니다. KBS도 채널 생성과 종료를 유연하게 운영할 수 있는 IP 스트리밍 송출 인프라를 고도화하고 있습니다.
지상파 방송의 영역은 거실 TV에서 모바일과 자동차로 확대되고 있습니다. KBS는 ATSC 3.0 방송망과 5G 통신망을 결합한 시분할 송출 시험을 진행하고 있습니다. 인도 시장을 중심으로 논의되는 D2M 스마트폰과 미국의 차량용 데이터캐스팅 사례처럼, 지상파 방송망을 모바일과 차량용 데이터 플랫폼으로 확장하는 방안도 검토하고 있습니다.
4-4. 정리
KBS의 기술 로드맵은 콘텐츠 제작에는 AI와 실감형 기술을 적용하고, 인프라는 클라우드와 소프트웨어 중심으로 전환하며, 송신 서비스는 모바일과 자동차까지 확장하는 방향으로 요약할 수 있습니다.
이러한 기술 혁신이 실질적인 성과로 이어지려면 국산 UHD 수신기 보급 지원, UHD 의무편성 규제 완화, DTV 종료와 같은 제도적 뒷받침이 함께 이뤄져야 합니다. 차세대 방송 기술이 방송 제작과 서비스 환경을 어떻게 바꿀지 주목할 필요가 있습니다.
정리: 정보통신기술사 제갈성원(KBS)
반응형
'방송미디어' 카테고리의 다른 글
| 1994년생 최연소 정보통신기술사 합격 수기｜제135회 제갈성원 기술사 공부법 (0) | 2026.07.01 |
|---|---|
| 미국 공영라디오 예산 삭감, 방송기술 인력과 송신시설까지 흔들린다 (1) | 2026.06.24 |
| AI 큐레이터의 등장 – 초개인화 추천과 광고의 공학 (6/12) (0) | 2026.06.18 |
| 기술사 시험, 포기하지 않으면 기회는 온다｜137회 합격생의 진짜 후기(안경순 정보통신기술사) (0) | 2026.06.16 |
| 정보통신기술사 (제138회 김지훈) 합격후기｜15년 방송시스템 실무경험이 만든 합격 이야기 (0) | 2026.06.10 |
추가 정보
