최근 다양한 비즈니스 영역에서 영상 데이터를 인공지능(AI)으로 해석하는 수요가 급격히 증가하고 있다. 또한 5G 보급과 4K 및 8K 등 고해상도 카메라로 촬영된 고화질 영상 데이터와 소비자의 행동 분석부터 제조 현장 조립라인까지 설치된 다양한 용도의 카메라 영상은 폭발적으로 증가하고 있다.

일반적으로 영상을 분석하는 기법으로는 딥러닝이 많이 사용되고 있지만 처리량이 막대하기 때문에 모든 영상 데이터를 품질 저하 없이 실시간으로 전송과 부하 없이 클라우드로 보낼 수 있는 고압축 기술이 요구되고 있다 .

후지쯔연구소(Fujitsu Laboratories)는 고화질·대용량 영상 데이터를 AI가 인식할 수 있는 최소한의 크기까지 고압축하는 기술을 개발했다. 또 이 기술로 영상 데이터를 기존의 인간에 의한 시인성을 목적으로 한 압축 기술에 비해 10 분의 1 이상 압축할 수 있다.

일반적으로 영상은 압축과 압축 비율에 따라 화질이 열화하기 때문에 과도하게 압축하면 AI가 특징하고 있는 영역을 과도하게 압축하면 인식율이 현저히 떨어진다.

이 기술은 영상 데이터에 인간·동물·물건 등을 인식할 때 판단 기준이 되는 특징에서 이미지의 영역이 AI와 인간이 서로 다른 것에 착안해 AI가 중시하는 영역의 자동 분석 및 AI가 인식할 수 있는 최소한의 크기까지 데이터를 압축하는 기술로 AI의 인식 정확도를 저하시키지 않고 대량의 영상 데이터의 분석이 가능하게 됨과 동시에 운영 및 전송 회선 비용을 크게 절감할 수 있다.

영상 데이터의 프레임마다 이미지에서 AI가 판단 자료로 인식하고 있는 대상물의 영역을 국제 표준인 H.265·HEVC와 기존의 영상 압축 방법을 자동으로 분석하여 영역별로 AI가 인식할 수 있는 최소한의 화질로 압축하는 기술로 화상 전체의 압축률을 바꾸어 화질을 변화시켜, 그 압축률을 변화시켰을 때의 인식 결과에 대한 영향도를 격자상으로 구분한 화상 영역마다 집계하는 것으로, AI가 인식하는 과정에 있어서의 특징의 중요 정도를 모든 영역마다 판정한다.

또 각각의 영역에서 인식 정밀도를 급격하게 열화 시키기 직전의 압축률을 인식 정밀도에 영향을 주지 않는 압축률로 추론하며, 연속되는 이미지의 AI 인식 결과를 피드백 하여 필요 최소한까지 압축률을 높인다. 이러한 기술에 의해, AI에 의한 인식 정도를 유지한 상태로 영상의 고압축을 실현한 것이다.