한화비전 R&D센터 AI연구소와 김홍국 광주과학기술원(GIST) 교수 연구팀이 DCASE 2026 Challenge의 ‘도메인 비의존 오디오 분류를 위한 점진 학습’ 부문에서 1위를 차지했다고 7월 14일 밝혔다. 공동연구팀의 최종 앙상블 시스템은 평균 정확도 79.62%를 기록했다.
이 과제는 소리 수집 장비나 장소를 미리 알 수 없는 조건에서 아기 울음, 개 짖는 소리, 화재 경보 등 10종의 소리를 분류하도록 설계됐다. 한화비전에 따르면 올해 DCASE 전체 7개 부문에는 135개 팀이 참가했고, 해당 과제에는 21개 팀이 경쟁했다. 공동연구팀은 과거에 학습한 소리를 잊지 않으면서 새 환경의 소리를 익히는 연속 학습에 집중했다.
연구팀은 여러 모델의 예측을 결합하는 앙상블 기법으로 최종 판단을 만들었다. 공식 순위 화면에서 Park_GIST-HanwhaVision_task7_4 시스템은 평균 79.62%로 1위에 올랐다. 한화비전은 나머지 20개 팀 평균이 약 68%였으며, 최종 앙상블과 별도로 제출한 단일 시스템 3개도 공식 시스템 순위 2~4위를 차지했다고 설명했다.
연속 학습은 새 데이터를 배울 때 기존 범주의 성능이 급격히 떨어지는 ‘치명적 망각’을 줄이는 접근이다. 녹음 장비, 주변 소음, 장소가 달라지는 영상보안 현장에서는 같은 소리도 신호 특성이 달라질 수 있다. 연구팀의 과제 결과는 이런 조건 변화에 대응하는 기술을 제한된 경진대회 데이터와 평가 규칙 안에서 비교한 것이다.
| 평가 항목 | 공식 발표 수치 | 범위 |
|---|---|---|
| 해당 과제 참가 | 21개 팀 | DCASE Task 7 |
| 분류 대상 | 10종 소리 | 출처 미상 환경 |
| 1위 평균 정확도 | 79.62% | 최종 앙상블 |
| 나머지 팀 평균 | 약 68% | 한화비전 발표 기준 |
| 추가 제출 | 단일 시스템 3개 | 공식 순위 2~4위 |
자료: STORIUM 정리
한화비전은 이 음향 분류 기술을 영상보안 기술과 결합해 차세대 AI 보안 솔루션에 활용할 계획이라고 밝혔다. 다만 경진대회 1위가 실제 카메라 현장의 오탐률이나 경보 성능을 곧바로 뜻하지는 않는다. 공식 발표에는 실환경 배치 규모, 처리 지연, 장비별 성능 편차가 공개되지 않았다.
따라서 이번 결과는 특정 DCASE 2026 과제의 평균 정확도와 공식 순위로 범위를 한정해 해석해야 한다. 실제 제품 적용 단계에서는 배경 소음의 변화, 새로운 소리 유형, 개인정보와 오디오 수집 정책, 영상과 음향을 함께 사용할 때의 오류 전파를 별도로 검증할 필요가 있다.
저작권자 © STORIUM 무단전재 및 재배포 금지
