장면 · 구간 분석
영상의 흐름을 구간 단위로 나누고 장면 변화와 주요 시점을 찾아 탐색·검색·요약의 기준 정보로 활용합니다.
AI VIDEO INTELLIGENCE · R&D
영상을 재생하는 기술에서
영상을 이해하는 기술로.
Trans-ACT는 기존 플레이어·트랜스코딩·스트리밍 기술 위에 AI를 결합해 영상의 장면, 객체, 움직임, 음성, 자막 정보를 구조화하는 영상 분석 기술을 연구·개발하고 있습니다.
SceneObjectEventSpeechMetadataSemantic Search
Visual Signal프레임·구간 특징 추출
Context Fusion영상 + 음성 + 자막 결합
Metadata Output서비스용 구조화 정보
RESEARCH DIRECTION
영상 안의 정보를
서비스가 사용할 수 있는 데이터로.
단순히 “AI 기능”을 붙이는 것이 아니라, 기존 미디어 서버와 CMS가 활용할 수 있도록 분석 결과를 메타데이터와 API 형태로 연결하는 방향으로 개발합니다.
객체 · 이벤트 분석
영상 프레임에서 객체와 움직임, 이벤트 후보 정보를 추출해 시간 정보와 함께 구조화하는 기술을 연구합니다.
음성 · 자막 결합
STT와 자막 타임스탬프를 영상 구간 정보와 연결해 화면과 대사의 의미를 함께 다루는 분석 파이프라인을 구성합니다.
의미 메타데이터
분석 결과를 키워드, 구간, 카테고리, 요약 정보로 정리해 CMS 검색과 후속 AI 처리에 활용하는 방향입니다.
AI ANALYSIS PIPELINE
기존 미디어 파이프라인과
분리하지 않고 연결합니다.
이미 보유한 변환·스트리밍 기술을 그대로 활용하면서 필요한 단계에 분석 엔진을 배치하는 구조를 지향합니다.
영상 입력VOD · LIVE Archive
→
미디어 처리Frame · Audio · Caption
→
AI 분석Scene · Object · Context
→
서비스 연계Metadata · Search · API
VIDEO + AUDIO + TEXT
영상만 보지 않고
여러 신호를 함께 분석합니다.
화면 정보만으로 설명하기 어려운 영상은 음성·자막·시간축 정보를 함께 사용해야 합니다. Trans-ACT가 이미 다루고 있는 미디어 처리·STT·자막 기술과 연결해 멀티모달 분석 구조로 확장하는 것이 개발 방향입니다.
FRAME SIGNALAUDIO / STTCAPTION SYNCTIMESTAMPMETADATA
SERVICE INTEGRATION
분석 결과는
CMS와 서비스 API로.
AI 분석 자체가 목적이 아니라 기존 업무 화면에서 검색·분류·탐색·요약과 같은 기능으로 활용하는 것을 목표로 합니다. 운영 시스템은 유지하고 분석 결과만 연결하는 구축형 구성이 가능합니다.
✓구간별 메타데이터 생성
✓CMS 검색 인덱스 연계
✓자막·요약 정보 연결
✓REST/API 결과 전달
APPLICATION CONCEPT
아카이브와 교육·공공 영상에서
먼저 활용할 수 있는 기술.
영상이 많아질수록 사람이 일일이 확인하고 분류하는 비용이 커집니다. 분석 기술은 그 반복 작업을 줄이는 방향으로 적용 범위를 검토합니다.
대량 VOD 아카이브
영상 구간과 키워드 정보를 자동으로 구조화해 콘텐츠 탐색과 관리에 활용하는 방향.
교육 콘텐츠
강의 영상의 자막·구간·주제 정보를 연결해 목차형 탐색과 검색 기능으로 확장하는 방향.
공공 · 기관 영상
기존 CMS와 영상 저장소는 유지하면서 분류·검색을 보조하는 분석 메타데이터를 추가하는 방향.
※ 영상 AI 분석 기능은 연구·개발 영역이며 실제 프로젝트 적용 기능과 정확도는 데이터·환경·요구사항에 따라 별도 검증합니다.
미디어 엔진 위에 AI 분석 기술을 연결합니다.
현재 영상 시스템과 데이터 구조를 기준으로 적용 가능한 분석 범위를 검토할 수 있습니다.
