MK 실험실

[학부연구생] Grid 표현 손실 실험 ① — NExT-QA Development Set과 Fixed-6 만들기

MKISOS — Wed, 7 Oct 2026 05:12:09 +0900

지난주에는 IG-VLM의 Grid 생성 코드를 따라가며 Frame Selection과 Grid Representation의 경계를 확인했다.

이번 주부터는 새로운 Grid 방법을 바로 설계하는 것이 아니라, 그보다 먼저 한 가지 질문을 확인한다.

동일한 6개의 프레임을 사용하더라도 Grid의 표현 방식에 따라 VLM이 얻는 정보와 Video QA 결과가 달라지는가?

이번 연구의 핵심은 어떤 프레임을 선택할 것인가가 아니다.

IG-VLM의 Uniform Sampling으로 선택한 6개의 frame index를 먼저 고정하고, 이후 모든 비교에서 정확히 같은 6장의 프레임을 사용한다. Fixed-6 frame set으로 정의하고 Equal Grid와 이후 모든 비교에서 동일한 frame index를 유지하도록 할 것이다.

Video
  ↓
Uniform Sampling
  ↓
Fixed-6                 ← 고정
  ↓
Grid Representation    ← 이번 연구에서 변경
  ↓
VLM
  ↓
Answer

즉 이번 주의 목적은 더 좋은 방법을 만드는 것이 아니라

현재 Grid Representation 과정에서 실제 정보 손실이 발생하는지 확인하는 것

동일한 6개의 프레임을 사용했음에도 표현을 바꿨을 때 반복적으로 결과가 달라진다면 이후 개선 방법을 설계할 근거가 생긴다.

반대로 아무런 차이도 없다면 복잡한 Proposed method를 만드는 이유부터 다시 생각해야 한다.

동일한 Fixed-6 frame set을 사용하더라도 Grid를 어떻게 만들어 보여주느냐에 따라 VLM이 얻는 정보와 Video QA 결과가 달라지는가?

Step 1. Development 자료 준비

먼저 실험에 사용할 약 25~30개의 video/QA를 결과를 보기 전에 미리 확정한다.

여기서 중요한 것은 VLM 결과를 먼저 확인하고 Grid 차이가 잘 나타나는 사례만 골라서는 안 된다는 점이다.

질문은 미리 다음 세 가지 유형으로 나눈다.

유형	의미	예시
D — Detail	작은 물체나 작은 행동을 확인해야 하는 질문	무엇을 들고 있는가?
T — Temporal	시간 순서나 전후 관계가 필요한 질문	문을 연 뒤 무엇을 했는가?
C — Context/Scene	전체 장면이나 주변 상황을 파악하는 질문	이 장소는 어디인가?

30개 데이터 준비

https://github.com/doc-doc/NExT-QA/tree/main/dataset/nextqa

NExT-QA/dataset/nextqa at main · doc-doc/NExT-QA

NExT-QA: Next Phase of Question-Answering to Explaining Temporal Actions (CVPR'21) - doc-doc/NExT-QA

github.com

NExT-QA val.csv
        ↓
충분히 많은 후보 QA 확인
        ↓
VLM 결과는 보지 않음
        ↓
D/T/C 정의에 명확히 들어가는 QA만 분류
        ↓
D/T/C가 모두 포함된 25~30 QA 확정

val.csv 에서 Development Set에는 D/T/C가 명확한 QA만 넣으려고 함.

기존에 구분형태는 원인/의도/목적 등 우리가 정한 D/T/C에 애매한게 있어서

구분해서 선정할때 쓴 방법과 코드

NExT-QA val.csv
        ↓
질문 문장만 확인
        ↓
D 후보
T 후보
C 후보
        ↓
각각 서로 다른 video 20개
        ↓
seed = 42로 고정

python3 - <<'PY'
import csv
import random

random.seed(42)

path = "dataset/nextqa/val.csv"

with open(path, "r", encoding="utf-8") as f:
    rows = list(csv.DictReader(f))


def text(row):
    return row["question"].lower().strip()


def is_temporal(q):
    patterns = [
        " after ",
        " before ",
        " after the ",
        " before the ",
        " what happens next",
        " what does ",
    ]

    # 가장 명확한 temporal 표현만 우선 사용
    return (
        " after " in f" {q} "
        or " before " in f" {q} "
        or q.startswith("what happens after")
        or q.startswith("what happens before")
        or q.startswith("what does") and " after " in q
        or q.startswith("what does") and " before " in q
    )


def is_context(q):
    patterns = [
        "where ",
        "where is ",
        "where are ",
        "what place",
        "what kind of place",
        "what room",
        "what location",
        "what is in the background",
        "what are in the background",
        "what can be seen in the background",
        "what is around",
        "what are around",
    ]

    return any(p in q for p in patterns)


def is_detail(q):
    # causal/temporal 질문은 먼저 제외
    if q.startswith("why "):
        return False

    if " after " in q or " before " in q:
        return False

    patterns = [
        "holding",
        "hold ",
        "wearing",
        "wear ",
        "what color",
        "which color",
        "what object",
        "what item",
        "what instrument",
        "what tool",
        "what does ",
        "how does ",
        "how do ",
        "how is ",
    ]

    return any(p in q for p in patterns)


def sample_unique_video(candidates, n=20):
    random.shuffle(candidates)

    result = []
    used_videos = set()

    for row in candidates:
        vid = row["video"]

        if vid in used_videos:
            continue

        result.append(row)
        used_videos.add(vid)

        if len(result) == n:
            break

    return result


D = []
T = []
C = []

for row in rows:
    q = text(row)

    if is_temporal(q):
        T.append(row)
    elif is_context(q):
        C.append(row)
    elif is_detail(q):
        D.append(row)


D = sample_unique_video(D, 20)
T = sample_unique_video(T, 20)
C = sample_unique_video(C, 20)


def print_group(name, rows):
    print("\n")
    print("#" * 100)
    print(f"{name} CANDIDATES")
    print("#" * 100)

    for i, row in enumerate(rows, 1):
        answer_idx = int(row["answer"])

        print()
        print(f"[{name}{i:02d}]")
        print("Video :", row["video"])
        print("QID   :", row["qid"])
        print("NExT  :", row["type"])
        print("Q     :", row["question"])

        for j in range(5):
            mark = " <-- GT" if j == answer_idx else ""
            print(f"  {j}. {row[f'a{j}']}{mark}")


print_group("D", D)
print_group("T", T)
print_group("C", C)

print("\nCandidate counts")
print("D:", len(D))
print("T:", len(T))
print("C:", len(C))
PY

30개 확정해서 파일로 저장하기

영상 다운로드

https://drive.google.com/file/d/1jTcRCrVHS66ckOUfWRb-rXdzJ52XAWQH/view

그다음에는 압축 전체를 풀지 않고 우리에게 필요한 영상 30개만 추출

development_video_map.csv에 있는 30개 영상만 골라서 data/videos/로 추출

각 video의 Fixed-6 생성

30개 video
   ↓
IG-VLM 공식 sampling 규칙
   ↓
각 영상 Fixed-6 index 계산
   ├─ fixed6_indices.json 저장
   │
   └─ 실제 원본 frame 6장씩 저장

python - <<'PY'
import csv
import json
import math
from pathlib import Path

import cv2

root = Path.home() / "Documents/Research/grid-representation-study"

qa_csv = root / "data/annotations/development_qa.csv"
video_dir = root / "data/videos"
fixed_root = root / "data/fixed6"
json_path = fixed_root / "fixed6_indices.json"

fixed_root.mkdir(parents=True, exist_ok=True)

with qa_csv.open("r", encoding="utf-8-sig") as f:
    rows = list(csv.DictReader(f))

results = {}

for row in rows:
    dev_id = row["dev_id"]
    video_id = row["video_id"]

    video_path = video_dir / f"{video_id}.mp4"

    if not video_path.exists():
        raise FileNotFoundError(video_path)

    cap = cv2.VideoCapture(str(video_path))

    if not cap.isOpened():
        raise RuntimeError(f"Cannot open video: {video_path}")

    total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
    fps = float(cap.get(cv2.CAP_PROP_FPS))

    if total_frames < 6:
        raise RuntimeError(
            f"{video_id}: total_frames={total_frames}, cannot make Fixed-6"
        )

    # IG-VLM 공식 구현과 동일:
    # frames_per_interval = floor(total_frames / 6)
    frames_per_interval = math.floor(total_frames / 6)

    indices = [
        i * frames_per_interval
        for i in range(6)
    ]

    output_dir = fixed_root / f"{dev_id}_{video_id}"
    output_dir.mkdir(parents=True, exist_ok=True)

    saved_count = 0

    for order, frame_idx in enumerate(indices, start=1):
        cap.set(cv2.CAP_PROP_POS_FRAMES, frame_idx)

        ok, frame = cap.read()

        if not ok:
            raise RuntimeError(
                f"{video_id}: failed to read frame {frame_idx}"
            )

        filename = (
            f"frame_{order:02d}"
            f"_idx_{frame_idx:06d}.jpg"
        )

        output_path = output_dir / filename

        if not cv2.imwrite(str(output_path), frame):
            raise RuntimeError(
                f"Failed to save {output_path}"
            )

        saved_count += 1

    cap.release()

    if saved_count != 6:
        raise RuntimeError(
            f"{video_id}: expected 6 frames, saved {saved_count}"
        )

    results[video_id] = {
        "dev_id": dev_id,
        "video_id": video_id,
        "total_frames": total_frames,
        "fps": fps,
        "frames_per_interval": frames_per_interval,
        "indices": indices,
        "sampling_rule": "IG-VLM: floor(total_frames/6), first frame of each interval"
    }

    print(
        f"{dev_id} | "
        f"video={video_id} | "
        f"frames={total_frames} | "
        f"interval={frames_per_interval} | "
        f"Fixed-6={indices}"
    )

with json_path.open("w", encoding="utf-8") as f:
    json.dump(
        results,
        f,
        indent=2,
        ensure_ascii=False
    )

print()
print("==============================")
print("Videos processed:", len(results))
print("Saved:", json_path)
print("==============================")
PY

스텝 1 검증

Step 1을 마치며

최종적으로 NExT-QA validation split에서 서로 다른 30개의 video/QA를 Development Set으로 확정했다.

질문 유형은 D(Detail), T(Temporal), C(Context/Scene)를 각각 10개씩 구성했고, 각 영상에 대해서는 IG-VLM 공식 Uniform Sampling 방식을 따라 6개의 frame index를 미리 생성하여 fixed6_indices.json으로 저장했다.

중요한 점은 이 시점까지 VLM의 E0/E1/E2 prediction은 확인하지 않았다는 것이다. 먼저 비교 대상과 Fixed-6을 확정함으로써 이후 결과를 보고 유리한 사례를 선택하는 것을 피하고자 했다.

이제 이후 실험에서는 이 30개의 QA와 Fixed-6을 변경하지 않는다.

즉 앞으로 바뀌는 것은 Frame Selection이 아니라 Grid Representation이다.

다음 글에서는 이 Fixed-6을 이용하여 모든 비교의 기준이 되는 E0 — Equal Grid Baseline을 실제로 구성해본다.

[학부연구생] Grid Representation 연구 1주차 — 기존 IG-VLM 코드에서 연구 경계를 찾고 선행연구로 문제를 좁히다

MKISOS — Sun, 4 Oct 2026 03:37:38 +0900

들어가며

1. 이번 연구에서 내가 맡은 문제는 무엇인가
2. 기존 IG-VLM 실행 기록에서 연구 경계 다시 확인하기
3. Video Panels — Temporal Resolution과 Spatial Detail의 Trade-off
4. ViKey — Sparse Frame 사이의 시간 관계는 어떻게 전달할까
5. 10월 1주차 결과 정리

1. 이번 연구에서 내가 맡은 문제는 무엇인가

연구 목표를 다음처럼 한정한다.

"IG-VLM의 Uniform Sampling으로 미리 고정한 동일한 6개 Frame을 VLM에게 어떻게 보여줄지 연구한다."

Frame Selection은 제한된 Frame budget 안에서 어떤 시점의 Frame을 선택할 것인가를 다루는 문제다.
반면 Grid Representation은 이미 선택된 Frame을 VLM에게 어떤 형태로 보여줄 것인가를 다룬다.
이번 연구에서는 IG-VLM의 Uniform Sampling으로 선택된 6개의 Frame을 Fixed-6으로 고정한다.
따라서 이후 비교에서는 Frame 수, Frame index, 시간 순서를 변경하지 않고 Resize, Grid, Layout, 시간 표시와 같은 Representation 요소만 변경한다.
이를 통해 결과 차이가 Frame Selection이 아니라 Grid Representation에서 발생했는지를 분리해서 분석한다.

2. 기존 IG-VLM 실행 기록에서 연구 경계 다시 확인하기

IG-VLM의 코드 구조와 실제 실행 과정은 이전 글에서 이미 직접 확인했다.

당시에는 하나의 Sample Video가 Video → 6 Frame Sampling → Image Grid → Prompt → LLaVA(VLM) → Prediction(최종답변)을 통과하는 과정을 처음부터 끝까지 따라가는 것이 목적이었다.

이번에는 같은 코드를 다시 처음부터 재현하기보다 당시 확인했던 Pipeline을 Frame Selection과 Grid Representation의 경계를 찾는 관점에서 다시 정리했다.

[학부연구생] IG-VLM 직접 실행해보기 — 논문의 아이디어를 코드로 따라가다

https://mkisos.tistory.com/entry/cv5

[학부연구생] IG-VLM 직접 실행해보기 — 논문의 아이디어를 코드로 따라가다

들어가며지난 글에서는 An Image Grid Can Be Worth a Video: Zero-Shot Video Question Answering Using a VLM 논문을 다시 읽으면서 세 가지 질문에 답해보았다.이 논문의 핵심 아이디어는 무엇인가?그 주장을 보여주

mkisos.tistory.com

eval_llava_openended.py (전체 실행의 시작점. Open-ended VQA 평가를 실행하는 파일.)
        ↓
LlavaPipeline (전체 과정을 연결하고 관리하는 파이프라인. 데이터 처리부터 LLaVA 추론까지 이어주는 역할.)
        ↓
FpsDataProcessor  (비디오를 LLaVA에 넣을 수 있는 형태로 만드는 전처리 담당.)
        ├── FpsExtractor (Video에서 6개의 Frame을 sampling.)
        └── GridViewCreator (선택된 Frame들을 Image Grid로 합침.)
        ↓
Llava2Processor (만들어진 Image Grid + Prompt를 LLaVA에 입력하고 inference를 수행하는 부분.)
        ↓
Prediction (LLaVA가 최종적으로 생성한 답변.)

첫 번째 캡처 — Fixed-6 생성 및 저장 확인

{
  "video_id": "rlQ2kW-FvMk_66_79",
  "frame_indices": [
    0,
    65,
    130,
    195,
    260,
    325
  ]
}

두 번째 — 코드 위치 정리표

코드 자체는 지난 글을 참고. https://mkisos.tistory.com/entry/cv5

처리 단계	코드 위치	연구에서의 취급
Frame Selection	vision_processor/fps_extractor.py	수정 금지
Frame Resize	vision_processor/gridview_generator.py → create_grid_view_as_array_from_image_array()의 cv2.resize()	연구 대상
Cell 구성	vision_processor/gridview_generator.py 같은 함수의 resized_images, image_rows	연구 대상
Grid 합성	vision_processor/gridview_generator.py 같은 함수의 np.hstack() → np.vstack()	연구 대상
Canvas 결정	vision_processor/gridview_generator.py → cell 크기 + max_images_per_row + hstack/vstack에 의해 암묵적으로 결정	연구 대상
Final Resize / VLM 전처리 진입	model_processor/llava2_model_processor.py → inference() 내부 process_images(...)	⚙️ VLM preprocessing 경계
실제 Resize 처리	LLaVA llava/mm_utils.py → process_images() → process_anyres_image() / resize_and_pad_image()	⚙️ 기본 설정 고정, 실제 입력 크기는 기록
VLM Input	Llava2Processor.inference()에서 처리된 image tensor를 model.generate()에 전달	⚙️ 통제

세 번째 — Pipeline 그림만 새로 만든다

Video
  ↓
Uniform Sampling
  ↓
Fixed-6
  ↓
───────── Research Boundary ─────────
  ↓
Frame Resize
  ↓
Cell / Grid Composition
  ↓
Final Image Processing
  ↓
VLM Preprocessing
  ↓
VLM

3. Video Panels

한 이미지 안에 더 많은 Frame을 넣으면 개별 Frame 크기는 어떻게 변하는가?
Temporal information과 spatial detail 사이에는 어떤 trade-off가 있는가?
이것이 우리의 Grid Representation 문제와 어떻게 연결되는가?

Video Panels를 읽는 이유는 “여러 Frame을 한 장의 이미지로 묶을 때 어떤 정보손실이 생길 수 있는가?”를 참고하기 위해서 읽어보았다.

한 장에 여러 Frame을 넣으면 시간적으로 더 많은 정보를 보여줄 수 있지만, 각 Frame은 작아져서 spatial detail이 줄어들 수 있다.

Video Panels가 바로 이 Temporal coverage ↔ Spatial detail의 trade-off를 실제 실험으로 다룬 논문이다.

여러 프레임을 panel로 묶으면 시간 범위를 더 많이 보여줄 수 있지만, 개별 프레임의 해상도와 세부 정보는 감소한다고 설명한다.

따라서 Video Panels 전체를 읽지 말자.

공식 논문은 CVPR 2026에 실렸고, 여러 Frame을 하나의 Panel image로 결합해서 spatial detail을 일부 희생하는 대신 temporal resolution을 높이는 방식이다.

arXiv

Video Panels 논문(arXiv)

Video Panels 공식 코드

① Abstract → Figure 1

핵심 : 여러 Frame을 하나의 Panel로 묶으면 왜 더 긴 시간 범위를 VLM에 보여줄 수 있는가?

논문 Figure 1의 핵심은 Panel을 사용하지 않았을 때와 여러 Frame을 하나의 이미지로 묶었을 때 VLM이 사용하는 temporal coverage가 달라진다는 것이다.

Video Panels는 한 이미지에 여러 Frame을 함께 배치하여 동일한 입력 budget 안에서 더 많은 시점의 정보를 VLM에 제공한다.

② Section 3.2 Visual Prompting for Long Video Understanding

여기가 핵심 중의 핵심

“왜 Panel을 만들면 시간 정보는 늘어나는데 공간 디테일은 줄어드는가?”

논문의 Section 3.2에서 저자들은 Long Video에서 temporal resolution이 떨어지는 문제를 설명하고 여러 Frame을 하나의 이미지로 묶어 temporal coverage를 증가시키겠다고 한다. 대신 그 대가로 spatial detail이 줄어든다고 명시한다.

특히 Panel construction을 보면 Frame들을 먼저 줄인 뒤 묶는다.

개념적으로:

원래 Frame

H × W
H × W
H × W
H × W

        ↓ 2×2 Panel

각 Frame

H/2 × W/2

        ↓

전체 Panel

H × W

논문은 기본적인 2×2 설정에서 네 Frame을 하나의 Panel로 만들면서 최종 입력 shape는 유지하되 더 많은 시점을 담는 방식을 설명한다.

4 Frames

┌───────┐
│ Frame │
└───────┘
× 4

        ↓ Paneling

┌────┬────┐
│ F1 │ F2 │
├────┼────┤
│ F3 │ F4 │
└────┴────┘

Temporal coverage ↑
Per-frame spatial resolution ↓

“Video Panels는 VLM의 제한된 입력 budget 안에서 여러 Frame을 하나의 이미지로 묶어 temporal coverage를 늘립니다. 하지만 하나의 Panel 크기는 유지되기 때문에 개별 Frame은 축소되고 spatial detail은 감소합니다. 저는 여기서 ‘선택된 Frame 자체에는 정보가 있어도 Grid로 표현하는 과정에서 detail이 손실될 수 있다’는 점을 저희 Grid Representation 연구와 연결해서 봤습니다.”

③ Section 4.5 Ablations의 Panel 개수

“Panel을 몇 칸으로 구성하는 게 좋은가?”를 비교한 Ablation Study

4.5 Ablations

Table 4에서 저자들이

Table 4. Effect of the number of panels

1×1
1×2
2×1
2×2
3×3
4×4

를 비교한다.

그리고 굉장히 중요한 관찰이 나온다.

Panel을 크게 만들수록 더 많은 Frame을 제공할 수 있지만 개별 Frame의 spatial resolution은 감소한다. 그래서 temporal coverage가 중요한 경우에는 이득이 있지만 fine-grained visual detail이 중요한 경우에는 손해가 날 수 있다고 저자들이 분석한다.

“다음으로 Section 4.5의 Ablation Study를 봤습니다. 여기서는 Panel 구성을 1×1부터 4×4까지 바꿔가면서 성능을 비교합니다. 한 Panel에 더 많은 Frame을 넣으면 같은 입력 budget 안에서 더 많은 시점을 VLM에 보여줄 수 있기 때문에 temporal coverage는 증가합니다. 하지만 최종 이미지 크기는 그대로이기 때문에 개별 Frame은 더 작아지고 spatial detail은 감소하게 됩니다. 실제로 무조건 Frame을 많이 넣는 것이 좋은 것은 아니었고, 이 실험에서는 2×2 구성이 전반적으로 가장 좋은 결과를 보였습니다. 저희 연구에서도 Fixed-6 자체에 필요한 정보가 존재하더라도 Grid로 합치는 과정에서 Frame이 축소되면서 작은 객체나 행동 정보가 손실될 수 있기 때문에, 이 부분을 Grid Representation의 정보손실 가능성과 연결해서 봤습니다.”

이 결과가 이번 연구에서 중요한 이유는 단순하다. IG-VLM에서도 Fixed-6 자체에는 필요한 정보가 존재하더라도 하나의 Grid 안에서 Frame이 축소되면 작은 객체나 작은 행동이 VLM에게 충분히 전달되지 않을 가능성이 있다.

따라서 이번 연구에서 Grid Representation을 분석할 때는 “얼마나 많은 정보를 하나의 이미지에 넣었는가”뿐 아니라 “그 과정에서 개별 Frame의 spatial detail이 얼마나 유지되는가”를 함께 확인해야 한다.

4. ViKey

Video Panels에서는 Grid 과정에서 발생할 수 있는 spatial detail 손실을 봤다면 ViKey에서는 sparse하게 선택된 Frame 사이의 temporal relation을 어떻게 더 명확하게 전달할 수 있는지를 참고했습니다. 특히 Frame Selection 자체를 가져오는 것이 아니라, 이미 선택된 Frame에 시간 순서 정보를 어떻게 표현하는지에 초점을 맞췄습니다.

두 번째 필수 논문.

ViKey 논문(arXiv)

ViKey 공식 Gitub

Sparse Frame만 주어지면 중간 관측이 빠지고 VideoLLM이 사건의 temporal relation을 잘못 이해할 수 있다는 것이다. 저자들은 각 Frame의 pixel 공간에 frame #01 같은 explicit ordinal cue를 직접 표시하는 Visual Prompt를 사용한다.

① Figure 1부터

이 논문은 Figure 1이 정말 중요하다

Figure 1 자체 제목이 사실상 논문의 문제 정의다.

Frame Selection이 temporal continuity를 깨뜨리고, Visual Prompt가 temporal reasoning을 복원하는 예시.

Dense Video
↓
Frame Selection
↓
Sparse Frames
↓
각 Frame의 내용은 존재하지만
Frame 사이 관계가 모호해질 수 있음

        +

frame #01
frame #02
frame #03
...

        ↓

명시적인 순서 단서 제공

“ViKey의 Figure 1에서는 Frame Selection으로 중간 Frame이 제거되면 temporal continuity가 깨지고, VideoLLM이 사건의 앞뒤 관계를 잘못 이해할 수 있다는 문제를 보여줍니다. 그래서 각 Frame에 frame #01, #02와 같은 명시적인 순서 정보를 pixel 공간에 직접 표시합니다. 다만 ViKey와 저희 연구가 완전히 같은 것은 아닙니다. 저는 Frame Selection은 건드리지 않고 Fixed-6을 유지하기 때문에, 여기서는 이미 존재하는 6개 Frame 사이의 시간적 관계를 Grid 안에서 더 명확하게 표현할 수 있는가라는 관점만 가져왔습니다.”

② Section 3.2 Frame-level Referencing

“Section 3.2에서는 Frame 번호가 실제로 모델에게 의미 있는 reference가 되는지를 실험합니다. 특정 Frame에 Panda를 넣고 ‘Frame k를 설명해라’라는 Lookup과 ‘Panda가 몇 번째 Frame에 있느냐’라는 Reverse Lookup을 수행합니다. Frame 번호 Visual Prompt를 넣었을 때 특정 Frame을 참조하는 능력이 크게 좋아졌습니다. 이 결과를 보면서 저희 Fixed-6 Grid에서도 단순히 Cell을 시간 순서대로 배치한 것만으로 VLM이 각 Cell의 시간적 위치를 충분히 이해한다고 가정해서는 안 될 수 있다고 생각했습니다.”

저자들은 Frame 번호가 단순히 눈에 보이는 숫자에 그치는 게 아니라, VideoLLM이 특정 Frame을 dictionary key처럼 참조할 수 있는지 실험한다. 실험이 꽤 직관적이다.

특정 Frame에 Panda를 넣은 뒤:

Lookup
"Frame k를 설명해라."

Reverse Lookup
"Panda가 몇 번째 Frame에 있는가?"

를 물어본다.

Frame 번호 Visual Prompt가 없을 때보다 있을 때 특정 Frame을 정확하게 참조하는 능력이 크게 개선됐다고 보고한다.

Figure 2의 Frame-level Referencing 부분 또는 해당 실험 그림/표.

이는 Fixed-6 Grid에서도 단순히 왼쪽 위부터 오른쪽 아래로 Frame을 배치하는 것만으로 VLM이 각 Cell의 시간적 위치를 완벽하게 이해한다고 가정해서는 안 된다는 점을 시사한다.

③ Frame number와 Timestamp가 정말 같은가?

단순 frame number 또는 timestamp와 어떤 차이가 있는가?

ViKey 논문이 이 부분을 직접 비교했다.

Ablation에서는 Visual Prompt 표현 방식을 여러 개 비교했고, Style 1~3은 Frame number 형식, Style 4는 timestamp를 사용했다. 저자들이 선택한 단순 Frame index 방식이 네 개 benchmark에서 가장 안정적으로 좋았다고 보고한다.

Figure 7

Performance comparison across various VP styles

Frame Number

#01 → #02 → #03

= 상대적인 순서
"첫 번째 → 두 번째 → 세 번째"


Timestamp

00:01 → 00:07 → 00:25

= 순서 + 실제 시간 위치/간격

개념적으로 구분하면 된다.

“Frame number가 항상 Timestamp보다 좋다”가 결론은 아니야.

ViKey의 특정 설정과 benchmark에서는 저자들의 선택한 Frame-number 스타일이 가장 좋은 결과를 냈다는 것이고, 우리 Fixed-6 Image Grid에서도 동일할지는 별도 실험 대상이다.

우리 연구는:

Same Fixed-6
+
Same Grid
+
같은 Question

을 유지하면서

No Marker
vs
Frame Number
vs
Timestamp

를 비교하면 될 거 같다.

“마지막으로 ViKey에서는 Visual Prompt의 표현 방식도 비교했습니다. Frame number는 #01, #02처럼 Frame의 상대적인 순서를 알려주는 반면, Timestamp는 실제 영상에서의 시간 위치와 Frame 사이의 시간 간격까지 전달할 수 있습니다. ViKey의 실험에서는 Frame-number 스타일이 네 benchmark에서 가장 안정적인 결과를 보였습니다. 다만 이것이 Timestamp보다 항상 좋다는 뜻은 아니기 때문에, 저희 Fixed-6 Grid에서는 No marker, Frame number, Timestamp를 동일한 조건에서 비교해볼 수 있는 실험 요소라고 봤습니다.”

Video Panels / ViKey를 읽은 뒤 마지막 표

질문	Video Panels	ViKey	우리 연구에서 가져올 것
무엇이 문제인가?	Temporal coverage를 늘리면 spatial detail이 감소할 수 있음	Sparse Frame 사이 temporal relation이 모호해질 수 있음	Grid Representation에서 발생하는 Detail / Temporal 정보손실
입력을 어떻게 바꾸나?	여러 Frame을 Panel image로 구성	Frame에 ordinal Visual Prompt 표시	Fixed-6은 유지하고 표현만 변경
참고할 요소	Frame 크기, 해상도, Panel 수	Frame number, timestamp, prompt 위치	Resize / Cell / temporal marking
우리와 다른 점	더 많은 Frame을 사용하기도 함	Sparse frame selection 자체도 배경 문제	우리는 Fixed-6 절대 변경 X

“마지막으로 두 논문을 제 연구 관점에서 정리해봤습니다.
Video Panels에서는 여러 Frame을 하나의 이미지에 넣는 과정에서 temporal coverage를 늘릴 수 있지만, 그만큼 개별 Frame의 spatial detail이 줄어들 수 있다는 점을 확인했습니다.
반면 ViKey에서는 sparse하게 선택된 Frame 사이의 temporal relation이 충분히 명확하지 않을 수 있고, Frame number나 timestamp 같은 explicit temporal cue가 도움이 될 수 있다는 점을 확인했습니다.

그래서 두 논문에서 가져오는 포인트는 서로 조금 다릅니다.
Video Panels에서는 Resize, Frame 크기, Cell 구성처럼 spatial detail을 얼마나 보존하는지, ViKey에서는 Frame number, timestamp처럼 시간적 관계를 어떻게 표현하는지를 참고하려고 합니다.

다만 두 논문의 방법을 그대로 가져오는 것은 아닙니다. 가장 중요한 조건은 모든 실험에서 동일한 Fixed-6을 유지하는 것입니다. Frame Selection은 변경하지 않고, 그 이후의 Grid Representation만 변경해서 어떤 정보손실이 발생하는지를 확인하려고 합니다.”

“정리하면 이번 주에는 새로운 방법을 제안하기보다, 연구 범위를 먼저 명확하게 정의했습니다.
Frame Selection과 Grid Representation의 경계를 코드 수준에서 확인했고, 선행연구를 통해 Grid Representation에서 살펴볼 정보손실을 크게 Spatial Detail과 Temporal Relation 두 방향으로 정리했습니다.
다음 단계에서는 동일한 Fixed-6을 유지한 상태에서 실제로 이런 Representation Failure가 발생하는지부터 확인해보겠습니다.”

[학부연구생] 10~12월 연구 계획 — 같은 6개의 프레임을 어떻게 보여줄 것인가

MKISOS — Sat, 3 Oct 2026 12:58:40 +0900

9월에는 처음으로 IG-VLM 논문을 읽고, 논문의 아이디어를 이해한 뒤 실제 코드를 실행해보는 과정까지 진행했다.

Video에서 프레임을 가져오고, 3×2 Image Grid를 만든 뒤 Prompt와 함께 VLM에 입력하여 Answer를 얻는 전체 흐름을 직접 따라가 보았다.

10월부터는 여기서 한 단계 더 나아간다.

이제부터는 기존 논문을 단순히 읽고 재현하는 것이 아니라, 하나의 연구 질문을 가지고 직접 실험하고 분석하는 과정을 진행한다.

이번 연구는 10월부터 12월까지 약 3개월 동안 진행되며, 최종적으로는 실험 결과를 정리하여 논문 형태의 전체 원고까지 작성하는 것을 목표로 한다.

이번 연구에서 내가 확인하려는 것

이번 연구의 핵심은 생각보다 단순하다.

IG-VLM에서는 영상에서 6개의 프레임을 Uniform Sampling한 뒤 이 프레임들을 하나의 3×2 Grid로 만들어 VLM에 입력한다.

그런데 여기서 한 가지 의문이 생긴다.

같은 6개의 프레임이라도 VLM에게 어떻게 보여주느냐에 따라 전달되는 정보가 달라질 수 있지 않을까?

예를 들어 Grid를 만드는 과정에서 작은 물체가 너무 작아질 수도 있고 작은 행동이 뭉개질 수도 있다. 또는 프레임의 순서나 시간 간격이 제대로 전달되지 않아 VLM이 영상을 잘못 이해할 수도 있다.

따라서 내가 연구하는 것은 어떤 프레임을 선택할 것인가가 아니라 이미 선택된 같은 프레임을 어떻게 표현할 것인가이다.

이 차이가 이번 연구에서 가장 중요하다.

Frame Selection
어떤 프레임을 선택할 것인가?

        X

Grid Representation
선택된 프레임을 어떻게 보여줄 것인가?

        O

가장 중요한 실험 조건 — Fixed-6

이번 연구에서는 IG-VLM의 Uniform Sampling으로 선택한 6개의 frame index를 처음부터 고정한다.

예를 들어 한 영상에서

15, 42, 68, 95, 121, 148

이라는 6개의 프레임이 선택되었다면 이후 어떤 Grid 표현을 비교하더라도 정확히 같은 6장을 사용해야 한다.

Fixed-6 Frames
       ↓
Equal Grid
Candidate A
Candidate B
Proposed

모든 방법에서 입력 프레임은 동일하다.

그래야 성능이 달라졌을 때 좋은 프레임을 새로 선택했기 때문인지, 같은 프레임을 더 잘 보여줬기 때문인지를 구분할 수 있다.

업무지시서에서도 이 Fixed-6 조건을 이번 연구의 핵심 통제 조건으로 두고 있다.

앞으로 연구를 진행하면서 계속 기억해야 할 문장은 결국 이것이다.

나는 어떤 프레임을 고를지 연구하는 것이 아니라, 이미 고정된 같은 6개 프레임을 VLM에게 어떻게 보여줄지를 연구한다.

10월 — 먼저 문제가 실제로 존재하는지 확인한다

10월의 목표는 새로운 방법을 만드는 것이 아니다.

먼저 IG-VLM의 코드를 다시 살펴보면서

Video
→ Uniform Sampling
→ Fixed-6
→ Resize
→ Grid
→ Final Resize
→ VLM

과정이 실제 코드에서 어떻게 구현되는지 분석한다.

특히 Frame Selection이 끝나는 지점과 Grid Representation이 시작되는 지점을 코드 수준에서 구분할 수 있어야 한다.

그다음 동일한 Fixed-6을 가지고 기존 Equal Grid, Resize 방식 변경, 간단한 시간 표시 등의 표현을 비교한다.

이 과정에서 확인하고 싶은 것은 하나다.

같은 6개의 프레임인데도 Grid 표현 방식 때문에 실제 정보손실이나 VQA 결과 차이가 발생하는가?

그리고 오답이 나온다면 단순히 “틀렸다”고 보는 것이 아니라, 프레임 자체가 없어서 틀린 것인지, 작은 물체나 행동이 Grid에서 사라진 것인지, 시간 순서를 이해하지 못한 것인지 등을 나누어 분석한다.

10월 말에는 이렇게 실제로 반복해서 나타나는 Representation Failure를 찾고, 그 원인을 줄이기 위한 개선 후보 두 가지를 설계한다.

즉 10월의 흐름은 코드 이해 → 문제 존재 확인 → 실패 분석 → 개선 아이디어 설계 라고 생각하면 된다.

11월 — 내가 찾은 문제를 실제로 개선할 수 있는지 검증한다

11월에는 10월에 찾은 문제를 기반으로 Candidate A와 Candidate B를 실제 코드로 구현한다.

작은 Pilot 실험을 통해 두 방법이 실제로 Representation Failure를 줄이는지 확인하고 그중 하나를 최종 Proposed Method로 선택한다.

이후에는

Equal Grid
vs
Simple Baseline
vs
Proposed

형태로 본격적인 Development Experiment를 진행한다.

하지만 단순히 Accuracy가 올랐는지만 보는 것이 아니다.

왜 좋아졌는지 확인하기 위해 Ablation을 수행하고, 질문도

Detail
Temporal
Context / Scene

으로 나누어 어떤 유형에서 효과가 있는지 분석한다.

마지막에는 지금까지 방법을 설계하면서 사용하지 않았던 새로운 데이터로 Independent Evaluation을 진행한다.

이때는 모든 설정을 먼저 고정한 뒤 결과를 확인한다.

결과가 마음에 들지 않는다고 parameter를 다시 바꾸거나 좋은 샘플만 골라서는 안 된다.

11월까지가 사실상 연구의 핵심 실험을 끝내는 기간이다.

12월 — 실험을 하나의 논문으로 만든다

12월부터는 새로운 방법을 계속 찾기보다 지금까지 얻은 결과를 정리한다.

이때 가장 먼저 해야 할 것은 그래서 이번 연구를 통해 무엇을 알게 되었는가? 를 정리하는 것이다.

결과가 실제로 뒷받침한다면

동일한 Fixed-6에서도
Grid Representation 과정에서
특정 정보손실이 발생한다.

그리고 특정 표현 변경을 통해
그 손실을 일부 줄일 수 있다.

와 같은 연구의 핵심 주장을 만들 수 있다.

그 결과를 바탕으로 Main Table과 Figure를 만들고 Abstract, Introduction, Related Work, Method, Experimental Setup, Main Results, Ablation, Failure Analysis, Limitations, Conclusion까지 하나의 논문 형태로 연결한다.

최종적으로는 논문 원고뿐 아니라 실험 CSV, Fixed-6 목록, 코드, config, README, 실행 명령까지 정리하여 다른 사람이 다시 실험할 수 있는 형태로 남기는 것이 목표다.

이번 3개월 동안 내가 얻고 싶은 것

이번 연구의 목표를 단순히 “IG-VLM보다 Accuracy를 높인다.” 라고 생각하지 않으려고 한다.

업무지시서에서도 성능을 억지로 높이는 것보다 공정한 비교, 실패 원인 분리, 재현 가능한 코드와 기록을 중요하게 보고 있다.

따라서 앞으로 3개월 동안 내가 직접 경험하고 싶은 과정은 다음과 같다.

연구 문제를 이해하고 → 코드를 분석하고 → 실험을 설계하고 → 실패를 분석하고 → 가설을 만들고 → 방법을 구현하고 → 다시 실험하고 → 결과를 논문으로 설명하는 것.

9월까지는 이미 존재하는 논문을 읽고 실행해보는 단계였다면

10월부터는 그 논문에서 출발해 내가 직접 하나의 연구 질문을 검증하는 단계라고 생각한다.

그리고 12월에는 그 과정을 하나의 논문 형태로 정리하는 것이 이번 학기 학부연구생 활동의 최종 목표다.

우선 지금은 전체 3개월을 한꺼번에 해결하려 하지 않고 10월 1주차부터 하나씩 진행해보려고 한다.

다음 목표는 IG-VLM 코드에서 “여기까지가 Frame Selection이고, 여기서부터가 Grid Representation이다.” 라고 내가 직접 설명할 수 있을 정도로 전체 Pipeline을 이해하는 것이다.

[학부연구생] IG-VLM의 Accuracy를 믿기 전에 — Video QA Dataset을 직접 열어봤다

MKISOS — Tue, 22 Sep 2026 16:30:12 +0900

지난 글에서는 IG-VLM을 직접 실행해 보면서

 
             Video
 ↓
6 Frames Sampling
 ↓
Image Grid
 ↓
Prompt
 ↓
VLM
 ↓
Answer 
            

이라는 전체 흐름을 따라가 보았다.
이번에는 모델이 아니라 평가 데이터 자체를 보기로 했다.
IG-VLM 논문에는 MSVD-QA, ActivityNet-QA, NExT-QA, STAR 등 여러 Benchmark의 Accuracy가 나온다.
예를 들어 LLaVA v1.6 34B 기반 IG-VLM은 논문의 Table에서 MSVD-QA 79.6, ActivityNet-QA 58.4를 기록한다. Multiple-choice에서는 NExT-QA 평균 70.9 등이 보고된다.
그런데 여기서 한 가지 의문이 생겼다.

Accuracy 79.6이라는 숫자는 도대체 어떤 문제를 79.6% 맞혔다는 뜻일까?

예를 들어 질문이

What color is the car?

처럼 한 장의 이미지로도 풀 수 있는 문제인지,
아니면

What did the person do after ...?

처럼 시간 순서를 봐야 하는 문제인지에 따라 의미가 완전히 달라진다.
특히 IG-VLM은 전체 비디오에서 단 6개 프레임만 uniformly sampling한다. 논문 스스로도 대부분의 프레임을 버리는 것이 long video와 fine-grained question에서 한계가 될 수 있다고 적고 있다.
그래서 이번에는 Table의 숫자를 보는 대신 실제 Question / Ground Truth / Choices 파일을 직접 열어보기로 했다.

1. 우선 IG-VLM이 어떤 시험을 봤는지 다시 확인했다

IG-VLM 논문에서 사용한 benchmark는 다음과 같다.

Dataset	형태	주된 특성	평가
MSVD-QA	Open-ended	짧은 웹 비디오 기반 factoid QA	GPT-assisted Accuracy + 1~5 Score
MSRVTT-QA	Open-ended	다양한 웹 비디오 기반 QA	GPT-assisted Accuracy + Score
ActivityNet-QA	Open-ended	긴 복합 activity video	GPT-assisted Accuracy + Score
TGIF-Frame-QA	Open-ended	짧은 GIF의 frame-level QA	GPT-assisted Accuracy + Score
Text Generation Benchmark	Open-ended generation	상세 설명·문맥·시간성 평가	CI / DO / CU / TU / CO
NExT-QA	Multiple-choice	causal / temporal / descriptive reasoning	Accuracy
STAR	Multiple-choice	situated video reasoning	Accuracy
TVQA	Multiple-choice	TV 장면 + 대화/상황 이해	Accuracy
IntentQA	Multiple-choice	행동의 intention 추론	Accuracy
EgoSchema	Multiple-choice	약 3분의 long-form egocentric video	Accuracy

IG-VLM 논문은 ActivityNet-QA와 EgoSchema의 평균 길이를 약 180초라고 명시한다.
Open-ended와 Multiple-choice의 평가 방식도 다르다.
Open-ended에서는 Video-ChatGPT가 제안한 GPT-assisted evaluation을 사용하고 Multiple-choice에서는 모델이 선택한 option이 정답인지 그대로 Accuracy를 계산한다.

여기서 첫 번째 중요한 포인트가 나왔다.

IG-VLM의 Table에 적힌 모든 “Accuracy”가 동일한 성격의 숫자는 아니다.

Open-ended VQA의 Accuracy는 생성된 자연어 답변을 GPT-assisted evaluation으로 평가해 얻은 값인 반면, Multiple-choice VQA의 Accuracy는 모델이 선택한 보기와 정답을 직접 비교해 계산한 값이다. 따라서 두 경우 모두 ‘Accuracy’라는 이름을 사용하지만 평가 과정과 그 숫자가 의미하는 바는 다르다.

2. 먼저 IG-VLM 공식 GitHub부터 다시 확인했다

논문의 공식 코드는 현재도 공개되어 있다.
IG-VLM 공식 GitHub
공식 repository에는 실험용 QA sheet의 형식도 명시되어 있다.
Open-ended:

 
             video_name
question
answer
question_id
question_type(optional) 
            

Multiple-choice:

 
             video_name
question
a0
a1
a2
...
answer
question_id
question_type(optional) 
            

그리고 실제 README에서 다음과 같이 실행하도록 되어 있다.

 
              python eval_llava_openended.py \
  --path_qa_pair_csv ./data/open_ended_qa/ActivityNet_QA.csv \
  ... 
             

Multiple-choice는

 
              python eval_llava_multiplechoice.py \
  --path_qa_pair_csv ./data/multiple_choice_qa/TVQA.csv \
  ... 
             

형식이다.
즉 이전에 직접 모델을 실행하며 보았던 CSV 파일은 단순 편의 파일이 아니라 Dataset annotation을 IG-VLM의 evaluation format에 맞춰 정리한 것이다.

IG-VLM GitHub의 Inference and Evaluation 부분.

이 사진에서는 IG-VLM이 어떤 dataset을 어떤 CSV 형태로 읽어 평가하는지 를 보여준다.

3. MSVD-QA를 직접 찾아봤다

MSVD-QA의 원 논문 저자 repository는 다음이다.
MSVD-QA / MSRVTT-QA 원 저자 GitHub
README를 확인하면 MSVD-QA와 MSRVTT-QA는 기존 video description dataset을 기반으로 만들어졌으며 caption에서 QA pair를 자동 생성한 dataset이라고 설명한다.

여기서 중요한 점이 있다.
MSVD-QA 자체가 처음부터 복잡한 temporal reasoning을 전문적으로 평가하기 위해 만든 benchmark는 아니다.
원 저자 repository의 annotation을 읽을 수 있는 신뢰 가능한 visualization repository에서도 실제 구조를 확인할 수 있었다.
https://github.com/Horizon2333/videoqa_dataset_visualization#msvd-qa

GitHub - Horizon2333/videoqa_dataset_visualization: Load and visualize different datasets in video question answering

Load and visualize different datasets in video question answering - Horizon2333/videoqa_dataset_visualization

github.com

예시는 다음과 같다.

 
              {
    'answer': 'someone',
    'id': 30933,
    'question':
    'who pours liquid from a plastic container into a ziploc bag containing meat pieces?',
    'video_id': 1201
} 
             

즉 실제 QA는

Question : who pours liquid from a plastic container into a ziploc bag containing meat pieces?
Ground Truth : someone 이다.

이 문제를 생각해 보면

이 질문의 핵심은

누가 특정 행동을 하는가?

반드시 전체 사건의 시간 순서를 추론해야 하는 질문이라기보다, 해당 행동이 보이는 적절한 프레임이 존재한다면 한두 프레임만으로도 답할 가능성이 높다.

내 분석 기준으로 분류한다면:

 
             Category: Action + Actor recognition
Single-frame solvable possibility: 높음
Multi-frame requirement: 낮음~중간
Temporal reasoning: 낮음 
            

이 QA 하나만 놓고 보면, 반드시 복잡한 시간적 추론이 필요한 문제라고 보기는 어렵다. 사람이 액체를 붓고 있는 순간이 명확하게 포착된 프레임이 있다면 해당 프레임만으로도 답을 추론할 가능성이 있기 때문이다.
물론 이는 MSVD-QA가 공식적으로 해당 문제를 single-frame 문제로 분류했다는 뜻은 아니다. 실제 영상과 모델에 따라 여러 프레임의 정보가 도움이 될 수 있으며, 여기서는 단지 질문이 요구하는 정보의 성격을 분석한 것이다.

4. MSRVTT-QA도 구조가 거의 같다

같은 연구에서 만들어진 MSRVTT-QA 역시

 
             video_id
question
answer 
            

구조를 가진다.
실제 annotation 예시는 다음과 같다.

 
              {
    'answer': 'couch',
    'category_id': 14,
    'id': 158581,
    'question': 'what are three people sitting on?',
    'video_id': 6513
} 
             

Question : What are three people sitting on?
Ground Truth : couch

이 문제는 더 명확하다.
사람들이 무엇 위에 앉아 있는지가 보이는 프레임 하나만 잡힌다면 충분히 풀 수 있다.
내 분석으로는

 
             Object / Scene Recognition
Single-frame 가능성: 매우 높음
Temporal reasoning: 거의 필요 없음 
            

이걸 직접 보고 나니 예전에 “MSVD-QA에서 성능이 높으니 Image Grid가 temporal information을 잘 보존한다.”
라고 바로 연결하는 것은 조심해야겠다는 생각이 들었다.
적어도 MSVD/MSRVTT-QA에는 정적인 appearance 정보만으로도 풀 가능성이 높은 문제들이 실제로 존재하기 때문이다.

여기서 직접 실행

README의 Datasets 부분에서

 
             MSVD-QA
MSRVTT-QA

annotation download 링크를 확인한다. 원 저자 repository는 현재 QA annotation을 별도 다운로드 링크로 제공한다.

다운로드 후 Python으로 첫 20개 정도만 열면 충분하다.

 
              python3 - <<'PY'
import json

with open("MSVD-QA/val_qa.json", "r") as f:
    data = json.load(f)

print("전체 QA 개수:", len(data))

for i, row in enumerate(data[:20], 1):
    print(f"\n[{i}]")
    print("Question :", row["question"])
    print("Answer   :", row["answer"])
    print("Video ID :", row["video_id"])
PY 
             

전체 QA 개수: 6415

[1]
Question : who pours liquid from a plastic container into a ziploc bag containing meat pieces?
Answer   : someone
Video ID : 1201

[2]
Question : who pours a seasoning liquid from a plastic container over chicken pieces placed in a plastic pouch?
Answer   : man
Video ID : 1201

[3]
Question : who pours marinade in a bag of chicken?
Answer   : person
Video ID : 1201

[4]
Question : who pours sauce into a plastic bag full of meat?
Answer   : man
Video ID : 1201

[5]
Question : who is dumping marinade into a bag of meat?
Answer   : man
Video ID : 1201

[6]
Question : who is pouring marinade from a bowl into a bag?
Answer   : man
Video ID : 1201

[7]
Question : who poured the marinade on the chicken in the bag?
Answer   : man
Video ID : 1201

[8]
Question : who pours marinade on slices of meat?
Answer   : cook
Video ID : 1201

[9]
Question : who poured the sauce over the chicken in the bag?
Answer   : man
Video ID : 1201

[10]
Question : who is pouring sauce into a bag of meat?
Answer   : person
Video ID : 1201

[11]
Question : who is putting raw meat and marinade in a bag?
Answer   : person
Video ID : 1201

[12]
Question : what does a man pour from a plastic container over chicken pieces placed in a plastic pouch?
Answer   : seasoning
Video ID : 1201

[13]
Question : who puts some marinade sauce on meat?
Answer   : man
Video ID : 1201

[14]
Question : who is filling up a bag with meat?
Answer   : man
Video ID : 1201

[15]
Question : what does a man pour into a plastic bag full of meat?
Answer   : sauce
Video ID : 1201

[16]
Question : who is pouring marinade over the chicken?
Answer   : man
Video ID : 1201

[17]
Question : what does a cook pour on slices of meat?
Answer   : marinade
Video ID : 1201

[18]
Question : what did the man pour the marinade on in the bag?
Answer   : chicken
Video ID : 1201

[19]
Question : what did the man pour the marinade on the chicken in?
Answer   : bag
Video ID : 1201

[20]
Question : what is a man pouring marinade from a bowl into?
Answer   : bag
Video ID : 1201

“논문에서 보던 MSVD-QA라는 이름이 실제로는 이런 짧은 Question-Answer 묶음이었다.”

5. ActivityNet-QA는 느낌이 확실히 달랐다

ActivityNet-QA의 공식 repository는 다음이다.
ActivityNet-QA 공식 GitHub
공식 repo에는 영상 자체를 받지 않아도 annotation을 바로 볼 수 있다.

 
             dataset/
├── train_q.json
├── train_a.json
├── val_q.json
├── val_a.json
├── test_q.json
└── test_a.json 
            

라고 실제 파일이 공개되어 있다.
질문은

 
              {
  "video_name": "...",
  "question": "...",
  "question_id": "..."
} 
             

답은

 
              {
  "answer": "...",
  "type": 2,
  "question_id": "..."
} 
             

형태다.
따라서 question_id를 key로 두 파일을 join하면 QA pair가 된다.

ActivityNet-QA에는 공식 Question Type도 있다

공식 repository에 다음 type이 명시되어 있다.

 
             0 = Motion
1 = Spatial Relationship
2 = Temporal Relationship
3~8 = Free 
            

Free는 answer type에 따라

 
             Yes / No
Color
Object
Location
Number
Other 
            

로 나뉜다.
이건 우리가 임의로 분류한 것이 아니라 ActivityNet-QA 공식 annotation이다.
원 논문 Table 2에는 실제 question 예시도 제공된다.

Motion

What are people doing at the beginning of the video?

Spatial Relationship

What is on the left side of the man on his knees?

Temporal Relationship

What happened to the woman before drying her hair?

Free

 
             How many people are there in the video?
Is the athlete in the room?
What is the color of the person's pants? 
            

여기서 Dataset의 성격 차이가 확실히 드러났다.

예를 들어

What is the color of the person's pants?

는 적절한 한 프레임만 있어도 가능하다.

반면

What happened to the woman before drying her hair?

는 최소한

 
             사건 A
→
drying hair 
            

라는 순서를 확인해야 한다.
즉 동일한 ActivityNet-QA 안에서도 static한 문제와 temporal한 문제가 섞여 있다.

6. TGIF-Frame-QA도 실제 annotation을 확인했다

공식 repository:
TGIF-QA 공식 Giub
TGIF-QA는 전체적으로 여러 task를 포함하지만 IG-VLM이 사용하는 것은 Frame-QA다.

공식 repository의 annotation은 TSV 형태이며 파일 이름 규칙도 공개되어 있다.

SPLIT_QTYPE_question.tsv

Frame-QA는 Object / Number / Color / Location 유형을 포함한다.

실제 공식 README 예시 중 하나는:

how many dogs is playing tug of war knock over a baby ?

Ground Truth:

two

이다.

이 역시 question의 성격만 놓고 보면

Object / Count recognition

에 가까워 특정 순간의 시각 정보가 충분하면 답할 가능성이 높다.
즉 TGIF라는 이름에 Video가 들어간다고 해서 모든 Frame-QA가 강한 temporal reasoning 문제는 아니다.

7. 여기까지 Open-ended QA를 보고 느낀 점

내가 이번 분석을 위해 임의로 다음과 같이 분류해 보기로 했다.

아래 category는 Dataset 공식 taxonomy(“어떤 대상을 일정한 기준에 따라 체계적으로 분류해 놓은 분류 체계”)가 아니라 내가 QA를 읽으면서 분석하기 위한 기준이다.

내가 사용할 분석 Category	의미
Object Recognition	어떤 객체인가
Actor Recognition	누가 행동하는가
Action Recognition	무엇을 하고 있는가
Spatial	위치·좌우·관계
Detail	색, 수량, 작은 객체
Context	장면 전체 상황
Temporal Order	before / after / first / later
State Change	A 상태 → B 상태
Interaction	둘 이상의 객체 관계
Causal	왜 그런 행동을 했는가

앞으로 Dataset마다 10~20개 정도를 읽고 이 표에 직접 체크해 보면 좋을 것 같다.

8. MSVD-QA와 ActivityNet-QA의 Accuracy 차이를 다시 봤다

IG-VLM의 LLaVA 34B 결과는 다음과 같다.

 
             MSVD-QA       79.6
ActivityNet-QA 58.4

처음 Table만 봤을 때는 단순히 ActivityNet-QA가 더 어려운 Dataset인가 보다. 정도로 생각했다.
하지만 annotation까지 보고 나니 조금 더 구체적인 가설을 세울 수 있다.

MSVD-QA

caption 기반으로 생성된 비교적 짧은 factoid QA가 많고,

 
             who ...
what ...
what is ... 
            

같은 객체·행동·인물 인식 문제들이 존재한다.

ActivityNet-QA

평균 약 180초의 long video이며, IG-VLM 논문도 이를 긴 benchmark라고 명시한다.
또 공식 Dataset 자체에

 
             Motion
Spatial Relationship
Temporal Relationship 
            

이 포함된다.

따라서 다음 가설을 세워볼 수 있다.
긴 영상 안에서 질문의 근거가 되는 사건을 단 6개의 uniform frame이 잡지 못할 가능성이 더 커지고, 일부 질문에서는 여러 사건 사이 관계를 이해해야 하기 때문에 MSVD-QA보다 어려울 가능성이 있다.

하지만 이것을 “ActivityNet-QA 점수가 낮은 이유는 영상 길이 때문이다.” 라고 단정하면 안 된다.
흥미롭게도 IG-VLM 논문도 Appendix에서 benchmark별 성능 차이는 video duration만으로 설명되지 않으며 question format 등 여러 요소의 영향을 받는다고 명시한다.

9. 이제 Multiple-choice Dataset을 직접 까봤다

Open-ended보다 더 재미있었던 것이 Multiple-choice였다.
Multiple-choice에서는 단순히

 
             Question
→ Model Answer

이 아니라

 
             Question
+
5 Choices
→ 정답 선택 
            

이기 때문이다.
즉 Accuracy를 이해하려면 오답 선택지가 얼마나 어렵게 만들어졌는지까지 봐야 한다.

10. NExT-QA는 GitHub에서 실제 CSV가 그대로 보인다

공식 repository:
NExT-QA 공식 GitHub
Repository의

 
             dataset/nextqa/
├── train.csv
├── val.csv
└── test.csv 
            

를 그대로 열 수 있다.

그리고 나는 val.csv의 실제 row까지 확인했다.
구조는 다음과 같다.

 
             video
frame_count
width
height
question
answer
qid
type
a0
a1
a2
a3
a4 
            

여기서 answer는 정답 option의 index다.

실제 NExT-QA 문제 1

공식 val.csv 첫 번째 row다.
Question : how do the two man play the instrument

 
             A. roll the handle
B. tap their feet
C. strum the string
D. hit with sticks
E. pat with hand 
            

정답 index는 0.
따라서 Ground Truth는

roll the handle

이다.
이 문제에서는 오답들이 완전히 엉뚱하지 않다.

 
             strum the string
hit with sticks

등도 실제 악기를 연주할 때 나올 수 있는 행동이다.
즉 단순히 “악기가 있다”는 사실만 아는 것으로는 부족하고 어떻게 연주하는지를 봐야 한다.

실제 NExT-QA 문제 2

 
             why did the boy pick up one present
from the group of them and move to the sofa

Choices:

 
             A. share with the girl
B. approach lady sitting there
C. unwrap it
D. playing with toy train
E. gesture something 
            

Correct Answer:

C. unwrap it

여기서는

 
             present를 집음
→ sofa로 이동
→ 이후 행동 
            

이라는 흐름을 이해해야 한다.
단일 프레임만 보고 unwrap it을 선택할 가능성은 상대적으로 낮다.

실제 NExT-QA 문제 3

what does the white dog do after going to the cushion

Choices:

 
             A. drink again
B. shake its body
C. smells the black dog
D. wagging tail
E. touch lady in blue stripes 
            

Correct Answer:

C. smells the black dog

이건 명백하게

 
             going to cushion
↓
? 
            

를 찾아야 한다.
즉 after를 이해해야 하는 temporal QA다.

11. NExT-QA의 Category도 공식적으로 존재한다

NExT-QA는 단순히 모든 문제를 한 덩어리로 보지 않는다.
공식 repository는 NExT-QA가 causal / temporal actions와 object interaction reasoning을 목표로 한다고 설명한다.

IG-VLM Table에는 이를 크게

 
             Cas.
Tem.
Des. 
            

로 나누어 표시한다.
대략적으로

 
             Cas. = Causal
Tem. = Temporal
Des. = Descriptive 
            

로 이해하면 된다.

그리고 이 분류가 굉장히 중요하다.
LLaVA 34B IG-VLM을 보면:

 
             Causal      72.2
Temporal    65.7
Descriptive 77.3 
            

이다.
전체 평균 70.9 하나만 보는 것보다 훨씬 많은 정보를 준다.

12. 여기서 직접 NExT-QA를 열어본다

head -n 10 dataset/nextqa/val.csv

를 실행하면 된다.

Python으로 조금 예쁘게 보면:

 
              python3 - <<'PY'
import pandas as pd

path = "dataset/nextqa/val.csv"
df = pd.read_csv(path)

print("전체 문제 수:", len(df))
print("컬럼:", df.columns.tolist())
print()
print(df.head(3).to_string(index=False))
PY 
             

좀 더 보기좋게

python - <<'PY'
import pandas as pd

df = pd.read_csv("dataset/nextqa/val.csv")

for i, row in df.head(10).iterrows():
    answer_idx = int(row["answer"])

    print("=" * 70)
    print(f"Question {i+1}")
    print(f"Type: {row['type']}")
    print()
    print("Q:", row["question"])
    print()
    
    for j in range(5):
        mark = "  <-- Ground Truth" if j == answer_idx else ""
        print(f"{chr(65+j)}. {row[f'a{j}']}{mark}")

    print()
    print(f"Answer index: {answer_idx}")
    print(f"Ground Truth: {row[f'a{answer_idx}']}")
    print()

PY

참고 :

CW	Causal – Why	왜?
CH	Causal – How	어떻게?
TN	Temporal – Next	이후에 무엇을?
TC	Temporal – When	언제?
DC	Descriptive – Count	몇 개/몇 번?
DL	Descriptive – Location	어디에?
DO	Descriptive – Other	기타 묘사

13. STAR는 한 단계 더 구조화된 reasoning benchmark였다

공식 repository:
STAR 공식 GitHub
STAR는 60K situated questions, 약 23K video clips를 포함하며 공식적으로 4개의 Question Type을 제공한다.
IG-VLM Table에서도 STAR를

 
             Int.
Seq.
Pre.
Fea. 
            

로 나누어 평가한다.

Int.	Interaction	영상 속 사람·물체가 어떻게 상호작용했는가?
Seq.	Sequence	사건들이 어떤 순서로 일어났는가?
Pre.	Prediction	현재 상황을 바탕으로 다음에 무엇이 일어날 것인가?
Fea.	Feasibility	현재 상황에서 어떤 행동이 가능한가?

이는 STAR가 단순 object classification 문제가 아니라 상황 속 사건 관계 reasoning을 목표로 하는 benchmark라는 점과 연결된다.
공식 repo에는

 
             Questions and Answers (.json)
Question Templates (.csv)
QA Programs (.csv)
Video Segments (.csv) 
            

까지 공개되어 있다.

더 흥미로운 점은 IG-VLM 논문의 Appendix 자체에도 실제 STAR 성공/실패 문제들이 그대로 들어 있다.
논문 Fig. 8은 STAR 성공 사례, Fig. 10은 실패 사례를 제시한다.

Fig. 8은 STAR 성공 사례, Fig. 10은 실패 사례

“논문 Table의 STAR Accuracy를 보다가 Appendix로 내려가면 실제로 모델이 풀었던 선택형 문제까지 확인할 수 있었다.”

14. IntentQA는 “왜 그런 행동을 했는가?”에 좀 더 집중한다

공식 repository:
IntentQA 공식 GitHub

NExT-QA가 causal·temporal reasoning을 포함한 여러 종류의 Video QA를 다뤘다면 IntentQA는 그중에서도 사람의 행동 뒤에 있는 의도(intent)를 추론하는 능력에 초점을 둔 benchmark다.

IntentQA 저자들은 Video QA를 크게 두 종류로 구분해서 설명한다.

 
             Factual VideoQA
→ 화면에서 직접 관찰할 수 있는 사실을 묻는다.

Inference VideoQA
→ 화면에 직접 보이지 않는 관계나 상태를 추론해야 한다.

예를 들어,

 
             What is the man doing?
→ 남자는 무엇을 하고 있는가?

라는 질문은 영상에서 행동을 직접 관찰하면 답할 수 있다.
반면,

 
             Why did the man do that?
→ 남자는 왜 그런 행동을 했는가?

와 같은 질문은 다르다.

영상에 행동 자체는 보이지만 그 행동을 한 의도는 화면에 글자로 나타나는 것이 아니다. 주변 상황과 전후 행동을 보고 그 이유를 추론해야 한다.
공식 설명에서는 이런 직접 관찰하기 어려운 요소를 latent variable이라고 표현한다. 공간적·시간적·인과적 관계나 사람의 mental state처럼, 눈앞의 visual fact만 인식해서는 바로 알 수 없는 정보를 말한다. IntentQA는 이러한 inference VideoQA 중에서도 특히 intent reasoning에 초점을 맞춘 데이터셋이다.

annotation도 직접 확인할 수 있다

공식 repository에는 QA annotation이

 
             train.csv
val.csv
test.csv 
            

형태로 공개되어 있다.

기본적인 구조는 NExT-QA와 비슷하게

 
             question
answer
type
a0
a1
a2
a3
a4 
            

등을 포함한다.
여기에 IntentQA에서는 추가적으로

 
             action
lemma
lemma_id 
            

라는 annotation을 제공한다.

공식 설명에 따르면 action은 현재 QA에서 사람의 의도와 관련된 핵심 행동을 표시하고, lemma는 그 행동을 기본형으로 정규화한 값이다. lemma_id는 의미가 비슷한 행동들을 같은 그룹으로 묶은 뒤 부여한 ID다.

실제 데이터에는 다음과 같은 형태가 존재한다.

 
             Question:
why did the man hold onto the pole as he stood up

Action:
hold

Lemma:
hold 
            

즉 단순히 질문과 정답만 저장한 것이 아니라 “이 질문에서 의도를 추론하는 데 중심이 되는 행동이 무엇인가?” 까지 annotation에 함께 표시한 것이다.

왜 영상의 맥락이 중요할까?

IntentQA에서 중요한 것은 행동을 인식하는 것과 행동의 의도를 이해하는 것은 다르다는 점이다.
한 프레임에서 사람이 우산을 펼치는 모습을 보면

우산을 펼친다

라는 행동 자체는 쉽게 알 수 있다.

하지만

왜 우산을 펼쳤는가?

를 알려면 비가 오는지, 밖으로 나가려는지, 이전과 이후에 어떤 행동을 하는지 등의 주변 맥락(context)이 필요할 수 있다.
따라서 IntentQA는 단순한 object/action recognition보다 영상의 상황과 전후 맥락을 이용해 사람의 행동 목적을 추론하는 능력을 더 중요하게 본다.

다만 IntentQA가 모든 질문을 단순히 Why? 형태로만 구성한 것은 아니다. 실제 benchmark에는 CW, CH, TN/TP 유형도 존재한다. 핵심은 질문 형식이 무조건 why라는 것이 아니라 관찰된 행동 너머의 사람의 의도와 맥락을 reasoning하는 데 초점을 둔 Video QA benchmark라는 점이다.

15. EgoSchema는 완전히 다른 수준의 long-range 문제다

공식 repository:
EgoSchema 공식 GitHub
구조도 매우 단순하다.

 
             questions.json
subset_answers.json

이 repository에 그대로 존재한다.
각 문제는

 
             Question
+
5 options 
            

이다.

전체 정답은 공개하지 않고, offline experiment를 위한 500개 subset의 answer만 공개한다. 정답 형식은 0~4 정수 index다.

EgoSchema 논문은 각 instance가 약 3분짜리 video + question + five options로 구성된다고 설명한다.
대표적인 공식 논문 문제는 "What is the overarching behavior of C and the man in the video?" 처럼 영상 전체에서 반복되는 행동과 관계를 요약해야 하는 형태다.

논문 설명에서도 이 문제를 풀기 위해 action recognition뿐 아니라 object state, social dynamics, medium-term action, long-term abstraction을 함께 요구한다고 설명한다.

이 경우에는 한 장의 프레임으로 정답을 맞히기 매우 어렵다.
그래서 EgoSchema와 MSVD-QA의 Accuracy 숫자를 같은 방식으로 해석하면 안 된다.

16. Multiple-choice Accuracy 70%의 의미도 Dataset마다 다르다

예를 들어 NExT-QA의 다음 선택지를 다시 보자.

why did the boy pick up one present ...

 
             A. share with the girl
B. approach lady sitting there
C. unwrap it
D. playing with toy train
E. gesture something 
            

정답:

오답들이 전부 완전히 말이 안 되는 문장은 아니다.
그렇기 때문에 모델은 최소한

했는지를 어느 정도 구분해야 한다.

반대로 오답이

 
             A. unwrap it
B. fly an airplane
C. become a dinosaur
D. sleep underwater
E. explode 
            

처럼 만들어져 있었다면 문제는 훨씬 쉬워졌을 것이다.

즉 Multiple-choice Accuracy는 모델 능력뿐 아니라 distractor quality에도 영향을 받는다. 라는 점을 실제 annotation을 보고 이해할 수 있었다.

17. 가장 궁금했던 Text Generation Benchmark를 추적했다

이 부분이 이번 조사에서 가장 중요했다.
IG-VLM Table 2에는

 
             CI
DO
CU
TU
CO 
            

라는 다섯 점수가 등장한다.
처음에는 나도 이렇게 생각했다.

 
             CI 문제 따로
DO 문제 따로
CU 문제 따로
TU 문제 따로
CO 문제 따로 
            

일까?
원 출처를 따라가 보니 조금 다르다.

18. 이 Benchmark의 원 출처는 Video-ChatGPT다

IG-VLM이 직접 새로 만든 metric이 아니다.
논문에서도 open-ended evaluation에 Video-ChatGPT [20]의 GPT-assisted assessment를 사용했다고 명시한다.

공식 Video-ChatGPT:
Video-ChatGPT GitHub
공식 evaluation README를 확인하면 이 benchmark는 ActivityNet-200에서 뽑은 500 samples를 사용한다.

그리고 핵심 문장이 하나 있다.

correctness, detail orientation, contextual understanding에는 같은 QA pair를 사용하고, temporal understanding과 consistency는 별도의 QA pair를 사용한다.

즉 정확히는 다음 구조다.

 
             Generic QA
 ├─ CI 평가
 ├─ DO 평가
 └─ CU 평가

Temporal QA
 └─ TU 평가

Consistency QA
 └─ CO 평가 
            

19. 그래서 “TU용 Question이 따로 있나?”에 대한 답

부분적으로 YES다.
정확하게 말하면:

CI / DO / CU

같은 Question / Ground Truth / Prediction을 두고 GPT Judge가 평가 기준만 바꾼다.

TU

시간 이해를 평가하기 위한 별도 temporal QA가 있다.

CO

Consistency도 별도의 consistency QA 구조가 있다.

특히 CO는 일반 QA와 구조 자체가 다르다.

코드에서 실제로

 
             Question 1
Question 2
Common Correct Answer
Prediction 1
Prediction 2 
            

를 사용한다.

즉 두 개의 비슷한 질문에 대해 모델이 서로 모순되지 않는 답을 하는지를 검사한다.

20. GPT Judge 코드까지 직접 확인했다

앞에서는 Video-ChatGPT가 제안한 5개의 generative evaluation metric이 무엇을 의미하는지 정리했다.

 
             CI — Correctness of Information
DO — Detail Orientation
CU — Contextual Understanding
TU — Temporal Understanding
CO — Consistency 
            

이번에는 설명만 읽는 데서 끝내지 않고 Video-ChatGPT 공식 repository의 evaluator code를 직접 열어 실제로 GPT에게 어떤 입력과 평가 기준을 주는지 확인해봤다.
Video-ChatGPT의 quantitative_evaluation 폴더에는 5개의 metric에 대응하는 evaluator가 각각 별도의 Python 파일로 구현되어 있다. 공식 README에서도 이 다섯 항목을 Video-based Generative Performance Benchmarking으로 설명하고 있으며evaluator는 GPT-3.5-Turbo를 judge로 사용한다.
먼저 실제 파일 목록을 확인했다.

“5개의 평가 기준이 실제로 각각 별도 evaluator 파일로 구현되어 있다.”

CI — Correctness of Information

먼저 evaluate_benchmark_1_correctness.py를 열어봤다.
직접 전체 파일을 읽기보다는 평가 prompt가 들어 있는 부분만 확인했다.

직접 확인

sed -n '34,59p' quantitative_evaluation/evaluate_benchmark_1_correctness.py

코드에는 실제로

model="gpt-3.5-turbo"

가 들어 있고, GPT에게 다음 세 가지 정보를 전달한다.

 
             Question
Correct Answer
Predicted Answer 
            

그리고 system prompt에서는 Prediction과 Correct Answer가 factually consistent한지, 잘못된 해석이나 misinformation이 없는지, video content와 사실적으로 맞는지를 평가하도록 한다.
또한 완전히 같은 문장이 아니더라도 synonym이나 paraphrase는 valid match로 인정한다. 최종적으로 0~5의 factual accuracy score를 출력하도록 요청한다.

즉 CI는 간단히 말하면:

 
             Ground Truth와 Prediction이
사실적으로 얼마나 일치하는가?

를 평가하는 metric이다.

DO — Detail Orientation

다음으로 evaluate_benchmark_2_detailed_orientation.py를 확인했다.
CI와 마찬가지로

 
             Question
Correct Answer
Predicted Answer 
            

을 입력하지만, 이번에는 평가 기준이 다르다.

 
              sed -n '34,59p' quantitative_evaluation/evaluate_benchmark_2_detailed_orientation.py 
             

공식 prompt에서는 Prediction의 completeness와 specificity를 평가하도록 한다.

즉,

 
             영상의 중요한 내용을 빠뜨리지 않았는가?

답이 너무 일반적이지 않고
구체적인 정보를 포함하고 있는가?

를 확인한다.

예를 들어 둘 다 틀린 답은 아니더라도,

 
             A. A man is exercising.

B. A man is stretching his arms and legs
   while performing yoga poses.

라면 B가 더 구체적인 내용을 포함하고 있으므로 Detail Orientation 측면에서는 더 좋은 평가를 받을 수 있다.

즉 DO는 “맞는 답인가?”뿐 아니라 “얼마나 자세하고 충분하게 설명했는가?” 를 평가한다.

CU — Contextual Understanding

이번에는 evaluate_benchmark_3_context.py를 확인했다.

sed -n '34,59p' quantitative_evaluation/evaluate_benchmark_3_context.py

공식 prompt에서는 Prediction이 영상의 overall context와 맞는지, out-of-context 정보가 없는지, 그리고 main themes와 sentiments를 제대로 반영하는지를 평가하도록 한다.

즉 단순히 특정 객체나 행동 하나를 맞히는 것보다,

 
             영상 전체가 어떤 상황인가?

모델의 답이 그 전체 맥락과 맞는가?

를 보는 것이다.

예를 들어 영상 전체가 요가 수업이라면,

A woman is exercising.

도 틀린 답은 아닐 수 있다.
하지만

 
             A woman is performing yoga and stretching exercises
while another person observes her.

처럼 전체 상황과 관계를 함께 설명하면 더 많은 context를 반영한 답이라고 볼 수 있다.

즉 CU는 Prediction이 영상 전체의 상황과 맥락을 제대로 이해하고 있는가? 를 평가한다.

TU — Temporal Understanding

다음은 내가 특히 관심 있게 본 evaluate_benchmark_4_temporal.py다.

sed -n '34,59p' quantitative_evaluation/evaluate_benchmark_4_temporal.py

공식 prompt에는 직접

 
             temporal consistency
sequence of events
temporal order 
            

라는 표현이 등장한다.

Prediction이 Correct Answer와 비교했을 때 영상 속 사건의 순서를 제대로 반영하는지 평가하며, synonym이나 paraphrase도 허용하지만 temporal order가 유지될 때만 valid match로 인정한다.

예를 들어 Ground Truth가

 
             The man opens the door
and then walks outside.

인데 Prediction이

 
             The man walks outside
and then opens the door.

라면 등장하는 행동 자체는 동일하다.
하지만

문을 연다 → 밖으로 나간다

와

밖으로 나간다 → 문을 연다

는 사건의 순서가 다르다.
따라서 Temporal Understanding 관점에서는 같은 답으로 볼 수 없다.

이 코드를 직접 보면서 TU가 단순한 action recognition이 아니라 사건의 순서 자체를 평가하려는 metric이라는 점이 분명해졌다.
이는 지금 내가 보고 있는 Video의 temporal information을 어떻게 표현할 것인가? 라는 문제와도 직접 연결되는 부분이었다.

CO — Consistency

마지막 evaluate_benchmark_5_consistency.py는 앞의 네 evaluator와 구조부터 달랐다.
앞에서는 하나의 Question과 하나의 Prediction을 평가했다.
하지만 CO에서는 서로 비슷한 두 질문과 두 Prediction을 동시에 입력한다.

sed -n '34,62p' quantitative_evaluation/evaluate_benchmark_5_consistency.py

실제 입력은 다음 구조다.

 
             Question 1
Question 2

Correct Answer

Predicted Answer to Question 1
Predicted Answer to Question 2

공식 prompt에서도 two very similar questions에 대한 두 Prediction을 비교한다고 명시하고 있다.
두 Prediction이 서로 일치해야 하고, 동시에 공통 Correct Answer와도 일치해야 한다. 또한 두 답 사이에 contradiction이나 중요한 정보 차이가 없어야 한다.

CO는 단순히 “한 문장의 답변 자체가 일관적인가?” 를 평가하는 것이 아니다.
더 정확히는 비슷한 의미를 가진 두 질문에 대해 모델이 서로 모순되지 않는 답변을 생성하는가? 를 평가하는 metric이다.

코드를 직접 보고 나니 5개의 metric이 구분됐다

처음에는 CI, DO, CU, TU, CO가 모두 “GPT가 모델의 답을 보고 점수를 매긴다.” 정도로만 보였다.
하지만 evaluator code를 직접 확인해보니 각 metric마다 GPT에게 주는 평가 기준이 명확하게 달랐다.

 
             CI → 사실적으로 맞는가?

DO → 얼마나 자세하고 구체적인가?

CU → 영상 전체의 맥락을 이해했는가?

TU → 사건의 시간적 순서를 이해했는가?

CO → 비슷한 질문에도 일관되게 답하는가?

또한 공식 evaluation README를 보면 CI, DO, CU는 동일한 QA pair를 사용하지만, TU와 CO는 별도의 QA pair를 사용한다.
즉 논문 Table에서 보았던

CI / DO / CU / TU / CO

는 단순히 이름만 다른 점수가 아니었다.
각각 서로 다른 평가 목적과 GPT prompt를 가진 별도의 evaluator였고, 코드를 직접 열어보면서 그 차이를 실제로 확인할 수 있었다.

21. Text Generation Benchmark의 전체 Pipeline을 그려보면

 
             ActivityNet Video
        ↓
Question
        ↓
Ground Truth Answer
        ↓
Video Model
        ↓
Model Prediction
        ↓
GPT-3.5 Judge
        ↓
0 ~ 5 Score 
            

Generic QA라면 Prediction 하나를 두고

 
             CI Judge
DO Judge
CU Judge 
            

가 각각 다른 평가 prompt로 본다.

TU는 temporal QA,
CO는 consistency QA를 사용한다.

이제 IG-VLM Table 2의

 
             CI 3.21
DO 2.87
CU 3.54
TU 2.51
CO 3.34 
            

같은 숫자가 무엇인지 훨씬 명확해졌다.
이것은 “TU 문제를 2.51개 맞혔다.” 는 뜻이 아니다.
GPT Judge가 temporal understanding 관점에서 생성 답변의 품질을 평균적으로 0~5 scale에서 평가한 값이다.

22. IG-VLM 논문에서 실제 Text Generation 평가 사례도 확인했다

앞에서 Video-ChatGPT의 GPT Judge 코드까지 확인하면서 Text Generation benchmark가 단순한 Exact Match가 아니라 생성된 자연어 답변을 GPT 기반 evaluator로 평가한다는 것을 살펴봤다.

그런데 IG-VLM 논문의 Appendix A에는 이 평가가 실제 문제에서는 어떤 모습인지 확인할 수 있는 사례까지 들어 있다.
논문은 Fig. 6과 Fig. 7을 Text Generation Performance benchmark의 successful case examples로 제시한다.

직접 논문에서 확인

Fig. 6

특히 Figure 6을 보면 하나의 문제마다 다음 정보가 한 번에 표시되어 있다.

 
             Question
      ↓
Ground Truth
      ↓
6개의 sampled frame으로 만든 Image Grid
      ↓
CogAgent Prediction
LLaVA v1.6 34B Prediction
GPT-4V Prediction
      ↓
각 Prediction의 Score 
            

즉 지금까지 Table에서 숫자로만 보던 평가 결과를 실제 질문과 모델 답변 수준으로 내려가서 확인할 수 있다.

이 그림에서 봐야 할 핵심

예를 들어 첫 번째 문제에서는 세 모델 모두 Ground Truth와 의미적으로 잘 맞는 답을 생성하고 각각 높은 점수를 받는다.
여기서 중요한 것은 Prediction이 Ground Truth 문장과 문자열 그대로 같지 않다는 것이다.

 
             Ground Truth
≠
Prediction 문장 자체 
            

임에도 의미적으로 올바른 답이라면 높은 점수를 받을 수 있다.
앞에서 직접 확인했던 GPT Judge의

 
             Ground Truth와 Prediction을 의미적으로 비교
+
synonym / paraphrase 허용 
            

라는 평가 방식이 왜 필요한지 실제 사례를 통해 더 직관적으로 이해할 수 있었다.

Figure 7에서도 같은 구조를 확인할 수 있다

Fig. 7

바로 다음 PDF 12페이지의 Figure 7에도 같은 형식의 성공 사례들이 이어진다. Figure 7 역시 Text Generation Performance benchmark의 successful case examples다.
예를 들어:

 
             What does the man do in the next clip
after holding the skateboard?

처럼 이후 행동을 묻는 temporal question도 등장한다.
즉 단순히 “영상에 무엇이 있는가?” 를 묻는 문제가 아니라,

 
             현재 행동
↓
그 이후의 행동 
            

을 연결해야 하는 질문도 실제 Text Generation benchmark에 포함되어 있다는 것을 확인할 수 있었다.

Table의 숫자를 실제 문제 수준으로 내려가서 볼 수 있었다

Table 2에서는 모델별 Text Generation 성능이

 
             CI
DO
CU
TU
CO
Avg. 
            

와 같은 숫자로 정리되어 있다.

논문 본문 역시 Text Generation의 전체 성능을 Table 2의 average score로 비교하고, 개별 다섯 category에서는 성능 차이가 존재한다고 설명한다.
반면 Figure 6~7에서는 그 숫자 뒤에 실제로 존재하는

 
             Video → Image Grid
          +
       Question
          ↓
        VLM
          ↓
     Prediction
          ↓
      GPT-based Score 
            

형태의 사례를 눈으로 확인할 수 있었다.
그래서 이제 Table 2의 결과도 단순한 숫자로 보기보다 “실제 영상 질문에 대해 모델이 자연어 답변을 생성하고, 그 답변의 품질을 GPT 기반 평가 방식으로 측정해 누적한 결과” 라는 식으로 이해할 수 있게 됐다.

23. 결국 Benchmark마다 “Video를 이해한다”는 뜻이 달랐다

이번에 annotation을 직접 살펴보면서 가장 크게 느낀 점은 이것이다.

MSVD-QA / MSRVTT-QA

많은 경우

 
             Object
Action
Actor
Scene 
            

같은 비교적 직접적인 visual recognition으로 풀 수 있다.

ActivityNet-QA

 
             Motion
Spatial
Temporal
Free 
            

가 섞여 있다.

NExT-QA

 
             Causal
Temporal
Descriptive 
            

reasoning을 명시적으로 포함한다.

IntentQA

행동 자체보다

왜 그 행동을 했는가?

에 초점을 둔다.

EgoSchema

3분 영상 전체를 보고

 
             main activity
overall interaction
long-term context 
            

를 요약해야 하는 문제들이 있다.
따라서 모두 VideoQA라고 부르지만 시험하고 있는 능력은 같지 않다.

24. “한 프레임만 봐도 풀리는 문제”와 temporal 문제는 실제로 섞여 있다

실제 예를 비교하면 확실하다.
MSRVTT-QA:

 
             What are three people sitting on?
→ couch

는 거의 static appearance 문제다.

반면 NExT-QA:

 
             what does the white dog do
after going to the cushion?

는 명백한 temporal relation 문제다.

ActivityNet-QA에서도 공식적으로

What is the color of the person's pants?

와

What happened to the woman before drying her hair?

가 같은 Dataset 안에 존재한다.
따라서 Dataset Accuracy 하나는 서로 다른 difficulty와 reasoning demand가 섞인 평균값이다.

25. 그래서 IG-VLM의 성능은 어디까지 해석해야 할까

IG-VLM 논문은 Image Grid가 temporal information을 pixel level에 담을 수 있다고 주장하며, 여러 benchmark에서 강한 성능을 보인다.
또 실제로 frame ordering을 random하게 바꾸었을 때보다 ordered grid가 높은 성능을 보였으며, 저자들은 이를 temporal information을 유지하는 근거 중 하나로 사용한다.

하지만 이번 Dataset 분석을 거치고 나면 조금 더 조심해서 말하는 것이 맞아 보인다.
"IG-VLM은 다양한 기존 VideoQA benchmark에서, 단 6개의 sampled frame을 하나의 Image Grid로 구성하는 방식만으로 매우 경쟁력 있는 VQA 성능을 보였다."
여기까지는 논문의 실험 결과가 직접 뒷받침한다.

하지만 “따라서 Image Grid는 Video의 모든 temporal information을 잘 보존한다.” 까지 가면 범위를 넘어선다.
왜냐하면 실제 benchmark에는

한 프레임으로도 풀 가능성이 있는 문제
appearance 중심 문제
temporal 문제
causal 문제
long-range context 문제

가 섞여 있기 때문이다.

게다가 저자들도 논문 limitation에서 uniformly sampled frames 때문에 대부분의 프레임을 버리며 long video와 fine-grained questions에서 문제가 될 수 있다고 인정한다.

26. 이 분석이 Afterimage 연구와 연결되는 부분

여기서부터는 기존 Dataset에서 확인한 사실이 아니라 Afterimage 연구를 위한 초기 아이디어다.

현재 Afterimage 연구는 fixed-camera video에서 여러 시점의 foreground state를 동일한 scene coordinate에 배치해 spatial change와 relative temporal progression을 한 장에 표현하려는 접근이다.

특히 연구 목적에서도

 
             장면
객체
이동 변화
시간 순서
행동
상호작용 
            

등의 시공간 정보를 평가하는 것을 목표로 하고 있다.
따라서 기존 Benchmark 분석은 나중에 Afterimage 평가 Benchmark를 설계할 때 꽤 직접적인 참고가 될 수 있다.

27. Afterimage Benchmark를 만든다면 — 초기 Question taxonomy

아직 확정안은 아니지만, 현재 연구 방향을 기준으로 나는 우선 다음처럼 생각해 볼 수 있을 것 같다.

초기 유형	무엇을 확인하는가	예시 질문 방향
Scene / Object	장면·객체 인식	어떤 객체가 존재했는가
Spatial	객체 위치 관계	A는 B의 어느 쪽에 있는가
Spatial Change	위치 변화	사람이 어디에서 어디로 이동했는가
Temporal Order	사건 순서	A와 B 중 무엇이 먼저 발생했는가
State Change	상태 변화	처음과 마지막에 객체 상태가 어떻게 달라졌는가
Action	행동	사람이 무엇을 했는가
Interaction	객체 간 상호작용	두 사람이 접근/분리/접촉했는가
Identity	객체 정체성	처음의 A와 마지막의 A가 같은 객체인가
Event Progression	사건 전개	사건이 어떤 단계로 진행됐는가
Context	전체 맥락	이 장면에서 어떤 상황이 진행되고 있는가

특히 Afterimage는 연구 초안에서 fixed-camera의 shared scene coordinate를 활용해 시간적으로 분산된 상태를 공간 변화의 과정으로 조직하는 것이 핵심이다.

따라서 단순한

What object is this?

만 잔뜩 넣어서는 Afterimage의 장점을 검증하기 어렵다.
오히려

 
             Where did the person move from and to?

Which happened first?

Did the two people move closer together or farther apart?

How did the object's state change from the beginning to the end?

Which person interacted with the object first?

같은 질문이 중요해질 가능성이 있다.

다만 이것은 이번 조사에서 발견한 기존 Benchmark category가 아니라 Afterimage에 새롭게 적용해 볼 수 있는 연구 아이디어다.

28. 이번 조사에서 내가 얻은 가장 큰 결론

처음에는 논문의 Table을 보면서

같은 숫자 자체에 집중했다.

하지만 실제 annotation을 열고 나니 생각이 조금 달라졌다.
VideoQA benchmark의 숫자는 결국

 
             Video
+
Question
+
Ground Truth
+
Evaluation Protocol 
            

을 압축한 결과다.

따라서 Dataset이 어떤 Question을 묻는지 모르고 Accuracy만 보는 것은 시험 문제를 한 번도 보지 않은 채 평균 점수만 보고 학생의 능력을 판단하는 것과 비슷하다.

특히 IG-VLM처럼 6개의 uniformly sampled frame만 사용하는 방법을 연구할 때는 더 중요하다.
질문에 필요한 순간이 그 6개 frame에 포함되었는가, 한 장만으로도 풀 수 있었는가, 여러 시점의 비교가 필요했는가, 실제 temporal order를 알아야 했는가를 같이 봐야 한다.

이번에는 처음으로 “Benchmark를 썼다”가 아니라 “Benchmark 안에는 실제로 어떤 문제가 들어 있는가?” 를 보게 되었다.
그리고 이 관점이 앞으로 Afterimage를 평가할 Benchmark를 설계할 때도 꽤 중요한 출발점이 될 것 같다.

[KANANA 429] 마지막 해단식, ‘모두의 AI’부터 베스트 콘텐츠상까지

MKISOS — Mon, 21 Sep 2026 15:46:05 +0900

2026년 9월 20일.
카카오 판교 아지트에 다시 방문했다.
이번 방문은 지금까지와 조금 달랐다.
KANANA 429의 마지막 공식 일정인 해단식이 있었기 때문이다.

2026년 3월 처음 KANANA 429 앰배서더 활동을 시작한 이후 발대식, 온·오프라인 세션, 새로운 AI 기능 체험, 콘텐츠 제작 등 다양한 경험을 해왔다.
그리고 이날은 그동안의 활동을 돌아보는 동시에 앞으로 카카오 AI가 어디로 향하고 있는지를 함께 생각해 보는 시간이었다.
개인적으로도 예상하지 못했던 좋은 결과가 있었다.
마지막 시상식에서 KANANA 429 베스트 콘텐츠상을 받게 되었다.
이번 글에서는 마지막 해단식의 하루를 처음부터 끝까지 기록해 보려고 한다.

KANANA 429 마지막 해단식

해단식은 카카오 판교 아지트 4층 스위치온에서 진행됐다.

전체 일정은 다음과 같았다.

시간	일정
11:00 ~ 12:00	모두의 AI 서비스 소개 및 Q&A
12:00 ~ 13:00	점심 및 네트워킹
13:00 ~ 14:00	KANANA 429 활동 회고 및 미니 아이데이션
14:00 ~ 15:00	조별 발표
15:00 ~ 15:30	시상 및 기념사진

처음에는 마지막 활동을 함께 돌아보는 해단식이라고 생각하고 왔는데, 첫 순서부터 꽤 흥미로운 세션이 준비되어 있었다.
바로 ‘모두의 AI’였다.

1. 모두의 AI — AI를 답변에서 ‘실행’으로

이날 첫 번째 세션에서는 카카오가 참여하고 있는 ‘모두의 AI’ 프로젝트에 대한 소개를 들을 수 있었다.
‘모두의 AI’는 과학기술정보통신부가 추진하는 전 국민 AI 서비스 보편적 활용 지원 사업이다.
카카오는 LG유플러스, LG AI연구원, LG전자, LG CNS 등을 포함한 여러 기업·기관과 컨소시엄을 구성했으며, 사업자로 선정됐다.
카카오 컨소시엄의 ‘모두의 AI’ 사업 방향 살펴보기
세션을 들으면서 내가 가장 흥미롭게 느낀 것은 단순히 “또 하나의 AI 챗봇을 만든다.” 가 아니라는 점이었다.
핵심은 오히려 AI Agent Platform에 가까웠다.

카카오톡과 전화가 AI의 입구가 된다

현재 생성형 AI 서비스를 사용하려면 대부분 별도의 앱이나 웹사이트로 이동해야 한다. 하지만 카카오가 가지고 있는 가장 큰 특징 중 하나는 이미 국민 대부분이 사용하는 카카오톡이라는 접점을 가지고 있다는 것이다. ‘모두의 AI’ 역시 이러한 익숙한 접점을 적극적으로 활용하는 방향이었다.
카카오톡뿐만 아니라 LG유플러스와 협력해 전화 기반 AI 경험까지 제공하는 방향도 공개돼 있다. 특히 전화라는 인터페이스가 인상 깊었다. AI 서비스를 잘 활용하는 사람들에게는 텍스트 입력창이 너무나 자연스럽다. 하지만 디지털 환경이 익숙하지 않은 사람에게는 그렇지 않을 수 있다. 반면 전화는 다르다. 우리가 오랫동안 사용해 온 익숙한 방식이다. 즉, 사람에게 AI 사용법을 배우게 하는 것이 아니라, 사람이 이미 익숙한 방식으로 AI가 들어오는 것. 모두의 AI가 강조하고 있던 ‘보편성’이라는 개념을 가장 직관적으로 보여주는 부분이라고 생각했다.

2. 검색해 주는 AI에서 일을 끝내 주는 AI로

세션을 들으면서 계속 등장했던 또 하나의 키워드는 Agent였다.
기존 챗봇은 질문을 하면 정보를 알려주는 데 강했다. 예를 들어 “내가 받을 수 있는 지원 정책을 알려줘.” 라고 물어보면 관련 제도를 찾아 설명해 줄 수 있다. 하지만 실제 생활에서 우리가 원하는 것은 그다음일 수 있다. 필요한 서류를 확인하고, 자격을 판단하고, 신청하고, 경우에 따라 예약이나 결제까지 하는 것이다. 카카오는 이미 행정안전부와 함께 카카오톡 기반 AI 국민비서 시범서비스도 운영하고 있다. 전자증명서 발급이나 공공시설 예약 등 실제 행동까지 연결하는 방향이다.
카카오 AI 국민비서 공식 소개

결국 내가 이날 세션을 들으면서 이해한 변화는 다음과 같았다.
Chatbot
질문 → 답변

AI Agent
질문 → 이해 → 판단 → 필요한 서비스 연결 → 실행

3. 하나의 거대한 AI보다 여러 AI를 연결하는 플랫폼

Q&A에서도 흥미로운 이야기가 많이 나왔다. 그중 특히 기억에 남았던 질문은 앞으로 하나의 AI 모델만 사용하는 것이 아니라 여러 AI 모델을 함께 사용하는 방향으로 갈 것인지에 대한 질문이었다.
AI 모델은 빠르게 바뀌고 있다. 오늘 가장 좋은 모델이 몇 달 뒤에도 가장 좋은 모델이라는 보장은 없다. 그리고 한 모델이 모든 작업에서 가장 뛰어날 필요도 없다.
코딩을 잘하는 모델, 문서 작업을 잘하는 모델, 음성을 잘 처리하는 모델, 특정 전문 분야를 잘 이해하는 모델이 각각 다를 수 있다.
카카오도 최근 공식적으로 모델·컴퓨팅·서비스·에이전트의 최적 조합을 오케스트레이션하는 방향을 강조하고 있다.
세션을 들으면서 나 역시 앞으로 AI 서비스에서 중요한 경쟁력이 단순히 “어떤 LLM을 가지고 있는가?” 뿐만 아니라 “여러 모델과 에이전트를 어떻게 조합해 실제 서비스로 연결하는가?” 가 될 수 있겠다는 생각이 들었다.
최근 내가 AI Agent와 MCP에 관심을 가지면서 느끼고 있던 부분과도 연결되는 이야기였다.

4. 모두의 AI에서 흥미로웠던 또 하나의 키워드, 포용성

Q&A에서는 시니어 사용자가 어떻게 AI를 사용할 수 있을지에 대한 질문도 나왔다.
이 질문에 대한 답변에서 다시 전화 기반 인터페이스가 등장했다.
젊은 사용자에게는 앱 → 채팅창 → 텍스트 입력 이라는 흐름이 익숙하지만, 누군가에게는 전화 → 말하기 가 훨씬 자연스러울 수 있다.
모두의 AI라는 이름처럼 정말 ‘모두’를 대상으로 하려면 성능 좋은 모델만 있어서는 안 된다.
AI를 사용할 수 있도록 만드는 UX 자체가 기술의 일부라는 생각이 들었다.
카카오 역시 공식적으로 카카오톡과 전화 등 익숙한 채널을 활용해 AI 이용 장벽을 낮추겠다는 방향을 밝히고 있다.
개발을 공부하면서 보통 모델이나 기능부터 생각하게 되는데 이번 세션에서는 좋은 AI를 만드는 것과 사람들이 실제로 사용하는 AI를 만드는 것은 다른 문제다. 라는 점을 다시 생각하게 됐다.

5. 점심, 그리고 마지막 KANANA 429 회고

모두의 AI 세션이 끝난 뒤에는 함께 점심을 먹으며 자유롭게 이야기하는 시간이 이어졌다.
그리고 오후부터 본격적으로 KANANA 429 활동 회고와 아이데이션이 시작됐다.

각 팀에는 커다란 폼보드와 포스트잇이 주어졌다.
주제는 크게 두 가지였다. 먼저 지난 활동을 돌아봤다.

가장 기억에 남는 순간
가장 아쉬웠던 순간
다음 KANANA 앰배서더에게 해주고 싶은 말

그리고 두 번째는 미래였다.
“Next KANANA에게 바라는 것은 무엇인가?” 우리가 지난 몇 달 동안 직접 카나나를 경험했던 만큼 사용자가 아니라 앰배서더의 관점에서 다음 카나나를 상상해 보는 시간이었다.
마지막에는 각 팀의 생각을

“~할 때, ~를 통해, ~할 수 있다.”

라는 한 문장으로 압축해야 했다.
짧은 시간이었지만 생각보다 정말 다양한 이야기가 나왔다.

6. 우리가 기억한 KANANA 429

활동을 돌아보며 공통적으로 많이 나왔던 이야기가 있었다.
첫 번째는 발대식이었다.
100명의 앰배서더가 처음 모였던 순간,
명함을 교환했던 경험,
서로 다른 분야에서 활동하는 사람들을 만났던 경험을 기억하는 사람들이 많았다.

나 역시 그렇다.

직접 AI를 경험해 볼 수 있었다

KANANA 429의 가장 큰 특징 중 하나는 새로운 기술과 서비스를 단순히 콘텐츠로 전달받는 데서 끝나지 않았다는 것이다.
Kanana의 여러 모델과 기능, Kanana Safeguard, Kanana Template, 카카오톡 안의 AI 서비스, PlayMCP, AI 국민비서 등 다양한 기술과 서비스를 직접 보고 경험할 수 있었다.
특히 개발이나 AI 분야에 관심 있는 사람들에게는 기술을 만든 사람들의 이야기를 직접 들을 수 있다는 점이 큰 장점이었다.

7. 동시에 모두가 아쉬워했던 것 — 더 많이 연결되고 싶었다

흥미로웠던 것은 거의 모든 팀에서 비슷한 아쉬움이 나왔다는 것이다.
“조금 더 많이 만나고 싶었다.”
대학생,
AI 전문가,
크리에이터.
서로 정말 다른 분야의 사람들이 모여 있었지만 오히려 그렇기 때문에 더 많은 이야기를 할 수 있었다.
하지만 실제 활동에서는 같은 그룹끼리 이야기하는 경우가 많았고 오프라인에서 자유롭게 협업할 기회가 조금 더 있었다면 좋았겠다는 의견이 많았다.
그래서 Next KANANA 아이디어에서도 자연스럽게 커뮤니티와 협업 이라는 키워드가 많이 등장했다.

8. Next KANANA — 다른 팀들은 어떤 미래를 상상했을까?

오후 2시부터 각 팀의 발표가 시작됐다.
같은 활동을 경험했지만 팀마다 바라보는 Next KANANA의 모습이 꽤 달랐다.
그래서 듣는 재미가 있었다.

앰배서더에서 진짜 ‘카카오의 사람’으로

한 팀에서는 앰배서더가 단순히 콘텐츠를 제작하는 사람에서 한 단계 더 나아가면 좋겠다는 의견이 나왔다.
예를 들어 카카오가 참여하는 행사 부스에서 앰배서더가 직접 사용자에게 서비스를 설명하거나 카나나 팀의 하루 인턴처럼 실제 조직의 업무를 경험해 보는 것이다.
또 여행 크리에이터가 카나나만을 이용해 여행을 계획하고 실제 여행 중 생기는 문제까지 카나나를 통해 해결해 보는 콘텐츠도 제안됐다.
공식 프로그램이 아니더라도 앰배서더들이 함께 공연을 보거나 영화를 보는 등 작은 커뮤니티를 이어가면 좋겠다는 이야기도 나왔다.
결국 이 팀의 핵심은 소속감이었다. 서비스를 좋아하게 만드는 것만큼 그 서비스를 둘러싼 사람들과 가까워지는 경험도 중요하다는 이야기였다.

9. 더 개인적이고, 더 멀티모달한 Kanana

또 다른 팀에서는 기술적인 방향에 대한 이야기가 많이 나왔다.
특히 기억에 남았던 키워드는 초개인화와 멀티모달이었다.
텍스트뿐만 아니라 이미지와 음성 등 다양한 입력을 자연스럽게 연결하고 사용자의 허락을 기반으로 사용자의 맥락을 더 깊게 이해할 수 있다면 훨씬 개인적인 AI가 될 수 있다는 것이다.
그리고 특정 모델 하나에 고정되는 것이 아니라 상황에 따라 적절한 모델을 활용할 수 있는 구조에 대한 아이디어도 나왔다.
오전의 모두의 AI 세션에서 들었던 AI Orchestration과 Agent Platform 이야기가 자연스럽게 떠올랐다.

10. “카나나한테 물어봐”가 습관이 되는 순간

가장 자유로운 아이디어가 쏟아진 팀도 있었다.
카카오톡 기록을 바탕으로 하루를 회고해 주는 AI,
막차 시간을 놓치기 전에 알려주는 AI,
반려동물을 함께 돌보는 AI,
육아를 돕는 AI,
개인의 수익 파이프라인을 관리해 주는 AI,
심지어 서로를 가장 잘 아는 AI 에이전트끼리 대화해 사람을 연결해 주는 AI 에이전트 소개팅 아이디어까지 나왔다.

아이디어 하나하나는 재미있었지만,
그 밑에 있는 공통된 생각은 분명했다.

무언가 궁금하거나 막혔을 때 자연스럽게
“카나나한테 물어봐.”
라고 말하게 되는 AI.

사실 어떤 서비스가 정말 성공했다는 것은 사람들이 그 서비스를 특별한 기술로 느끼지 않는 순간일지도 모른다.
검색이 필요하면 검색하고, 메시지가 필요하면 카카오톡을 켜는 것처럼, AI가 필요하면 자연스럽게 카나나를 찾는 것이다.

11. 더 ‘앰배서더다운’ 앰배서더 활동

또 하나 재미있었던 발표에서는 꽤 솔직한 이야기가 나왔다.
“서포터즈와 앰배서더는 무엇이 다를까?”
앰배서더라면 콘텐츠를 제작하는 역할을 넘어 조금 더 특별한 경험과 권한이 있어야 하지 않을까라는 것이다.
대학교 축제에서 직접 Kanana 체험 부스를 운영하거나,
전국 단위의 Kanana Festival을 열거나,
우수 앰배서더의 콘텐츠와 활동을 한눈에 볼 수 있는 페이지를 만들거나,
활동이 쌓이면 일종의 명예의 전당에 올라가는 아이디어도 등장했다.
사원증 형태의 앰배서더 카드,
프로필 촬영,
공식 계정과의 콘텐츠 협업,
다음 기수 선발에 기존 앰배서더가 참여하는 아이디어까지 나왔다.
다소 과감한 아이디어도 있었지만 그래서 더욱 재미있었다.

12. 결국 Next KANANA의 공통 키워드는 ‘연결’

여러 팀의 발표를 들으면서 재미있는 사실을 발견했다. 아이디어는 모두 달랐지만 결국 비슷한 곳을 향하고 있었다.
사람과 AI의 연결. 앰배서더와 앰배서더의 연결. 서비스와 현실의 연결. 그리고 답변과 행동의 연결.
카카오는 원래 사람과 사람을 연결하면서 성장한 서비스다.
그리고 이제 그 연결의 대상에 AI Agent가 들어오고 있다는 생각이 들었다.
카카오 역시 현재 Kanana를 단순한 챗봇이 아니라 사용자의 상황을 이해하고 판단하고 행동하는 Agentic AI로 설명하고 있다.
어쩌면 우리가 이날 상상했던 Next KANANA도 결국 같은 방향을 바라보고 있었던 것 같다.

13. 그리고 예상하지 못했던 시상식

모든 팀의 발표가 끝난 뒤 마지막 시상식이 시작됐다.
오늘도 소소하게 여러 상품이 준비되어 있었다.
먼저 오후 회고및 아이데이션 세션에서 발표를 통해 부사장님 Pick으로 카카오프렌즈 굿즈를 받았다.
또 아이데이션 발표에서 우리 팀이 3등을 하면서 카카오톡 선물하기 5만 원 상품권도 받았다.
사실 여기까지만 해도 마지막 날 선물을 많이 받았다고 생각하고 있었다.
그런데 마지막에 별도의 시상이 남아 있었다.

14. KANANA 429 베스트 콘텐츠상

KANANA 429 전체 활동을 대상으로 총 네 개의 특별상이 준비되어 있었다.

베스트 대학생
베스트 크리에이터
베스트 전문가
그리고
베스트 콘텐츠.

그리고 마지막으로 발표된 베스트 콘텐츠상 수상자로 내 이름이 불렸다.

순간 조금 놀랐다. KANANA 429 활동을 하면서 콘텐츠 하나를 만들고 끝내기보다는 새로운 기술이나 서비스가 나오면 직접 사용해 보고 관련 기술 블로그와 자료를 찾아보고 내가 이해한 내용을 다시 블로그 글로 정리하는 과정을 반복해 왔다.

처음에는 단순히 “활동하면서 배운 것을 기록해 두자.” 라는 마음에서 시작했다.
그런데 마지막 날 그 기록들이 하나의 결과로 돌아왔다.

15. 김세웅 카카오 AI 부사장님께 직접 받은 상

더 의미 있었던 것은 김세웅 카카오 인공지능(AI) 부사장님께 직접 상을 받았다는 것이다.
앞에서 모두의 AI를 설명해 주셨던 분께 마지막 시상식에서 직접 상을 받고 함께 기념사진도 남겼다.
베스트 콘텐츠상으로는 트로피와 AirPods 5도 받았다.
상품도 물론 좋았지만 개인적으로는 트로피가 가장 마음에 들었다.
몇 년 뒤에도 책상 어딘가에 놓여 있다면 2026년에 내가 카카오 AI를 정말 열심히 공부하고 기록했던 시간을 바로 떠올릴 수 있을 것 같다.

16. 마지막으로 받은 KANANA 429 수료증

그리고 KANANA 429 수료증도 받았다.
수료증에는 이런 문장이 적혀 있었다.

카나나를 먼저 경험하고 그 기록을 나누며
서비스의 성장에 기여하였기에 이 증서를 수여합니다.

짧은 문장이지만 이번 활동을 꽤 정확하게 설명하고 있다고 생각한다.

먼저 경험하고, 기록하고, 나누는 것.
돌이켜보면 내가 지난 몇 달 동안 했던 일이 바로 그것이었다.
새로운 모델이 공개되면 알아보고 새로운 서비스를 사용해 보고 잘 모르는 기술이 있으면 다시 찾아보고 그 과정을 내 방식으로 글로 정리했다.

17. KANANA 429가 내게 남긴 것

처음 KANANA 429에 지원했을 때만 해도 이렇게 많은 글을 쓰게 될 것이라고는 생각하지 못했다.

활동을 하면서 자연스럽게 LLM, 멀티모달 AI, AI Safety, AI Agent, MCP, 온디바이스 AI, 공공 AI, Agentic AI 같은 개념들을 계속 만나게 됐다. 그리고 마침 학부 연구생으로 컴퓨터비전과 VLM을 공부하기 시작하면서 카카오에서 접했던 기술들이 연구 공부와 연결되는 순간도 많아졌다.

이전에는 AI 서비스를 보면 “이거 신기하다.” 에서 끝났다면, 지금은 조금 다르게 보게 된다.
어떤 모델을 사용할까? 어떤 데이터가 필요할까? Agent는 어디까지 행동할 수 있을까? 왜 이런 UX를 선택했을까? 어떤 모델들을 오케스트레이션할까? 서비스를 실제 수천만 명에게 제공하려면 무엇이 필요할까?

기술을 보는 질문 자체가 조금 달라졌다.
그것이 어쩌면 KANANA 429 활동에서 내가 얻은 가장 큰 변화일지도 모르겠다.

18. 콘텐츠를 만드는 것도 결국 공부였다

이번 활동에서 내가 가장 많이 했던 것은 글을 쓰는 일이었다. 그런데 돌이켜보면 콘텐츠 제작은 단순한 홍보 활동이 아니었다. 누군가에게 설명하려면 내가 먼저 이해해야 했다. 한 문장을 쓰기 위해 기술 블로그를 다시 읽었고, 모르는 개념이 나오면 논문이나 공식 문서를 찾아봤다.
그리고 직접 사용해 볼 수 있는 것은 최대한 사용해 봤다. 그 과정을 계속 반복하면서 콘텐츠를 만드는 것이 곧 공부하는 방법이 될 수 있다는 것을 알게 됐다. 그래서 마지막에 받은 베스트 콘텐츠상이 더 의미 있게 느껴졌다. 내가 이번 활동에서 가장 꾸준히 했던 일을 인정받은 상이기 때문이다.

19. 안녕, KANANA 429

2026년 3월 처음 시작했던 KANANA 429.

처음 판교에 왔던 발대식부터 여러 번의 온라인·오프라인 세션, 직접 경험한 카나나의 기술, PlayMCP, AI Safety, 멀티모달 모델, 그리고 마지막 ‘모두의 AI’ 세션까지.

생각보다 많은 것이 바뀌었고, 나 역시 그 과정에서 많은 것을 배웠다.
오늘 해단식에서는 계속 Next KANANA에 대한 이야기를 했다.

그런데 개인적으로는 카나나의 다음 모습만큼이나 KANANA 429 이후의 나는 무엇을 할 것인가 도 생각하게 됐다.
나는 앞으로도 AI를 단순히 사용하는 사람에서 끝나고 싶지는 않다.
기술을 이해하고, 직접 만들어 보고, 그 과정을 기록하고, 결국에는 사람들이 실제로 사용하는 서비스를 만드는 개발자가 되고 싶다.

KANANA 429는 끝났지만, 이 활동을 통해 시작된 공부와 기록은 계속될 것 같다.
그리고 언젠가 다시 카카오의 새로운 AI를 만나게 된다면, 그때는 지금보다 조금 더 성장한 개발자의 시선으로 바라볼 수 있었으면 좋겠다.
먼저 경험하고, 이해하고, 직접 만들어 보고, 기록하는 것.
KANANA 429의 마지막 글은 여기서 끝내지만, 내 AI 공부의 다음 기록은 계속된다.

KANANA 429, 수료.
그리고 다음으로.

[학부연구생] IG-VLM 직접 실행해보기 — 논문의 아이디어를 코드로 따라가다

MKISOS — Mon, 14 Sep 2026 18:01:43 +0900

들어가며

지난 글에서는 An Image Grid Can Be Worth a Video: Zero-Shot Video Question Answering Using a VLM 논문을 다시 읽으면서 세 가지 질문에 답해보았다.

이 논문의 핵심 아이디어는 무엇인가?
그 주장을 보여주기 위해 무엇과 비교했는가?
어떤 평가 지표를 사용했고, 이를 통해 무엇을 설명하려 했는가?

그 과정에서 내가 이해한 IG-VLM의 핵심은 다음과 같았다.

Video의 여러 Frame을 Sampling → 시간 순서대로 하나의 Image Grid로 구성 → Grid를 일반 이미지처럼 pretrained VLM에 입력 → Video Question Answering 수행

논문에서는 비디오를 6개의 구간으로 나누고 각 구간에서 프레임을 하나씩 선택한 뒤, 6개의 프레임을 3 × 2 Image Grid로 만든다. 그리고 이 Image Grid가 비디오의 spatial information뿐만 아니라 프레임의 배열을 통해 temporal information까지 전달할 수 있다고 주장한다.

논문을 읽을 때는 구조 자체는 꽤 단순해 보였다.

Video
  ↓
6 Frames Sampling
  ↓
3 × 2 Image Grid
  ↓
Prompt + Image Grid
  ↓
VLM
  ↓
Answer

그런데 논문을 읽는 것과 실제 코드가 어떻게 동작하는지 이해하는 것은 또 다른 문제였다.

그래서 이번에는 논문의 공식 GitHub 코드를 직접 확인하고 실행해보면서 “논문에서 설명한 IG-VLM이 실제 코드에서는 어떻게 구현되어 있을까?” 를 확인해보기로 했다.

이번 목표는 처음부터 논문의 10개 Benchmark 전체 결과를 재현하는 것이 아니다.

먼저 Video 하나가 IG-VLM Pipeline을 처음부터 끝까지 통과하는 과정 하나를 완전히 이해하는 것을 목표로 했다.

1. 먼저 무엇을 실행할 것인가?

공식 Repository에는 여러 실험 코드가 존재한다.

Open-ended VQA, Multiple-choice VQA, Text Generation Benchmark가 있고 VLM으로는 LLaVA v1.6과 GPT-4V를 사용할 수 있도록 구현되어 있다. README 기준으로 LLaVA v1.6은 7B, 13B, 34B 설정을 지원한다.

이번에는 가장 기본적인 흐름을 확인하기 위해 Open-ended Video Question Answering + LLaVA v1.6 7B 부터 실행해보기로 했다.

Video
+
Question
↓
IG-VLM
↓
Natural Language Answer

이 과정을 먼저 확인하는 것이다.

여기서 중요한 점은 논문의 전체 benchmark 재현과 하나의 sample inference 성공을 구분하는 것이다.

첫 번째 목표는 논문 Table의 Accuracy를 그대로 만드는 것이 아니라 "내가 넣은 Video가 실제로 6개의 Frame으로 Sampling되고 → Image Grid가 되고 → 논문의 Prompt와 함께 VLM에 들어가 → Answer가 나오는지"를 직접 확인하는 것이다.

이후 공식 Question-Ground Truth pair까지 준비하면 논문에서 사용한 평가 과정까지 확장할 수 있다.

2. GitHub Repository를 먼저 읽어보았다

공식 Repository를 Clone한 뒤 무작정 실행하기 전에 우선 코드 구조부터 살펴봤다.

IG-VLM 공식 GitHub Repository

Repository에는 크게 다음 흐름에 해당하는 코드들이 존재했다.

파일	내가 이해한 역할
eval_llava_openended.py	Open-ended VQA 전체 실행 시작점
pipeline_processor/llava_pipeline.py	Video → Grid → VLM을 연결하는 전체 Pipeline
vision_processor/fps_extractor.py	Video에서 Frame Sampling
vision_processor/gridview_generator.py	Sampling된 Frames를 하나의 Grid Image로 생성
model_processor/llava2_model_processor.py	Image Grid와 Prompt를 LLaVA에 입력하고 Answer 생성
evaluation/gpt3_evaluation_utils.py	Prediction과 Ground Truth를 이용한 GPT 기반 평가

README만 읽었을 때는 그냥 하나의 Python 파일을 실행하면 되는 것처럼 보였지만 코드를 따라가 보니 논문 Figure 2에서 봤던 구조가 각각의 모듈로 나뉘어 구현되어 있었다.

Figure 2

eval_llava_openended.py
        │
        ▼
LlavaPipeline
        │
        ├── FpsDataProcessor
        │       │
        │       ├── FpsExtractor
        │       └── GridViewCreator
        │
        ▼
Llava2Processor
        │
        ▼
Prediction
        │
        ▼
GPT-assisted Evaluation

이 구조를 알고 나니 이제부터는 코드를 단순히 실행하는 것이 아니라ㅠ논문의 Method를 코드에서 하나씩 찾아볼 수 있었다.

3. 실행 환경 구성 — 공식 환경을 그대로 설치하기 전에 확인한 것

논문의 구조를 어느 정도 이해한 뒤 공식 Repository를 Clone했다.

git clone https://github.com/imagegridworth/IG-VLM.git
cd IG-VLM

이번 실습의 목적은 단순히 코드를 실행하는 것이 아니라, 논문에서 설명한 과정이 실제 코드에서 어떻게 구현되어 있는지를 하나씩 확인하는 것이었기 때문에 바로 requirements.txt를 설치하기보다 먼저 Repository와 실행 환경을 살펴봤다.

공식 Repository의 requirements.txt에는 다음과 같이 딥러닝 실행과 관련된 라이브러리들이 특정 버전으로 지정되어 있었다.

torch
torchvision
transformers
bitsandbytes
flash_attn
pytorchvideo
...

특히 flash_attn, bitsandbytes 등은 일반적인 Python 라이브러리와 달리 GPU와 CUDA 환경에 영향을 많이 받는 dependency다.

또한 README를 확인해보면 IG-VLM 코드만으로 모든 것이 끝나는 것이 아니라 실제 VLM inference를 위해 LLaVA 코드도 별도로 설치하여 사용할 수 있도록 환경을 구성해야 한다.

즉 논문에서 간단하게 Pre-trained VLM을 사용한다. 라고 표현되어 있던 부분도 실제 코드 실행 단계에서는

IG-VLM
+
PyTorch
+
Transformers
+
LLaVA
+
CUDA/GPU 관련 dependency

가 함께 맞아야 했다.

내 로컬 환경과 공식 실행 환경 확인

내가 사용하는 로컬 환경은 Apple Silicon 기반 macOS이기 때문에, 우선 공식 코드가 기대하는 실행 환경과 어떤 차이가 있는지 확인했다.

uname -m
uname -s

python3 --version

command -v nvidia-smi || echo "nvidia-smi: NOT FOUND"
command -v nvcc || echo "nvcc: NOT FOUND"

실행 환경을 확인한 결과, 로컬 머신은 Apple Silicon(arm64) 기반 macOS였으며 Python 3.13.3을 사용하고 있었다. 또한 nvidia-smi와 nvcc가 존재하지 않아 NVIDIA GPU 및 CUDA 환경이 아니라는 것을 확인했다. 따라서 공식 Repository의 GPU 기반 LLaVA inference 환경을 로컬에 그대로 구성하기보다, 전처리 과정과 실제 VLM inference를 분리하여 진행하기로 했다.

그리고 실험에 사용하는 공식 Repository의 버전 역시 확인했다.

실험에 사용한 공식 IG-VLM Repository는 main branch의 commit 00d11ab이며, 별도의 소스코드 수정 없이 원본 상태에서 분석과 실행을 시작했다.

여기서 중요한 차이를 하나 발견할 수 있었다.

내 Mac에는 NVIDIA GPU와 CUDA 환경이 존재하지 않는 반면, 공식 LLaVA inference 코드는 GPU 사용을 전제로 구성된 부분이 있었다.

따라서 처음부터

pip install -r requirements.txt

로 논문 저자의 환경을 로컬에 그대로 재현하려 하기보다 실행 과정을 역할에 따라 분리하기로 했다.

실행 환경을 두 단계로 나누기

이번 실습에서는 다음과 같은 방식으로 진행하기로 했다.

[Local — macOS]

Repository 구조 분석
        ↓
Video 확인
        ↓
Frame Sampling
        ↓
Image Grid 생성
        ↓
Prompt 확인


[GPU Environment]

LLaVA 설치 및 Model Loading
        ↓
Image Grid + Prompt 입력
        ↓
VLM Inference
        ↓
Prediction 생성

이렇게 나눈 이유는 IG-VLM의 핵심 과정 전체가 GPU에서만 수행되는 것은 아니기 때문이다.

예를 들어

Video
→ 6 Frames Sampling
→ 3 × 2 Image Grid

까지는 모델 inference와 분리해서 확인할 수 있다.

반면

Image Grid
→ LLaVA
→ Answer

과정은 실제 대규모 VLM을 로딩해야 하기 때문에 GPU 환경에서 수행하는 것이 적절하다.

실행 환경을 구성하면서 알게 된 점

논문만 읽었을 때는 IG-VLM의 과정이

Image Grid → VLM → Answer

정도로 단순하게 보였다.

하지만 실제 코드를 실행하려고 준비해보니 논문에서 사용한 모델뿐 아니라 그 모델이 실행된 소프트웨어와 하드웨어 환경까지 이해하는 것이 재현의 일부라는 것을 알게 되었다.

특히 이번에는 모든 dependency를 무작정 로컬에 설치하는 것보다,

어떤 부분이 일반 Python/Image Processing 과정이고, 어떤 부분부터 GPU 기반 VLM inference가 필요한가?

를 먼저 구분하는 것이 중요했다.

그래서 다음 단계에서는 우선 로컬 환경에서 IG-VLM의 첫 번째 과정인

Video에서 실제로 6개의 Frame을 어떻게 Sampling하는가

부터 공식 코드를 따라가 보기로 했다.

4. 논문의 “6 Frame Sampling”은 코드에서 어떻게 구현되어 있을까?

IG-VLM에서 가장 먼저 수행되는 과정은 Video에서 대표 Frame을 Sampling하는 것이다.

논문에서 설명한 방법은 비교적 단순하다.

Video sequence를 6개의 구간으로 나누고 각 구간의 첫 번째 Frame을 선택하여 총 6개의 Frame을 얻는다. 이후 이 6개의 Frame을 하나의 Image Grid로 구성한다.

개념적으로 표현하면 다음과 같다.

Video
─────────────────────────────────────────────▶ Time

| 구간 1 | 구간 2 | 구간 3 | 구간 4 | 구간 5 | 구간 6 |
    ↑        ↑        ↑        ↑        ↑        ↑
 Frame 1  Frame 2  Frame 3  Frame 4  Frame 5  Frame 6

논문을 읽을 때는 여기까지 이해했지만, 이번에는 이 과정이 실제 공식 코드에서 어떻게 구현되어 있는지 확인해보기로 했다.

4-1. Frame Sampling을 담당하는 코드 찾기

먼저 Repository의 vision_processor 디렉터리를 확인했다.

ls -la vision_processor

여러 파일 가운데 Frame Sampling과 직접적으로 관련된 파일은 다음과 같았다.

vision_processor/
├── fps_extractor.py
├── fps_gridview_processor.py
├── gridview_generator.py
└── video_validation.py

그중 먼저 살펴본 것은

fps_extractor.py

이다.

코드를 직접 확인해봤다.

공식 코드에서 FpsExtractor 클래스가 Video에서 실제 Frame을 선택하는 역할을 담당하고 있었다.

4-2. 왜 정확히 6개의 Frame이 선택되는가?

가장 먼저 눈에 들어온 부분은 다음 코드였다.

self.frame_fixed_number = kwargs.get("frame_fixed_number", 6)

frame_fixed_number에 별도의 값을 전달하지 않으면 기본값으로 6이 사용된다. 즉 논문에서 사용한 6 Frame configuration이 코드에서도 기본 설정으로 들어가 있었다.

실제 전체 pipeline에서도 frame_fixed_number=6이 기본값으로 지정되어 있다.

frame_fixed_number = 6

논문의 실험에서는 Frame 수를 4, 6, 9, 12, 16, 20 등으로 변경하여 비교했지만 최종 IG-VLM에서는 6개의 Frame을 사용했다.

논문의 분석 결과에서는 Frame을 너무 적게 사용하면 temporal information을 충분히 담기 어렵고 반대로 너무 많이 넣으면 하나의 Image Grid 안에서 각 Frame이 차지하는 해상도가 작아지는 문제가 발생한다고 설명한다.

Frame 수 ↓
→ 개별 Frame의 spatial detail은 상대적으로 잘 보존
→ Video의 temporal coverage 감소

Frame 수 ↑
→ 더 많은 시점을 관찰
→ 개별 Frame의 spatial resolution 감소

라는 trade-off가 존재한다.

그 결과 논문에서는 N = 6을 기본 구성으로 채택했다.

4-3. 전체 Video를 어떻게 6개 구간으로 나누는가?

다음으로 확인한 부분은 _adjust_interval_fixed() 함수다.

공식 코드의 핵심 계산은 다음과 같다.

self.frames_per_interval = math.floor(
    self.total_frames / self.frame_fixed_number
)

전체 Frame 수
─────────────
선택할 Frame 수(6)

를 계산해서 하나의 interval에 몇 Frame이 들어갈지를 정한다.

예를 들어 Video가 총 600 Frame이라고 가정하면,

600 / 6 = 100

이므로

frames_per_interval = 100

이 된다.

따라서 Video는 코드상 다음과 같은 간격으로 바라볼 수 있다.

그리고 각 interval의 시작 Frame을 선택한다.

Frame 0
Frame 100
Frame 200
Frame 300
Frame 400
Frame 500

이렇게 Video 전체에 시간적으로 퍼져 있는 6개의 observation을 얻게 된다.

정확히는 코드에서 math.floor(total_frames / 6)를 사용하기 때문에 전체 Frame 수가 6으로 정확히 나누어떨어지지 않는 경우 마지막에 일부 Frame이 남을 수 있다.

논문의 표현은 Video를 6개의 interval로 균일하게 나눈다는 개념적 설명이고 실제 구현에서는 이 정수 간격을 이용해 sampling을 수행한다고 이해할 수 있었다.

4-4. 실제로 어떤 Frame을 선택하는가?

이제 가장 중요한 _process_video()를 살펴봤다.

코드에서는 Video의 Frame을 순서대로 읽으면서 현재 Frame의 위치가 계산된 interval의 시작점에 해당할 때 해당 Frame을 저장한다.

핵심적으로는 다음과 같은 흐름이다.

전체 Frame을 순서대로 확인

        ↓

현재 Frame이 interval의 시작인가?

        ↓ YES

Frame 저장

        ↓

6개를 모두 저장했는가?

        ↓ YES

종료

공식 구현에서는 선택된 Frame을 list_frame_data에 추가하고, Frame이 frame_fixed_number, 즉 6개가 되면 반복을 종료한다.

결국 IG-VLM의 Frame Sampling은 Video 전체에서 일정한 간격으로 6개의 Frame을 선택하는 Uniform Sampling 방식에 가깝다.

처음에는 Video QA 성능을 높이기 위해 질문에 맞는 중요한 Frame을 별도의 모델이 찾아주는 과정이 있을 것이라고 생각할 수도 있지만, IG-VLM에서는 매우 단순한 Sampling 방식을 사용한다.

즉 이 논문의 핵심은 어떤 Frame을 복잡하게 선택할 것인가보다, 선택된 Frame들을 VLM에 어떤 형태로 전달할 것인가에 더 가깝다.

4-5. Video 정보는 어떻게 읽어오는가?

Frame을 Sampling하려면 먼저

FPS
전체 Frame 수
Video 길이

를 알아야 한다.

이 부분은 video_validation.py의 VideoLoader에서 처리하고 있었다.

코드에서는 MoviePy의 VideoFileClip을 이용해 Video를 읽고 다음 정보를 얻는다.

fps = self.video_capture.fps
total_frames = int(self.video_capture.reader.nframes)
video_length = total_frames / fps

즉,

Video
 ↓
MoviePy VideoFileClip
 ↓
FPS
Total Frames
Video Length

가 계산되고, 이 정보 중 total_frames가 앞에서 확인한 sampling interval 계산에 사용된다.

따라서 실제 실행에서는 내가 사용할 Sample Video에 대해서도 먼저

FPS = ?
Total Frames = ?
Duration = ?

를 확인해보기로 했다.

python - <<'PY'
from vision_processor.video_validation import VideoLoader
import math

video_path = "./example/rlQ2kW-FvMk_66_79.mp4"

loader = VideoLoader(video_path)

video, fps, total_frames, video_length = loader.open_video()

frames_per_interval = math.floor(total_frames / 6)

sampled_indices = [
    frames_per_interval * i
    for i in range(6)
]

print("=== VIDEO INFORMATION ===")
print(f"Video        : {video_path}")
print(f"FPS          : {fps}")
print(f"Total Frames : {total_frames}")
print(f"Duration     : {video_length:.2f} sec")

print()
print("=== IG-VLM SAMPLING CALCULATION ===")
print(f"frames_per_interval = floor({total_frames} / 6)")
print(f"                    = {frames_per_interval}")

print()
print("Expected sampled frame indices:")
for i, idx in enumerate(sampled_indices, start=1):
    print(f"Frame {i}: {idx}")

loader.release_video()
PY

직접 별도의 Video metadata 코드를 새로 작성하기보다, 공식 Repository에서 사용하는 VideoLoader를 그대로 호출하여 sample video의 FPS, 전체 Frame 수, Video 길이를 확인했다.

4-6. 직접 6개의 Frame을 추출해보기

python - <<'PY'
from pathlib import Path
import imageio.v2 as imageio

from vision_processor.fps_extractor import FpsExtractor

# 공식 코드가 요구하는 형태: 경로 구성요소의 list
video_path = ["example", "rlQ2kW-FvMk_66_79.mp4"]

output_dir = Path("../outputs/frame_sampling_01")
output_dir.mkdir(parents=True, exist_ok=True)

# 공식 FpsExtractor 사용
extractor = FpsExtractor(video_path)

frames = extractor.extract_frames(
    frame_fixed_number=6
)

interval = extractor.frames_per_interval
fps = extractor.fps

print("=== OFFICIAL FPS EXTRACTOR RESULT ===")
print(f"Video               : {extractor.video_path}")
print(f"FPS                 : {fps:.2f}")
print(f"Total Frames        : {extractor.total_frames}")
print(f"Extracted Frames    : {len(frames)}")
print(f"Frames per interval : {interval}")
print()

for i, frame in enumerate(frames):
    frame_index = i * interval
    timestamp = frame_index / fps

    filename = output_dir / f"frame_{i+1:02d}_idx_{frame_index:03d}.png"

    imageio.imwrite(filename, frame)

    print(
        f"Frame {i+1}: "
        f"index={frame_index:3d}, "
        f"time={timestamp:5.2f}s, "
        f"shape={frame.shape}, "
        f"saved={filename}"
    )

# 명시적으로 MoviePy reader 종료
extractor.video_capture.close()

print()
print(f"Saved to: {output_dir.resolve()}")
PY

코드 구조를 이해했으니 이제 실제 Sample Video를 이용해 같은 과정을 실행해보기로 했다.

목표는 단순하다.

내 Sample Video
        ↓
FpsExtractor
        ↓
6 Frames

실행 후 실제로 추출된 Frame들을 각각 저장하여 직접 확인했다.

Frame 1 → Frame 2 → Frame 3 → Frame 4 → Frame 5 → Frame 6
초반                                              후반

이 단계에서는 아직 VLM을 전혀 사용하지 않았다.

단순히 Video라는 입력을 6개의 대표적인 RGB observation으로 줄이는 전처리 과정이다.

4-7. 여기서 한 가지 중요한 점

처음 논문을 읽을 때는

6 Frame Sampling

이 그냥 지나갈 수 있는 작은 구현 요소처럼 느껴졌다.

하지만 실제 코드를 확인해보니 VLM은 결국 이 단계에서 선택된 Frame에 존재하는 정보만 볼 수 있다.

예를 들어 Video 중간에 아주 짧게 발생한 중요한 사건이 있다고 해보자.

Frame 1
       Frame 2

              ★ 중요한 사건

                       Frame 3

만약 ★에 해당하는 순간이 Sampling되지 않았다면 이후 아무리 좋은 VLM을 사용하더라도 그 장면을 직접 관찰할 수 없다.

Video의 모든 정보
        ↓
6개의 Frame만 선택
        ↓
선택된 정보만 VLM으로 전달

논문 역시 IG-VLM의 limitation 중 하나로 uniform sampling으로 인해 Video의 대부분의 Frame이 버려진다는 점을 언급하고 있다.

이 부분을 직접 실행하면서

Video QA에서 모델의 추론 능력뿐 아니라, 모델에게 어떤 visual evidence를 보여주는가 역시 중요하다.

는 점을 좀 더 구체적으로 이해할 수 있었다.

5. 6장의 Frame을 하나의 Image Grid로 만들기

5-1. Grid 생성 코드를 확인했다

6개의 Frame을 얻은 뒤에는 이들을 각각 따로 VLM에 넣는 것이 아니라 하나의 이미지로 합친다.

논문에서는 6개의 Frame을 3행 × 2열(3×2) 형태의 Grid로 배치한다.
시간 순서는 왼쪽 → 오른쪽, 위 → 아래 방향으로 진행된다.

Frame 1 | Frame 2
Frame 3 | Frame 4
Frame 5 | Frame 6

공식 코드에서는 이 과정을 다음 파일에서 확인할 수 있었다.

vision_processor/
└── gridview_generator.py

먼저 코드를 직접 확인해봤다.

import cv2
import glob
import numpy as np
import math
import os
import sys
import random

sys.path.append(os.path.dirname(os.path.abspath(os.path.dirname(__file__))))
from pipeline_processor.record import *
from .base_post_processor import *
from .fps_extractor import *


class GridViewCreator(BasePostProcessor):
    def __init__(self, func_max_per_row, quality=95):
        self.func_max_per_row = func_max_per_row
        self.quality = quality

    def post_process(self, *args, **kwargs):
        return self.create_grid_view_as_array_from_image_array(*args)

    def _extract_arguments(self, **kwargs):
        try:
            self.images = kwargs.get("images", [])
        except Exception as e:
            raise Exception(e)

    def create_grid_view_as_array_from_image_array(self, images):
        images = images
        self.max_images_per_row = self.func_max_per_row(len(images))

        min_width = min(img.shape[1] for img in images)
        min_height = min(img.shape[0] for img in images)
        resized_images = [cv2.resize(img, (min_width, min_height)) for img in images]

        while len(resized_images) % self.max_images_per_row != 0:
            resized_images.append(
                np.ones((min_height, min_width, 3), dtype=np.uint8) * 255
            )

        image_rows = [
            resized_images[i : i + self.max_images_per_row]
            for i in range(0, len(resized_images), self.max_images_per_row)
        ]
        concatenated_rows = [np.hstack(row) for row in image_rows]

        grid_image = np.vstack(concatenated_rows)
        image_array_rgb = cv2.cvtColor(grid_image, cv2.COLOR_BGR2RGB)
        if self.option == SaveOption.BASE64:
            return image_array_rgb
        else:
            return grid_image

    def _get_frame_number(self, file_path):
        numbers = file_path.split("/")[-1].split(".")[0]
        return int(numbers) if numbers else -1

코드를 보면 각 Frame의 크기를 맞춘 뒤, 가로 방향으로 붙여 Row를 만들고, 만들어진 Row들을 다시 세로 방향으로 붙여 하나의 Grid 이미지를 생성한다

5-2. 직접 Image Grid를 생성해보기

앞 단계에서 추출한 6개의 Frame을 이용해 실제 Image Grid를 생성해봤다.

python - <<'PY'
from pathlib import Path
import imageio.v2 as imageio
import numpy as np

input_dir = Path("../outputs/frame_sampling_01")
output_dir = Path("../outputs/gridview_01")
output_dir.mkdir(parents=True, exist_ok=True)

frame_paths = [
    input_dir / "frame_01_idx_000.png",
    input_dir / "frame_02_idx_065.png",
    input_dir / "frame_03_idx_130.png",
    input_dir / "frame_04_idx_195.png",
    input_dir / "frame_05_idx_260.png",
    input_dir / "frame_06_idx_325.png",
]

frames = [imageio.imread(p) for p in frame_paths]

row1 = np.hstack(frames[0:2])
row2 = np.hstack(frames[2:4])
row3 = np.hstack(frames[4:6])

grid = np.vstack([row1, row2, row3])

output_path = output_dir / "image_grid.png"
imageio.imwrite(output_path, grid)

print("=== IMAGE GRID RESULT ===")
print(f"Input Frames : {len(frames)}")
print(f"Grid Shape   : {grid.shape}")
print(f"Saved To     : {output_path.resolve()}")
PY

실행 결과, 6개의 Frame이 하나의 Grid 이미지로 정상적으로 합쳐졌다.

앞에서 추출한 각 Frame의 shape이 (480, 632, 3)이었으므로, 최종 Grid의 shape은 다음과 같이 예상할 수 있다.

높이 : 480 × 3 = 1440
너비 : 632 × 2 = 1264

즉 최종 Grid는 대략 다음과 같은 구조를 가진다.

(1440, 1264, 3)

5-3. 최종 Image Grid 확인

생성된 결과 이미지는 다음 위치에 저장했다.

outputs/gridview_01/image_grid.png

5-4. 여기서 확인한 점

이번 단계에서 확인한 핵심은 다음과 같다.

Video
↓
6 Frame Sampling
↓
3행 × 2열 Image Grid
↓
VLM 입력

즉 IG-VLM의 핵심은 Frame을 많이 뽑는 것 자체보다, 뽑은 Frame을 하나의 이미지로 조직해서 VLM에 전달하는 방식에 있다.

그래서 다음 단계에서는 이 Image Grid와 함께 어떤 Prompt를 넣는지를 확인해보려고 한다.

6. Image Grid만 넣는 것이 아니라 Prompt도 중요하다

6-1. 공식 Open-ended Prompt 확인

처음에는 Image Grid 자체가 IG-VLM의 핵심이라고 생각했지만, 코드를 확인해보니 VLM에게 Grid를 어떻게 해석해야 하는지 알려주는 Prompt도 함께 사용하고 있었다.

Open-ended VQA의 Prompt는 다음 파일에서 정의되어 있다.

eval_llava_openended.py

직접 해당 부분을 확인했다.

"""
 Copyright (c) 2024, Deep Representation Learning Research Group, Seoul National University.
 All rights reserved.
 SPDX-License-Identifier: BSD-3-Clause
 For full license text, see the LICENSE file in the repo root or https://opensource.org/licenses/BSD-3-Clause
"""

import sys, os
import time
from io import BytesIO
import argparse
import re
import uuid

sys.path.append(os.path.dirname(os.path.abspath(os.path.dirname(__file__))))

from vision_processor.fps_gridview_processor import *

from pipeline_processor.llava_pipeline import *
from evaluation.gpt3_evaluation_utils import *


def infer_and_eval_model(args):
    path_qa = args.path_qa_pair_csv
    path_video = args.path_video
    path_result_dir = args.path_result
    llm_size = args.llm_size
    api_key = args.api_key

    model_name, user_prompt = get_llava_and_prompt(llm_size)
    frame_fixed_number = 6

    print("loading [%s]" % (model_name))

    llavaPipeline = LlavaPipeline(
        model_name,
        path_qa,
        path_video,
        dir=path_result_dir,
    )
    llavaPipeline.set_component(
        user_prompt,
        frame_fixed_number=frame_fixed_number,
    )
    df_merged, path_df_merged = llavaPipeline.do_pipeline()

    print("llava prediction result : " + path_df_merged)
    print("start gpt3-evaluation")

    gpt3_dir = os.path.join(path_result_dir, "results_gpt3_evaluation")

    df_qa, path_merged = eval_gpt3(df_merged, gpt3_dir, api_key)

    print("Gpt-3-evaluation file : " + path_merged)
    yes_count = df_qa[df_qa["gpt3_pred"] == "yes"].shape[0]
    score = df_qa["gpt3_score"].mean()

    print("Acc : %s" % (str(yes_count / df_qa.shape[0])))
    print("Score : %s" % (str(score)))


def get_llava_and_prompt(llm_size):
    if llm_size in ["7b", "13b"]:
        prompt = "USER: <image>\nThe provided image arranges keyframes from a video in a grid view. Answer concisely with overall content and context of the video, highlighting any significant events, characters, or objects that appear throughout the frames. Question: %s? \nASSISTANT:\nAnswer: In the video,"
        model_name = "llava-v1.6-vicuna-%s" % (llm_size)
    else:
        prompt = "<|im_start|>system\n Answer the question. <|im_end|>\n<|im_start|>user\n <image>\nThe provided image arranges keyframes from a video in a grid view. Answer concisely with overall content and context of the video, highlighting any significant events, characters, or objects that appear throughout the frames. Question: %s? <|im_end|>\n<|im_start|>assistant\nAnswer: In the video,"
        model_name = "llava-v1.6-%s" % (llm_size)
    return model_name, prompt


def validate_llm_size(type_llm_size):
    if type_llm_size not in {"7b", "13b", "34b"}:
        raise argparse.ArgumentTypeError(f"No valid LLM size.")
    return type_llm_size


def validate_video_path(filename):
    pattern = r"\.(avi|mp4|mkv|gif|webm)$"  # %s.avi 또는 %s.mp4 형식을 따르는지 확인하는 정규 표현식
    if not re.search(pattern, filename):
        raise argparse.ArgumentTypeError(
            f"No valid video path. You must include %s and the extension of video file. (e.g., /tmp/%s.mp4)"
        )
    return filename


if __name__ == "__main__":
    parser = argparse.ArgumentParser(description="LLaVA v1.6 with IG-VLM")
    parser.add_argument(
        "--path_qa_pair_csv",
        type=str,
        required=True,
        help="path of question and answer. It should be csv files",
    )
    parser.add_argument(
        "--path_video",
        type=validate_video_path,
        required=True,
        metavar="/tmp/%s.mp4",
        help="path of video files. You must include string format specifier and the extension of video file.",
    )
    parser.add_argument(
        "--path_result", type=str, required=True, help="path of output directory"
    )

    parser.add_argument(
        "--llm_size",
        type=validate_llm_size,
        default="7b",
        help="You can choose llm size of LLaVA. 7b | 13b | 34b",
    )

    parser.add_argument(
        "--api_key",
        type=str,
        required=True,
        help="api key for gpt-3 evaluation",
    )
    args = parser.parse_args()

    infer_and_eval_model(args)

[get_llava_and_prompt() 부분]

def get_llava_and_prompt(llm_size):
    if llm_size in ["7b", "13b"]:
        prompt = "USER: <image>\nThe provided image arranges keyframes from a video in a grid view. Answer concisely with overall content and context of the video, highlighting any significant events, characters, or objects that appear throughout the frames. Question: %s? \nASSISTANT:\nAnswer: In the video,"
        model_name = "llava-v1.6-vicuna-%s" % (llm_size)
    else:
        prompt = "<|im_start|>system\n Answer the question. <|im_end|>\n<|im_start|>user\n <image>\nThe provided image arranges keyframes from a video in a grid view. Answer concisely with overall content and context of the video, highlighting any significant events, characters, or objects that appear throughout the frames. Question: %s? <|im_end|>\n<|im_start|>assistant\nAnswer: In the video,"
        model_name = "llava-v1.6-%s" % (llm_size)
    return model_name, prompt

코드에서는 LLaVA에 단순히 Question만 전달하지 않고 다음 요소를 함께 전달한다.

Image Grid
+
Grid Guidance
+
Reasoning Guidance
+
Question

여기서 각 부분의 역할은 다음처럼 이해할 수 있었다.

<image>
→ 앞에서 만든 Image Grid

Grid Guidance
→ 이 이미지가 Video의 keyframes를 Grid로 배열한 것임을 설명

Reasoning Guidance
→ Video 전체의 context와 주요 event/object 등을 고려하도록 유도

Question
→ 실제 Video Question

논문에서도 Open-ended VQA에서는 Grid Guidance와 Reasoning Guidance를 함께 사용하며 Prompt 구성에 따른 성능 차이를 ablation study로 비교한다.

6-2. 실제 질문을 넣은 Prompt 생성

이번 Sample에서는 다음 질문을 사용했다.

What is happening in the video?

다만 공식 Prompt template 자체가 Question 뒤에 ?를 붙이므로 코드에 넣을 문자열에서는 마지막 물음표를 제외했다.

What is happening in the video

공식 eval_llava_openended.py를 읽어서 7B용 Prompt template을 가져온 뒤 실제 질문을 삽입하고 파일로 저장했다.

현재 IG-VLM 폴더에서 아래를 실행한다.

python - <<'PY'
import ast
from pathlib import Path

source_path = Path("eval_llava_openended.py")
output_dir = Path("../outputs/prompt_01")
output_dir.mkdir(parents=True, exist_ok=True)

source = source_path.read_text(encoding="utf-8")
tree = ast.parse(source)

prompt_template = None

for node in ast.walk(tree):
    if isinstance(node, ast.FunctionDef) and node.name == "get_llava_and_prompt":
        for child in ast.walk(node):
            if isinstance(child, ast.Assign):
                for target in child.targets:
                    if isinstance(target, ast.Name) and target.id == "prompt":
                        if isinstance(child.value, ast.Constant):
                            value = child.value.value
                            if value.startswith("USER:"):
                                prompt_template = value
                                break

if prompt_template is None:
    raise RuntimeError("7B prompt template을 찾지 못했습니다.")

question = "What is happening in the video"
prompt = prompt_template % question

output_path = output_dir / "prompt.txt"
output_path.write_text(prompt, encoding="utf-8")

print("=== OFFICIAL OPEN-ENDED PROMPT ===")
print(prompt)

print()
print("=== PROMPT INFORMATION ===")
print(f"Question   : {question}?")
print(f"Characters : {len(prompt)}")
print(f"Saved To   : {output_path.resolve()}")
PY

[실제 Prompt가 Terminal에 출력된 화면]

실제 Prompt는 다음 위치에 저장했다.

outputs/prompt_01/prompt.txt

파일도 직접 열어 확인했다.

[prompt.txt 내용]

6-3. Image Grid와 Prompt가 실제 VLM 입력이 된다

지금까지 만든 것을 합치면 실제 VLM에 전달할 준비는 다음과 같다.

image_grid.png
        +
prompt.txt
        ↓
      LLaVA
        ↓
      Answer

즉 Image Grid를 만들어주는 것만으로 끝나는 것이 아니라 이 한 장의 이미지가 시간 순서가 있는 Video의 keyframes라는 사실을 VLM에게 Prompt로 알려준다. 는 점이 중요했다.

논문에서 보았던 IG-VLM의 입력 구조를 실제 코드 수준에서 정리하면 다음과 같다.

Video
↓
6 Frame Sampling
↓
3 × 2 Image Grid
↓
Grid Guidance + Reasoning Guidance + Question
↓
VLM

7. 실제 LLaVA inference 실행

앞에서는 Video를 6개의 Frame으로 추출하고, 이를 하나의 Image Grid로 만든 뒤 Prompt까지 구성하는 과정을 확인했다.

이제 마지막으로 만들어진 Image Grid와 Prompt를 실제 LLaVA에 입력하여 Answer가 생성되는지 확인한다.

Video
↓
6 Frame Sampling
↓
3 × 2 Image Grid
↓
Prompt
↓
LLaVA
↓
Prediction

7-1. Local 환경에서는 LLaVA를 실행할 수 없었다

앞선 Frame Sampling과 Image Grid 생성 과정은 MacBook의 Local 환경에서도 실행할 수 있었다.

하지만 IG-VLM에서 사용하는 LLaVA는 CUDA 기반 GPU 환경을 필요로 한다.

Local 환경을 확인한 결과 NVIDIA GPU와 CUDA를 사용할 수 없었기 때문에 역할을 다음과 같이 나누었다.

Local macOS
- Repository 분석
- Video 확인
- Frame Sampling
- Image Grid 생성
- Prompt 확인

Google Colab GPU
- LLaVA Model Loading
- Image Grid + Prompt 입력
- Inference
- Prediction 생성

즉 전처리 과정은 Local에서 이해하고 직접 실행한 뒤, 실제 VLM inference부터 GPU 환경으로 이동했다.

7-2. Google Colab의 Tesla T4 사용

별도의 GPU 서버를 구성하는 대신 이번 실습에서는 Google Colab의 무료 GPU 환경을 사용했다.

실제로 할당된 GPU를 확인한 결과 다음과 같았다.

GPU  : Tesla T4
VRAM : 14.56 GB

[nvidia-smi / Tesla T4 확인]

이번 실습의 목적은 Benchmark 전체를 재현하는 것이 아니라 하나의 Sample을 대상으로 IG-VLM의 전체 동작 과정을 직접 확인하는 것이므로 Colab 환경에서 진행했다.

7-3. 동일한 IG-VLM Repository 구성

Colab에서도 Local에서 분석했던 것과 동일한 공식 IG-VLM Repository를 사용했다.

Repository
imagegridworth/IG-VLM

Commit
00d11ab

이를 통해 Local에서 분석했던 코드와 Colab에서 실행하는 코드의 기준을 동일하게 유지했다.

[Colab Git Clone 및 Commit 확인]

7-4. LLaVA 실행 환경 구성

Colab의 기본 환경과 IG-VLM 코드가 작성된 환경에는 Python과 Library 버전 차이가 있었다.

따라서 LLaVA 실행을 위해 별도의 Python 3.10 환경을 구성하고 필요한 Dependency를 설치했다.

최종 환경 확인 결과는 다음과 같았다.

Python       : 3.10.21
PyTorch      : 2.2.0+cu121
Transformers : 4.36.2
bitsandbytes : 0.42.0
CUDA usable  : True
GPU          : Tesla T4
VRAM         : 14.56 GB
LLaVA import : SUCCESS

실행 과정에서는 최신 Colab 환경과 공식 코드 사이에서 NumPy, MoviePy, OpenCV, protobuf 등의 Dependency 차이가 발생했으며, 공식 코드와 호환되는 버전으로 맞추어 환경을 구성했다.

[LLAVA ENVIRONMENT CHECK]

7-5. 왜 전체 Benchmark가 아니라 하나의 Sample만 실행했는가

공식 eval_llava_openended.py는 단순히 모델의 Answer만 생성하는 코드가 아니다.

전체적인 흐름은 다음과 같다.

QA Dataset
↓
Video
↓
IG-VLM
↓
Prediction
↓
Ground Truth Answer
↓
GPT-based Evaluation
↓
Accuracy / Score

하지만 이번 실습에서 사용한 질문

What is happening in the video?

은 직접 지정한 Custom Question이므로 공식 Dataset의 Ground Truth Answer가 존재하지 않는다.

따라서 이번에는 GPT 기반 평가와 Benchmark 계산까지 수행하지 않고,

Video
↓
Image Grid
↓
Prompt
↓
LLaVA
↓
Prediction

까지 직접 실행하는 것을 목표로 했다.

7-6. Colab 환경에 맞게 LLaVA v1.6 7B 구성

IG-VLM의 7B 설정에서는 다음 모델을 사용한다.

llava-v1.6-vicuna-7b

하지만 Tesla T4의 약 15GB VRAM으로 LLaVA 7B를 원래 정밀도로 그대로 GPU에 올리는 데에는 메모리 제약이 있을 수 있다.

따라서 이번 실습에서는 동일한 LLaVA v1.6 Vicuna 7B 모델을 사용하되, GPU에 모델을 올리는 과정에서 4-bit loading을 적용했다.

IG-VLM Method

Video
↓
Image Grid
↓
Prompt
↓
LLaVA v1.6 Vicuna 7B
↓
Prediction

        모델 자체는 동일
               ↓
FP16 loading → 4-bit loading

이는 다른 모델을 사용하는 것이 아니라 동일한 pretrained model을 더 적은 GPU 메모리로 실행하기 위한 것이다.

따라서 이번 실습은 논문의 Accuracy나 Benchmark 수치를 그대로 재현하기 위한 실험이 아니다.

논문에서 제안한 IG-VLM의 Method를 하나의 Sample에서 실제 코드로 처음부터 끝까지 실행해보는 것이 목적이다.

7-7. Image Grid와 Prompt를 LLaVA에 입력

환경 구성이 완료된 뒤 앞에서 사용했던 동일한 Sample Video를 이용해 실제 inference를 수행했다.

Video
example/rlQ2kW-FvMk_66_79.mp4

Question
What is happening in the video?

실제 실행 과정에서도 앞에서 분석했던 구조가 그대로 나타났다.

Sample Video
↓
6 Frame Sampling
↓
3 × 2 Image Grid
↓
Grid Guidance
+
Reasoning Guidance
+
Question
↓
LLaVA v1.6 Vicuna 7B
↓
Prediction

Frame Sampling 결과는 다음과 같았다.

FPS                 : 29.97
Total Frames        : 390
Frames per interval : 65
Extracted Frames    : 6

각 Frame은 다음 위치에서 추출되었다.

Frame 1 :   0 /  0.00s
Frame 2 :  65 /  2.17s
Frame 3 : 130 /  4.34s
Frame 4 : 195 /  6.51s
Frame 5 : 260 /  8.68s
Frame 6 : 325 / 10.84s

이를 3 × 2 Image Grid로 변환한 결과 Image Size는 다음과 같았다.

1264 × 1440

이후 해당 Image Grid와 Prompt를 LLaVA에 입력했다.

LLaVA 역시 Tesla T4에 정상적으로 로딩되었다.

Model        : llava-v1.6-vicuna-7b
Context len  : 2048
Device       : cuda:0

GPU allocated : 3.87 GB
GPU reserved  : 3.90 GB

[MODEL LOADING SUCCESS]

[INFERENCE RUNNING]

%%writefile /content/run_igvlm_single_infer.py

import os
import sys
import math
from pathlib import Path

import imageio.v2 as imageio
from PIL import Image
import torch

# ============================================================
# Path
# ============================================================
sys.path.insert(0, "/content/IG-VLM")
sys.path.insert(0, "/content/LLaVA")

# IG-VLM official components
from vision_processor.fps_extractor import FpsExtractor
from vision_processor.gridview_generator import GridViewCreator
from vision_processor.base_frame_extractor import SaveOption

# LLaVA official components
from llava.model.builder import load_pretrained_model
from llava.mm_utils import (
    get_model_name_from_path,
    tokenizer_image_token,
    process_images,
)
from llava.constants import IMAGE_TOKEN_INDEX
from llava.utils import disable_torch_init


# ============================================================
# 1. Input
# ============================================================

video_root = "/content/IG-VLM"
video_path = ["example", "rlQ2kW-FvMk_66_79.mp4"]

# 공식 Prompt 자체에서 ? 를 붙이므로 질문 문자열에는 ?를 넣지 않음
question = "What is happening in the video"

result_dir = Path(
    "/content/IG-VLM/outputs/colab_infer_01"
)
result_dir.mkdir(parents=True, exist_ok=True)

os.chdir(video_root)

print("========================================")
print("1. INPUT")
print("========================================")
print("Video    :", os.path.join(*video_path))
print("Question :", question)
print()


# ============================================================
# 2. Official IG-VLM Frame Sampling
# ============================================================

extractor = FpsExtractor(video_path)

frames = extractor.extract_frames(
    frame_fixed_number=6
)

fps = extractor.fps
total_frames = extractor.total_frames
interval = extractor.frames_per_interval

print("========================================")
print("2. FRAME SAMPLING")
print("========================================")
print(f"FPS                 : {fps:.2f}")
print("Total Frames        :", total_frames)
print("Frames per interval :", interval)
print("Extracted Frames    :", len(frames))
print()

for i, frame in enumerate(frames):

    frame_index = i * interval
    timestamp = frame_index / fps

    frame_path = (
        result_dir /
        f"frame_{i+1:02d}_idx_{frame_index:03d}.png"
    )

    # MoviePy iter_frames()가 RGB ndarray를 반환하므로
    # imageio를 이용해 그대로 저장
    imageio.imwrite(frame_path, frame)

    print(
        f"Frame {i+1}: "
        f"index={frame_index:3d}, "
        f"time={timestamp:5.2f}s, "
        f"shape={frame.shape}"
    )

print()


# ============================================================
# 3. Official IG-VLM Image Grid
# ============================================================

# 공식 FpsDataProcessor와 동일한 계산:
# round(sqrt(6)) = 2 frames per row
grid_creator = GridViewCreator(
    lambda x: round(math.sqrt(x))
)

raw_image = grid_creator.post_process_based_on_options(
    SaveOption.IMAGE,
    frames
)

grid_path = result_dir / "image_grid.png"
raw_image.save(grid_path)

print("========================================")
print("3. IMAGE GRID")
print("========================================")
print("Frames per row :", round(math.sqrt(len(frames))))
print("Grid layout    : 3 rows x 2 columns")
print("Image size     :", raw_image.size)
print("Saved To       :", grid_path)
print()


# ============================================================
# 4. Official IG-VLM Prompt
# ============================================================

# eval_llava_openended.py의 7B/13B Prompt 그대로 사용
user_prompt = (
    "USER: <image>\n"
    "The provided image arranges keyframes from a video in a grid view. "
    "Answer concisely with overall content and context of the video, "
    "highlighting any significant events, characters, or objects that "
    "appear throughout the frames. "
    f"Question: {question}? \n"
    "ASSISTANT:\n"
    "Answer: In the video,"
)

prompt_path = result_dir / "prompt.txt"
prompt_path.write_text(
    user_prompt,
    encoding="utf-8"
)

print("========================================")
print("4. PROMPT")
print("========================================")
print(user_prompt)
print()
print("Saved To :", prompt_path)
print()


# ============================================================
# 5. LLaVA v1.6 Vicuna 7B Loading
# ============================================================

disable_torch_init()

model_path = "liuhaotian/llava-v1.6-vicuna-7b"
model_name = get_model_name_from_path(model_path)

print("========================================")
print("5. MODEL LOADING (4-BIT)")
print("========================================")
print("Model :", model_path)
print("GPU   :", torch.cuda.get_device_name(0))
print()

tokenizer, model, image_processor, context_len = (
    load_pretrained_model(
        model_path=model_path,
        model_base=None,
        model_name=model_name,

        # Colab T4 VRAM에 맞춘 유일한 핵심 변경
        load_4bit=True,

        device_map="auto",
        device="cuda",
    )
)

print()
print("=== MODEL LOADING SUCCESS ===")
print("Model name   :", model_name)
print("Context len  :", context_len)
print("Model device :", model.device)

allocated = torch.cuda.memory_allocated() / 1024**3
reserved = torch.cuda.memory_reserved() / 1024**3

print(f"GPU allocated: {allocated:.2f} GB")
print(f"GPU reserved : {reserved:.2f} GB")
print()


# ============================================================
# 6. Official IG-VLM-style Inference
# ============================================================

# 공식 Llava2Processor.inference()와 동일한 흐름
image_sizes = [raw_image.size]

images_tensor = process_images(
    [raw_image],
    image_processor,
    model.config
)

images_tensor = images_tensor.to(
    model.device,
    dtype=torch.float16
)

input_ids = (
    tokenizer_image_token(
        user_prompt,
        tokenizer,
        IMAGE_TOKEN_INDEX,
        return_tensors="pt",
    )
    .unsqueeze(0)
    .to(model.device)
)

print("========================================")
print("6. INFERENCE")
print("========================================")
print("Image size   :", raw_image.size)
print("Input tokens :", input_ids.shape[1])
print("Inference running...")
print()


with torch.inference_mode():

    output_ids = model.generate(
        input_ids,
        images=images_tensor,
        image_sizes=image_sizes,

        # 공식 IG-VLM 설정
        do_sample=False,
        temperature=1.0,
        top_p=0.9,
        num_beams=1,
        max_new_tokens=512,
        use_cache=True,
    )


# ============================================================
# 7. Decode
# ============================================================

# 중요:
# 공식 IG-VLM은 output_ids에서 input 길이를 잘라내지 않고
# 생성 결과 전체를 batch_decode한다.
raw_output = tokenizer.batch_decode(
    output_ids,
    skip_special_tokens=True
)[0].strip()

# 공식 extract_answers() 방식
prediction = raw_output.split("ASSISTANT:")[-1].strip()

prediction_path = result_dir / "prediction.txt"
prediction_path.write_text(
    prediction,
    encoding="utf-8"
)

print("========================================")
print("7. INFERENCE RESULT")
print("========================================")
print("Output tokens :", output_ids.shape[1])
print()
print("Raw Output:")
print(raw_output)
print()
print("Question:")
print(question + "?")
print()
print("Prediction:")
print(prediction)
print()
print("Saved To :", prediction_path)


# ============================================================
# 8. Cleanup
# ============================================================

try:
    extractor.video_capture.close()
except Exception:
    pass

print()
print("========================================")
print("IG-VLM SINGLE SAMPLE INFERENCE COMPLETE")
print("========================================")

결과 :

========================================
1. INPUT
========================================
Video    : example/rlQ2kW-FvMk_66_79.mp4
Question : What is happening in the video

========================================
2. FRAME SAMPLING
========================================
FPS                 : 29.97
Total Frames        : 390
Frames per interval : 65
Extracted Frames    : 6

Frame 1: index=  0, time= 0.00s, shape=(480, 632, 3)
Frame 2: index= 65, time= 2.17s, shape=(480, 632, 3)
Frame 3: index=130, time= 4.34s, shape=(480, 632, 3)
Frame 4: index=195, time= 6.51s, shape=(480, 632, 3)
Frame 5: index=260, time= 8.68s, shape=(480, 632, 3)
Frame 6: index=325, time=10.84s, shape=(480, 632, 3)

========================================
3. IMAGE GRID
========================================
Frames per row : 2
Grid layout    : 3 rows x 2 columns
Image size     : (1264, 1440)
Saved To       : /content/IG-VLM/outputs/colab_infer_01/image_grid.png

========================================
4. PROMPT
========================================
USER: <image>
The provided image arranges keyframes from a video in a grid view. Answer concisely with overall content and context of the video, highlighting any significant events, characters, or objects that appear throughout the frames. Question: What is happening in the video? 
ASSISTANT:
Answer: In the video,

Saved To : /content/IG-VLM/outputs/colab_infer_01/prompt.txt

========================================
5. MODEL LOADING (4-BIT)
========================================
Model : liuhaotian/llava-v1.6-vicuna-7b
GPU   : Tesla T4

You are using a model of type llava to instantiate a model of type llava_llama. This is not supported for all configurations of models and can yield errors.


=== MODEL LOADING SUCCESS ===
Model name   : llava-v1.6-vicuna-7b
Context len  : 2048
Model device : cuda:0
GPU allocated: 3.87 GB
GPU reserved : 3.90 GB

========================================
6. INFERENCE
========================================
Image size   : (1264, 1440)
Input tokens : 74
Inference running...

========================================
7. INFERENCE RESULT
========================================
Output tokens : 82

Raw Output:
a woman is performing a series of exercises, likely in a gym setting, as she demonstrates various yoga poses and stretches. The images show her in different stages of movement, with a man observing and possibly providing guidance or instruction. The overall content of the video is focused on fitness and exercise, with an emphasis on yoga and stretching techniques.

Question:
What is happening in the video?

Prediction:
a woman is performing a series of exercises, likely in a gym setting, as she demonstrates various yoga poses and stretches. The images show her in different stages of movement, with a man observing and possibly providing guidance or instruction. The overall content of the video is focused on fitness and exercise, with an emphasis on yoga and stretching techniques.

Saved To : /content/IG-VLM/outputs/colab_infer_01/prediction.txt

========================================
IG-VLM SINGLE SAMPLE INFERENCE COMPLETE
========================================

7-8. 실제 Prediction 확인

from IPython.display import display
from PIL import Image

display(
    Image.open(
        "/content/IG-VLM/outputs/colab_infer_01/image_grid.png"
    )
)

print("\n=== Prediction ===")
print(
    open(
        "/content/IG-VLM/outputs/colab_infer_01/prediction.txt",
        encoding="utf-8"
    ).read()
)

최종적으로 LLaVA가 다음과 같은 답변을 생성했다.

a woman is performing a series of exercises, likely in a gym setting,
as she demonstrates various yoga poses and stretches.

The images show her in different stages of movement,
with a man observing and possibly providing guidance or instruction.

The overall content of the video is focused on fitness and exercise,
with an emphasis on yoga and stretching techniques.

Question은 단순히 다음과 같았다.

What is happening in the video?

그럼에도 모델은 하나의 Frame만 설명하는 것이 아니라 여러 Frame에 반복적으로 등장하는 정보를 종합하여,

여성이 운동 및 스트레칭을 하고 있다는 점
여러 단계의 동작이 나타난다는 점
옆의 남성이 관찰하거나 지도하는 것으로 보인다는 점
전체적으로 Fitness / Exercise 영상이라는 점

을 하나의 Answer로 생성했다.

즉 실제 실행에서도 IG-VLM의 핵심 아이디어인

Video
→ Keyframe Sampling
→ Image Grid
→ Image VLM
→ Video Question Answering

8. 직접 실행해보고 이해한 IG-VLM

논문을 처음 읽었을 때 IG-VLM의 핵심은 단순히 Video의 Frame을 하나의 Grid로 만든다는 아이디어처럼 보였다.

하지만 실제 코드를 따라가며 실행해보니 핵심은 조금 더 명확했다.

IG-VLM은 Video 자체를 처리할 수 있는 별도의 Video Language Model을 만드는 대신,

Video
↓
대표 Frame 추출
↓
하나의 Image Grid로 변환
↓
기존 Image VLM에 입력

하는 방식으로 Video Question Answering 문제를 Image VLM이 처리할 수 있는 형태로 변환한다.

특히 Image Grid만 만드는 것으로 끝나는 것이 아니라, 이 이미지는 Video에서 시간 순서대로 추출한 keyframes를 Grid 형태로 배치한 것이다. 라는 정보를 Prompt의 Grid Guidance를 통해 모델에게 전달한다는 점도 직접 코드를 보면서 이해할 수 있었다.

이번 실습을 통해 논문에서 보았던 “Video를 하나의 Image처럼 표현하여 기존 VLM의 능력을 활용한다.” 라는 아이디어가 실제 코드에서 어떤 과정으로 구현되는지 확인할 수 있었다.

이번 실행은 논문의 전체 Benchmark 결과를 재현한 것은 아니다.

하지만 하나의 Sample Video에 대해

Video Input
→ Frame Sampling
→ Image Grid
→ Prompt
→ LLaVA
→ Prediction

까지 직접 실행하면서 IG-VLM의 전체 inference pipeline을 직접 따라가 보는 데 집중했다. 논문에서 몇 줄로 설명되던 Frame Sampling → Image Grid → Prompt → VLM의 과정이 실제 코드에서는 어떻게 연결되는지 확인하면서, 논문을 읽는 것과 직접 구현을 따라가는 것의 차이를 체감할 수 있었다.

다음 단계에서는 공식 Dataset의 Question–Ground Truth pair와 평가 코드를 함께 살펴보면서, 단순히 Prediction을 생성하는 것을 넘어 논문에서 제시한 Benchmark와 Evaluation 과정까지 이해해보고자 한다.

[학부연구생] IG-VLM을 다시 읽다 — 논문을 이해하는 3가지 질문

MKISOS — Mon, 14 Sep 2026 08:48:07 +0900

An_Image_Grid_Can_Be_Worth_a_Video_Zero-Shot_Video.pdf

6.75MB

자료 및 출처 안내
본 글은 아래 논문을 읽고 학습한 내용을 개인적으로 정리한 글입니다.
논문의 일부 Figure, Table 및 내용을 학습·설명을 위해 인용하였습니다.

Wonkyun Kim, Changin Choi, Wonseok Lee, and Wonjong Rhee,
“An Image Grid Can Be Worth a Video: Zero-Shot Video Question Answering Using a VLM,”
IEEE Access, Vol. 12, 2024.
DOI: 10.1109/ACCESS.2024.3517625

해당 논문은 Creative Commons Attribution 4.0 International (CC BY 4.0) 라이선스로 공개되어 있습니다.
© 2024 The Authors.

내 답 미리보기

1. 이 논문의 메인 아이디어는 무엇이고, 무엇을 주장하려고 하는가?

IG-VLM의 핵심 아이디어는 Video에서 여러 Frame을 Sampling한 뒤, 이를 시간 순서대로 하나의 Image Grid에 배치하여 Video를 단일 이미지 형태의 representation으로 변환하는 것이다.

기존 VideoLM 및 Multi-stage Foundation Model 방식에서는 Video 정보를 LLM과 연결하기 위해 별도의 learnable interface를 video data로 학습해야 하거나 Video를 textual description으로 변환한 뒤 다른 LLM에 전달하는 복잡한 multi-stage 과정이 필요하고 이 과정에서 추가적인 학습 비용이나 정보 손실 문제가 발생할 수 있다 라는 문제가 있었고,

IG-VLM은 이를 해결하기 위해 Video를 6개의 구간으로 나누어 각 구간의 첫 Frame을 Sampling하고 선택된 6개의 Frame을 시간 순서대로 3 × 2 Image Grid에 배치한 뒤 Grid Guidance가 포함된 Prompt와 함께 하나의 pretrained VLM에 입력하는 방식을 사용한다.

이를 통해 저자들은 최종적으로 별도의 video-specific training이나 multi-stage processing 없이도 하나의 Image Grid가 Video의 spatial information과 temporal information을 함께 전달할 수 있으며 이를 이용해 기존의 고성능 VLM만으로도 Zero-shot Video Question Answering을 효과적으로 수행할 수 있다 라고 주장하고 있다고 이해했다.

2. 그 주장을 보여주기 위해 무엇과 비교했고, 왜 그것들을 비교 대상으로 선택했는가?

이 논문은 IG-VLM의 주장을 검증하기 위해 크게 기존 Video-Language 방법과의 성능 비교와 Image Grid라는 Video Representation 자체의 효과를 확인하는 비교를 수행한다.

먼저 전체 방법의 경쟁력을 검증하기 위해 기존의 대표적인 두 접근인 VideoLM과 Multi-stage Foundation Model 기반 방법들과 비교한다. VideoLM은 Video 정보를 Video Token으로 변환하기 위해 learnable interface를 학습하는 방식이고, Multi-stage Foundation Model은 Video를 먼저 textual description으로 변환한 뒤 LLM에 전달하는 방식이다. 논문에서 바로 이 두 접근의 한계를 문제로 제시하고 있기 때문에, 이들과의 비교는 별도의 video-specific training이나 multi-stage processing 없이 하나의 pretrained VLM만 사용하는 IG-VLM이 실제로 경쟁력 있는가를 확인하기 위한 비교라고 볼 수 있다. 저자들은 이를 5개의 Open-ended VQA와 5개의 Multiple-choice VQA, 총 10개의 benchmark에서 검증한다.

하지만 기존 모델과의 성능 비교만으로는 IG-VLM의 성능 향상이 정말 Image Grid라는 표현 방식 때문인지 알기 어렵다. 그래서 논문은 동일하게 Sampling한 6개의 Frame을 여러 이미지의 Sequence of Frames로 입력하는 경우와 하나의 Image Grid로 구성하여 입력하는 경우를 직접 비교한다. 즉 Frame의 개수와 Video에서 얻은 시각 정보 자체는 동일하게 유지하고 VLM에 어떤 형태로 조직해서 전달하는지만 바꾼 비교이다. 최종 논문의 NExT-QA와 EgoSchema 실험에서 Image Grid가 일관되게 더 높은 성능을 보였고, 저자들은 이를 Image Grid가 spatial-temporal information을 pixel level에서 표현하는 데 효과적이라는 근거로 제시한다.

추가로 저자들은 Grid의 Shape, Frame의 Ordering, Frame 수, Prompt Design에 대한 분석과 ablation도 수행한다. 이를 통해 단순히 여러 Frame을 한 장에 붙이는 것이 아니라, 시간 순서대로 배치된 적절한 Grid 구조와 이를 설명하는 Prompt가 실제 성능에 영향을 준다는 것까지 확인한다.

두 접근의 한계 : 1. VideoLM의 한계는 VideoLM은 Vision Encoder와 LLM 사이에 learnable interface를 두고 video data로 학습해야 하는데, 저자들은 ① video training data가 제한적이라는 점, ② 비디오 전체 정보를 제한된 수의 video token에 담아야 한다는 점을 주요 challenge로 지적한다. 2. Multi-stage Foundation Model의 한계는 VideoLM 등으로 먼저 Video를 textual description으로 변환하고 그 텍스트를 LLM에게 넘겨 추론시키는데, 이 과정에서 Video의 시각 정보를 텍스트만으로 충분히 전달하기 어렵고 modality connection gap이 생길 수 있다고 지적해. 게다가 여러 모델과 단계를 거쳐야 한다는 구조적 복잡성도 있다고 한다.

3. 사용한 평가 지표는 무엇을 의미하고, 그 결과를 통해 무엇을 설명하려고 하는가?

IG-VLM은 Open-ended VQA에서는 Video-ChatGPT에서 제안한 GPT-assisted assessment를 사용하여 Accuracy(Acc.)와 Score로 생성된 답변을 평가하고, Multiple-choice VQA에서는 주어진 선택지 중 Correct Answer를 정확하게 선택했는지를 나타내는 Accuracy 를 사용해 성능을 평가한다.

또한 Text Generation에서는 CI / DO / CU / TU / CO 를 이용하여 생성된 답변의 정보 정확성(Correctness of Information), 세부 정보 포착 능력(Detail Orientation), 맥락 이해(Contextual Understanding), 시간적 이해 (Temporal Understanding), 답변의 일관성(Consistency)을 보다 세부적으로 평가한다.

이를 통해 단순히 “정답을 맞혔는가?”뿐 아니라 IG-VLM이 Video를 어떤 측면에서는 잘 이해하고 어떤 측면에서는 약한지까지 분석한다.
이 중 특히 TU(Temporal Understanding)는 IG-VLM이 주장하는 여러 Video Frame을 시간 순서대로 하나의 Image Grid에 배치하면 그 Grid 구조 안에서 temporal information을 전달할 수 있다는 주장 과 직접적으로 관련 있다고 생각한다. 따라서 TU에서 높은 성능을 보인다는 것은 Image Grid가 단순히 여러 정지 이미지를 한 장에 붙인 것이 아니라 VLM이 Video의 시간적 흐름을 추론하는 데 활용할 수 있는 정보도 어느 정도 전달하고 있다는 실험적 근거로 볼 수 있다.

따라서 이러한 평가 결과를 통해 저자들은 최종적으로 Image Grid라는 단일 이미지 representation이 별도의 video-specific training 없이도 Open-ended와 Multiple-choice Video QA 모두에서 높은 성능을 보이며, 특히 Video Understanding에 중요한 contextual·temporal information까지 VLM에 전달할 수 있다는 것 을 보여주려고 했다고 이해했다. 논문의 Conclusion 역시 Image Grid가 하나의 이미지 형식 안에서 spatial information과 temporal information을 전달할 수 있으며 이를 10개의 VQA benchmark 실험으로 검증했다고 정리한다.

들어가며

학부연구생 활동을 시작하고 처음으로 제대로 읽어본 논문은 An Image Grid Can Be Worth a Video: Zero-Shot Video Question Answering Using a VLM이다.

이 논문은 2024년 IEEE Access에 게재된 연구로 Video Question Answering 문제를 기존 Video Language Model과는 다른 방식으로 접근한다.

첫 번째로 논문을 읽었을 때는 Abstract → Introduction → Related Works → Method → Experiments → Conclusion

순서대로 따라가면서 전체 내용을 이해하는 데 집중했다.

그 과정에서 Image Grid가 무엇인지, Video QA가 무엇인지, IG-VLM이 대략 어떤 구조로 동작하는지는 어느 정도 이해할 수 있었다.

하지만 9월 10일 전 박사님과 미팅하면서 논문을 읽는 관점에 대해 새로운 과제를 받았다.

이번에는 논문의 내용을 다시 처음부터 번역하는 것이 아니라, 다음 세 가지 질문에 대한 내 답을 찾아보는 것이다.

1. 이 논문의 메인 아이디어는 무엇이고, 무엇을 주장하려고 하는가?

2. 그 주장을 보여주기 위해 무엇과 비교했고, 왜 그것들을 비교 대상으로 선택했는가?

3. 사용한 평가 지표는 무엇을 의미하고, 그 결과를 통해 무엇을 설명하려고 하는가?

이번 글에서는 실제 IG-VLM 논문을 다시 읽으면서 이 세 질문에 대한 답을 하나씩 찾아보려고 한다.

단순히 논문에 쓰여 있는 내용을 요약하는 것이 아니라 저자가 무엇을 주장하고 → 그것을 무엇과 비교하고 → 무엇으로 증명했는가 라는 연구의 논리를 따라가는 것이 이번 공부의 목표다.

1. IG-VLM은 무엇을 주장하려고 하는가?

첫 번째 질문이다.

이 논문의 메인 아이디어는 무엇이고, 무엇을 주장하려고 하는가?

처음 논문을 읽었을 때 나는 IG-VLM을 대략 다음과 같이 이해했다.

비디오는 여러 개의 Frame으로 구성되어 있고 IG-VLM은 그중 몇 개의 Frame을 Sampling하여 시간 순서대로 하나의 Grid Image에 배치한다. 그리고 이렇게 만들어진 하나의 이미지를 기존 VLM에 입력하여 Video Question Answering을 수행한다.

하지만 이것은 아직 “IG-VLM이 어떻게 동작하는가?”에 대한 설명에 가깝다.

이번에는 여기서 한 단계 더 들어가

“그래서 저자들은 왜 이런 방법을 제안했고, 결국 무엇이 좋다고 주장하는가?”

를 찾아보려고 한다.

1-1. 먼저 Abstract에서 논문의 핵심 주장 찾기

읽을 곳

PDF 1페이지 — Abstract

기존에는 Video를 LLM과 연결하기 위해 어떤 방법들이 사용되고 있었는가?

✍️ 내가 찾은 내용

기존에는 크게 두 가지 접근이 사용되었다.

Video Language Model(VideoLM) : Vision Encoder와 LLM 사이에 learnable inteface를 두고 비디오 데이터를 이용해서 이 interface를 학습하여 비디오 정보를 LLM이 처리할 수 있도록 연결한다.

Multi-stage Foundation Model 방식 : 이미 학습된 ViedoLM, LLM 같은 여러 foundation model을 여러 단계에 걸쳐 사용하여 비디오 정보를 처리한다.

즉, 비디오 전용 구조를 학습하거나, 여러 모델을 단계적으로 연결하는 방식이다.

저자들은 기존 접근과 달리 무엇을 사용한다고 하는가?

✍️ 내가 찾은 내용

“only a single Vision Language Model (VLM) is utilized”

저자들은 단 하나의 VLM만 사용한다고 한다. 비디오에서 여러 프레임을 가져온 뒤 이를 하나의 Image Grid로 만들어서 일반 이미지처럼 VLM에 입력한다.

Video → 여러 Frame → Image Grid → 하나의 VLM → Answer

(매우 단순한 구조!)

Image Grid가 어떤 정보를 유지한다고 주장하는가?

✍️ 내가 찾은 내용

“effectively retains temporal information within the grid structure at the pixel level”

여러 비디오 프레임을 Grid 형태로 하나의 이미지에 배치하면 하나의 이미지 형태를 유지하면서 Grid 구조 내부에 temporal information, 즉 시간 정보를 유지할 수 있다고 주장한다.

그리고 각 프레임 자체에는 원래의 spatial details(공간 정보)도 들어 있기 때문에 Spatial information + Temporal information

을 하나의 이미지 입력으로 VLM에 전달하려는 것이다.

별도의 Video Training이 필요한가?

✍️ 내가 찾은 내용

“without necessitating any video-data training”

필요하지 않다. 저자들은 Image Grid를 사용하면 기존의 고성능 VLM을 그대로 사용할 수 있기 때문이라고 한다.

실험 결과를 통해 저자들이 가장 크게 강조하는 결과는 무엇인가?

✍️ 내가 찾은 내용

총 10개의 Zero-shot Video Question Answering benchmark에서 실험했다.

Open-ended VQA: 5개, Multiple-choice VQA: 5개

그리고 IG-VLM이 10개 중 9개 benchmark에서 기존 방법들을 능가했다.

"매우 단순한 Image Grid + Single VLM 방식임에도 기존 VideoLM이나 복잡한 multi-stage 방식보다 대부분의 benchmark에서 더 좋은 성능을 보였다. " 는 것이 Abstract에서 가장 강하게 강조하는 실험 결과다.

IG-VLM이 10개 중 9개 benchmark : 다만 10개 benchmark 중 유일하게 STAR에서는 기존 최고 성능을 넘지 못했다. STAR에서 기존 VideoChat2는 59.0의 평균 성능을 보인 반면, IG-VLM의 최고 성능인 LLaVA v1.6 34B는 53.0을 기록했다. 논문에서는 STAR에서의 성능 차이에 대한 명확한 단일 원인을 제시하지는 않는다. 다만 저자들이 제시한 IG-VLM의 한계인 6개 frame만을 sampling하면서 중요한 temporal evidence가 누락될 가능성, Image Grid 전처리에 따른 spatial detail 손실, VLM의 object recognition 오류 등이 이러한 benchmark별 성능 차이에 영향을 줄 수 있다고 이해했다.

Abstract를 읽은 뒤 일단 임시로 한 문장을 만들어본다.

현재 내가 생각하는 Main Claim — 1차

IG-VLM은 비디오의 여러 프레임을 하나의 Image Grid로 구성하면 비디오 전용 학습 없이도 단일 pretrained VLM이 영상의 공간적·시간적 정보를 활용하여 Zero-shot Video QA를 효과적으로 수행할 수 있다고 주장하는 연구라고 생각한다.

~~아직 확정하지 않는다.~~

~~Introduction과 Experiments를 보고 나면 이 답이 바뀔 수도 있다.~~

1-2. 기존 방법에는 어떤 문제가 있었는가?

새로운 연구가 등장했다면 그 방법을 제안해야 하는 이유가 있을 것이다.

따라서 IG-VLM의 Main Idea를 제대로 이해하려면 기존 방법의 문제점부터 찾을 필요가 있다.

읽을 곳

PDF 2~3페이지 — Introduction

특히 Figure 1(a)를 함께 본다.

논문에서는 기존 Video-Language 접근을 크게 두 가지로 설명하고 있다.

Figure 1

출처: Kim et al., 2024, Fig. 1

Figure에서는

A. VideoLM

B. Multi-stage Foundation Models

그리고 저자들이 제안하는

C. VLM with Image Grid

Type A. VideoLM은 어떤 방식인가?

논문을 읽고 다음 내용을 정리한다.

VideoLM은 Video 정보를 어떻게 LLM에 전달하는가?

✍️ VideoLm에서는 video 정보를 바로 LLM에 넣는 것이 아니라 vision encoder와 LLM 사이에 learnable interface를 두어 정보를 LLM이 처리할 수 있는 형태로 변환한다.

“both text tokens and video tokens serve as inputs to the LLM” -> VideoLM에서는 LLM에 Text Token + Video Token 이 함께 들어간다.

Learnable Interface는 어떤 역할을 하는가?

✍️ Learnable Interface의 역할은 video에 포함된 spatial information과 temporal information을 LLM이 처리할 수 있는 visual/video token 형태로 연결하는 것이다.

저자들이 지적하는 VideoLM의 한계는 무엇인가?

✍️

1. “limited availability of video data” 첫 번째는 video training data가 충분하지 않다는 점이다. 이미지-텍스트 데이터에 비해 대규모 고품질 video-language 데이터를 확보하기 어렵기 때문에 VideoLM을 충분히 학습시키는 데 한계가 있다는 것이다.

2. “encapsulating the full extent of video content into a restricted number of video tokens” 두 번째는 긴 video 전체의 정보를 제한된 수의 video token 안에 담아야 한다는 문제이다. Video는 수많은 frame으로 이루어져 있지만 LLM에 무한히 많은 token을 넣을 수는 없다.

3. “substantial computational resources and extensive training time” 세 번째는 학습 비용이 크다는 점이다.

정리 : VideoLM은 video 전용 learnable interface를 학습해야 하며 충분한 video data가 필요하고, 제한된 video token 안에 긴 video 정보를 압축해야 하며, 추가적인 학습 비용도 발생한다.

Type B. Multi-stage Foundation Models는 어떤 방식인가?

Video를 어떤 형태로 변환한 뒤 LLM에 전달하는가?

✍️ Multi-stage Foundation Model 방식에서는 video를 먼저 text description으로 변환한 뒤 그 text를 LLM에 전달한다.

일반적인 흐름은 Video → VideoLM → Text Description → LLM → Answer 형태이다.

저자들은 이 과정에서 어떤 정보 문제가 발생할 수 있다고 보는가?

✍️ 문제는 Video를 Text로 변환하는 과정에서 원래 Video가 가지고 있던 정보가 충분히 전달되지 않을 수 있다는 것이다.

왜 계산 과정이 복잡해질 수 있는가?

✍️ Multi-stage 방식은 이름 그대로 여러 Foundation Model을 순차적으로 사용하기 때문이다. 예를 들어 Video → VideoLM → Description → LLM → Answer 처럼 최소 두 단계의 model inference가 필요하다.

그리고 IG-VLM은 무엇을 없앴는가?

이제 Type A와 B를 보고 IG-VLM으로 돌아온다.

논문 PDF 3페이지에서 저자들은 자신의 방법을 설명하면서 여러 장점을 직접 언급한다. 그 부분을 읽으면서 정리한다.

“a straightforward yet effective method centered on a single VLM” 핵심은 Single VLM이다.

IG-VLM에서는 VideoLM의 어떤 과정이 없어졌는가?

✍️ “neither need additional video-data training of learnable interfaces” : IG-VLM에서는 Video 데이터를 이용해 Learnable Interface를 학습하는 과정이 사라졌다. 기존 VideoLM에서는 Video → Vision Encoder → Learnable Interface → LLM 구조를 만들고 Learnable Interface를 video data로 학습해야 했다. 하지만 IG-VLM에서는 이러한 video-specific training을 하지 않는다. 이미 학습되어 있는 pre-trained and frozen VLM을 그대로 사용한다.

Multi-stage 방식의 어떤 과정이 없어졌는가?

✍️ IG-VLM에서는 Video → VideoLM → Text Description → LLM 처럼 여러 Foundation Model을 순차적으로 사용하는 Multi-stage processing 자체가 사라진다. -> 하나의 VLM이 처음부터 끝까지 처리한다.

그 대신 무엇을 사용하는가?

✍️ 그 대신 IG-VLM은 Video의 여러 Frame을 하나의 Image Grid로 변환하고, 그 Image Grid를 하나의 VLM에 입력한다.

Video

↓ Frame Sampling

Frame 1 / Frame 2 / Frame 3 / ...

↓ Grid로 배치

Image Grid

↓

Single VLM

↓

Answer

일반 VLM은 원래 image token은 처리할 수 있지만 video의 temporal information을 직접 처리하도록 만들어진 모델은 아니다.

Video를 기존 Image VLM이 이해할 수 있는 하나의 Image 형태로 바꿔버린다.

방법	Video 정보를 전달하는 방식	추가 학습	주요 문제
Type A — VideoLM	Learnable Interface를 통해 Video Token 생성	필요	Video data 부족, token 제한, 학습 비용
Type B — Multi-stage	Video를 Text Description으로 변환 후 LLM 입력	Task-specific training은 줄일 수 있음	Video→Text 과정의 정보 손실, 여러 모델 사용
Type C — IG-VLM	여러 Frame을 하나의 Image Grid로 만들어 Single VLM에 입력	Video training 불필요	Image Grid가 temporal information을 충분히 전달할 수 있는지가 핵심

1-3. Figure 2로 실제 아이디어 확인하기

읽을 곳

PDF 4페이지 — Figure 2 + Section III. METHOD

Figure 2

출처: Kim et al., 2024, Fig. 2

Figure 2를 보고 IG-VLM의 흐름을 직접 정리한다.

내가 이해한 처리 과정

Video

↓

Video를 6개의 구간으로 균등하게 나눈다

↓

각 구간에서 첫 번째 Frame을 하나씩 Sampling한다

↓

Sampling된 6개의 Frame을 3 × 2 Grid로 배치하여 Image Grid를 만든다

↓

Image Grid + Prompt를 하나의 VLM에 입력한다

↓

Answer

짧게 표현하면

Video → 6 Frame Sampling → 3×2 Image Grid → Prompt + Single VLM → Answer

논문에서 실제 Frame은 어떻게 선택하는가?

✍️ Video를 6개의 구간으로 나누고 각 구간에서 첫 번째 Frame을 하나씩 선택한다. 최종적으로 6개의 Frame을 사용한다.

여기서 중요한 점은 random sampling이 아니라 uniform sampling에 가까운 방식이라는 것

Grid는 어떤 구조인가?

✍️ 선택한 6개의 Frame은 3 × 2 형태의 Grid로 배치한다.

왜 3 × 2를 선택했는지도 Method에서 간단히 설명 : Image Grid의 전체 모양이 정사각형에 가깝도록 만들기 위해서다.

Frame의 시간 순서는 Grid에서 어떻게 표현되는가?

✍️ Frame은 시간 순서에 맞게 왼쪽에서 오른쪽으로 배치한 뒤 다음 행으로 넘어가는 방식으로 배열된다. 이렇게 Frame의 시간적 순서를 Grid의 공간적 위치에 대응시키는 것이 중요한 아이디어다.

일반적인 image는 원래 temporal information을 갖지 않지만 IG-VLM은 Image 내부에서 frame의 위치와 순서를 이용하여 temporal information을 전달하려 한다. 또한 VLM이 이 Grid 구조를 제대로 해석하도록 Prompt에 Grid Guidance를 추가한다.

Figure 2에서 Prompt는 어떻게 사용되는가?

✍️ Figure 2를 보면 Question의 유형에 따라 Prompt가 약간 다르다.

Open-ended 질문에서는

Grid Guidance
Reasoning Guidance
Question

Multiple-choice 질문에서는 기본적으로

Grid Guidance
Question + Options

Image Grid만 중요한 것이 아니라 Image Grid + Grid 구조를 설명하는 Prompt 까지 합쳐져야 IG-VLM의 전체 방법이라고 보는 것이 정확하다.

1-4. Introduction과 Conclusion을 연결해서 다시 생각하기

읽을 곳

PDF 3페이지 — Introduction 마지막 부분

PDF 10페이지 — VIII. Conclusion

VIII. Conclusion

저자가 마지막까지 강조하는 Image Grid의 역할은 무엇인가?

✍️ 여러 개의 Video Frame을 하나의 Image 형태로 만들어 VLM에 전달하는 것

Spatial Information과 Temporal Information을 어떻게 다룬다고 주장하는가?

✍️ 각 Frame 자체는 spatial information을 갖고 있고 여러 Frame을 시간 순서대로 Grid에 배치하면 Grid 구조 자체가 temporal information을 표현할 수 있다.

그래서 Video 전체를 Video Token으로 직접 처리하지 않아도 Pixel-level Image Representation만으로 Spatial + Temporal Information을 동시에 전달할 수 있다 고 주장하는 것이다.

✅ Question 1. 나의 최종 답

이제 지금까지 읽은 내용을 바탕으로 첫 번째 질문에 대한 답을 직접 작성한다.

Q1. 이 논문의 메인 아이디어가 무엇이고 무엇을 주장하려고 하는가?

기존 VideoLM 및 Multi-stage Foundation Model 방식에서는 Video 정보를 LLM과 연결하기 위해 별도의 learnable interface를 video data로 학습해야 하거나, Video를 textual description으로 변환한 뒤 다른 LLM에 전달하는 복잡한 multi-stage 과정이 필요하고 이 과정에서 추가적인 학습 비용이나 정보 손실 문제가 발생할 수 있다 라는 문제가 있었고,

한 문장으로 다시 줄이면

IG-VLM은 Video의 여러 Frame을 시간 순서대로 하나의 Image Grid에 배치하면 그 단일 이미지 안에 spatial information과 temporal information을 함께 표현할 수 있고 이를 통해 별도의 Video 학습 없이 pretrained VLM 하나만으로도 Zero-shot Video QA를 수행할 수 있다고 주장하는 연구이다.

2. 무엇과 비교했고, 왜 그것들과 비교했는가?

두 번째 질문이다.

그 주장을 보여주기 위해 무엇과 비교했고, 왜 그것들을 비교 대상으로 선택했는가?

논문에서 새로운 방법을 만들었다고 해서 그것만으로 좋은 연구가 되는 것은 아니다.

자신들이 주장하는 장점이 실제로 존재한다는 것을 보여줘야 한다.

따라서 이번에는 단순히 “IG-VLM의 숫자가 제일 높다.” 를 보는 것이 아니라 “왜 이 모델을 비교 대상으로 가져왔지?” 를 생각하면서 Experiments를 읽는다.

2-1. 먼저 비교의 큰 구도 이해하기

다시 Figure 1(a)로 돌아간다.

논문은 Video 정보를 LLM과 연결하는 기존 방법을 크게 두 종류로 나누고, 자신들의 방법을 세 번째 방식으로 제시한다.

접근 방식	핵심 구조	내가 이해한 특징
Type A	VideoLM	Video 정보를 video token 형태로 LLM에 전달하기 위해 learnable interface를 video data로 학습하는 방식
Type B	Multi-stage Foundation Models	Video를 먼저 VideoLM 등으로 textual description으로 변환한 뒤, 그 text를 다시 LLM에 전달하는 방식
Type C	IG-VLM	Video Frame을 Image Grid 하나로 변환한 뒤, 별도의 video training 없이 Single VLM에 직접 입력하는 방식

왜 저자는 처음부터 Type A / B / C로 구분했을까?

✍️ 저자가 Type A, B, C를 구분한 이유는 단순히 관련 연구를 분류하기 위해서만은 아니라고 생각한다.

IG-VLM이 등장한 이유 자체가 기존 두 가지 접근의 한계를 해결하려는 것이기 때문이다.

Type A는 Video 정보를 LLM에 연결하기 위해 Video-specific learnable interface와 training이 필요하고

Type B는 별도의 video training을 줄일 수 있지만 Video를 먼저 text로 변환해야 하므로 visual information이 손실될 가능성이 있고 여러 모델을 사용하는 multi-stage processing이 필요하다.

저자들은 이 두 방법 사이에서 “Video 전용 모델을 새로 학습하지도 않고, Video를 Text로 변환하지도 않으면서 Video QA를 할 수는 없는가?” 라는 새로운 방향을 제안한다. 그 답이 Type C인 IG-VLM이다.

IG-VLM이 Type A보다 보여주고 싶은 장점은?

✍️ Type A인 VideoLM과 비교해서 IG-VLM이 가장 강조하고 싶은 장점은 별도의 Video-specific Training이 필요하지 않다는 점이다. VideoLM은 Vision Encoder와 LLM 사이의 learnable interface를 Video data로 학습해야 한다.

반면 IG-VLM은 기존의 pretrained VLM을 그대로 사용한다.

IG-VLM이 Type B보다 보여주고 싶은 장점은?

✍️ Type B와 비교해서 보여주고 싶은 가장 큰 장점은 Video를 Text Description으로 변환하는 중간 단계를 제거했다는 것이다.

그런데 왜 Tables 1~3에서 Type A와 Type B를 모두 비교했을까?

✍️ “it remains uncertain whether the strategy of multi-stage foundation models can definitively outperform VideoLMs.” : 논문에서는 당시 Multi-stage Foundation Model(Type B)이 VideoLM(Type A)을 확실하게 능가한다고 보기 어렵고, 특히 Open-ended VQA에서는 두 접근의 우열이 명확하지 않다고 지적한다. 실제 Tables 1~3의 결과를 종합하면 Open-ended VQA에서는 VideoLM이, Multiple-choice VQA에서는 Multi-stage Foundation Model이 더 강한 경향을 보인다. 따라서 IG-VLM의 경쟁력을 어느 한 계열과의 비교만으로 판단하기보다 두 기존 paradigm과 함께 비교하는 것이 필요하다고 이해했다. 그 결과 저자들은 IG-VLM이 특정 유형의 VQA에만 강한 것이 아니라 Open-ended와 Multiple-choice 양쪽에서 모두 경쟁력 있음을 강조한다.

Tables 1~3의 비교를 이렇게 보면 된다

Table 1, Table 2 — Open-ended VQA

Open-ended VQA에서는 여러 VideoLM 계열 모델과 비교한다.

FrozenBiLM
Video-LLaMA
Video-ChatGPT
Video-LLaVA
Chat-UniVi
MovieChat
VideoChat2
Vista-LLaMA
LLaMA-VID

또한 Multi-stage 방식인 ProViQ도 포함된다.

“Video training 없이 Single VLM만 사용하는 IG-VLM이 VideoLM과 Multi-stage 방식 모두와 비교해도 경쟁력이 있는가?”

Table 3 — Multiple-choice VQA

VideoLM 계열

FrozenBiLM
InternVideo
VideoChat2
Vista-LLaMA
SeViLA

Multi-stage 계열

ViperGPT
ProViQ
LLoVi

즉 기존 방법들 사이에서도

Open-ended에서는 VideoLM이 상대적으로 강하고
Multiple-choice에서는 Multi-stage 방식이 상대적으로 강한

경향이 있었다.

IG-VLM이 보여주고 싶은 것은 특정 종류의 기존 방법 하나만 이기는 것이 아니다.

서로 다른 장점을 가진 Type A와 Type B 모두와 비교했을 때, 두 종류의 VQA에서 모두 경쟁력 있는 성능을 보인다 는 것이다.

2-2. 실제 기존 연구들과 비교하기

읽을 곳

PDF 5페이지 — Table 1

PDF 6페이지 — Table 2, Table 3

Table 1

Table 1 — Open-ended VQA

여기에는 FrozenBiLM, Video-LLaMA, Video-ChatGPT, Video-LLaVA, Chat-UniVi, MovieChat, VideoChat2, LLaMA-VID 등 여러 방법이 등장한다.

그리고 Multi-stage 계열인 ProViQ도 비교 대상으로 포함되어 있다.

모든 논문을 다시 처음부터 끝까지 읽는 것이 아니라, 우선 큰 분류부터 잡아본다.

~~(우선 간단히 정리하고 따로 블로그에 제대로 공부하고 싶은 생각이다. )~~

Method	어떤 계열인가?	대략 어떤 방식인가?	IG-VLM과 무엇이 다른가?	왜 비교했을까?
FrozenBiLM	VideoLM	Frozen vision encoder와 BiLM을 결합해 Video를 처리	Video를 위한 별도의 VideoLM 구조를 사용하지만, IG-VLM은 Image Grid + 일반 VLM 사용	초기 Zero-shot VQA VideoLM과 비교하기 위해
Video-LLaMA	VideoLM	Table 1에서는 Video-trained VideoLM으로 분류됨. 이 논문의 Related Works에서는 세부 구조 설명이 거의 없음	Video-specific model을 사용하는 반면 IG-VLM은 별도 Video training이 없음	대표적인 VideoLM baseline이기 때문
Video-ChatGPT	VideoLM	Video instruction tuning을 통해 Video를 이해하도록 학습	Video instruction tuning이 필요하지만 IG-VLM은 frozen VLM 사용	학습된 VideoLM과 training-free IG-VLM을 비교하기 위해
Video-LLaVA	VideoLM	Image와 Video를 위한 pre-aligned encoder를 사용하고 shared projection으로 연결	Image/Video joint training을 사용하는 반면 IG-VLM은 기존 Image VLM을 그대로 사용	강력한 VideoLM baseline과 비교하기 위해
Chat-UniVi	VideoLM	Dynamic token merging으로 spatial/temporal token을 압축	Video token을 직접 처리·압축하지만 IG-VLM은 pixel-level Image Grid 사용	효율적인 Video token 처리 방식과 비교하기 위해
MovieChat	VideoLM	Memory mechanism과 유사 Frame 병합으로 긴 Video를 처리	Video memory/token mechanism을 사용하지만 IG-VLM은 6 Frame Grid로 표현	Long-video 처리 VideoLM과 비교하기 위해
VideoChat2	VideoLM	Multi-stage bootstrapping, modality alignment, instruction tuning 사용	Video-Language alignment를 학습하지만 IG-VLM은 Video training 자체를 하지 않음	당시 강력한 VideoLM 성능과 비교하기 위해
LLaMA-VID	VideoLM	Context와 content를 나눈 dual token으로 Video token을 압축	Video token compression을 사용하지만 IG-VLM은 RGB Frame 자체를 Grid로 유지	효율적인 Video token representation과 비교하기 위해
ProViQ	Multi-stage Foundation Models	LLM이 Python program을 생성하고 여러 visual module을 이용해 Video 질문을 단계적으로 해결	여러 단계와 여러 모델을 사용하지만 IG-VLM은 Single VLM 사용	Multi-stage 계열과도 경쟁력이 있는지 확인하기 위해

FrozenBiLM

어떤 계열인가?

✍️ VideoLM

Related Works에서 FrozenBiLM은 VideoLM section에 등장한다.

“FrozenBiLM combined a frozen vision encoder with BiLM for efficient video processing.” : Frozen Vision Encoder와 Bidirectional Language Model을 결합하여 Video를 처리하는 방식이다.

특히 저자들은 FrozenBiLM이 당시 기존 방법들과 비교해 “impressive zero-shot performance in VQA” 를 보였다고 설명한다.

IG-VLM과 무엇이 다른가?

FrozenBiLM도 Zero-shot VQA를 수행하지만 기본적으로 Video를 처리하기 위한 VideoLM 구조에 속한다.

반면 IG-VLM은 Video 전용 architecture를 만드는 대신 Video → Image Grid → Image VLM 방식으로 문제를 해결한다.

왜 비교했을까?

초기 Zero-shot Video QA에서 의미 있는 성능을 보인 VideoLM이므로 “Video-specific VideoLM과 비교했을 때도 IG-VLM이 경쟁력이 있는가?” 를 보기 위한 baseline이라고 이해할 수 있다.

Video-LLaMA

어떤 계열인가?

✍️ VideoLM

Table 1에서 Video-LLaMA는 기존 VideoLM들과 함께 비교되고 있으며

Inference Vision: multiple
LLM: single
Video Trained: O

즉 여러 visual input을 VideoLM에서 처리하고 Video data로 학습된 방법이라는 큰 분류는 확인할 수 있다.

다만 이 IG-VLM 논문의 Related Works 본문에서는 Video-LLaMA의 내부 구조를 자세하게 설명하지 않는다.

따라서 여기서는 “Video-specific training을 사용하는 기존 VideoLM” 정도로 이해하는 것이 안전하다고 판단했다.

IG-VLM과 무엇이 다른가?

Video-LLaMA는 Video에 맞게 학습된 모델인 반면

IG-VLM은 Video Trained = X, 별도의 Video training 없이 pretrained VLM을 사용한다.

왜 비교했을까?

Video-trained VideoLM과 training-free IG-VLM의 성능 차이를 보기 위한 비교 대상으로 볼 수 있다.

Video-ChatGPT

어떤 계열인가?

✍️ VideoLM

“Video-ChatGPT introduced video instruction tuning with the creation of high-quality instruction data.” : Video용 instruction data를 만들고 이를 이용해 Video Instruction Tuning을 수행한 모델이다.

대략 어떤 방식인가?

Video를 이해하고 질문에 답할 수 있도록 Video-Language Instruction Training을 수행한다. 따라서 모델 자체가 Video QA를 잘하도록 학습된다.

IG-VLM과 무엇이 다른가?

Video-ChatGPT:

Video Data → Video Instruction Tuning → VideoLM

IG-VLM:

Video → Image Grid → Frozen VLM

즉 가장 큰 차이는 Video 전용 학습 여부이다.

왜 비교했을까?

Video-specific instruction tuning을 거친 강력한 VideoLM과 비교하여 아무 Video training도 하지 않은 IG-VLM이 어느 정도까지 갈 수 있는가? 를 보여주기 위한 것이다.

Video-LLaVA

어떤 계열인가?

✍️ VideoLM

“Video-LLaVA used a pre-aligned encoder for both images and videos” , “enabling shared projections and joint training in image and video tasks.”

대략 어떤 방식인가?

Image와 Video representation을 미리 align하고 같은 projection 구조를 사용하여 Image와 Video task를 함께 학습한다.

Image와 Video를 하나의 multimodal representation 체계에서 처리하려는 방식이다.

IG-VLM과 무엇이 다른가?

Video-LLaVA는 Image + Video joint training을 사용한다.

반면 IG-VLM은 Video를 학습 대상으로 넣지 않고 Video 자체를 Image Grid로 변환한 후 기존 VLM에 입력한다.

왜 비교했을까?

Video-LLaVA처럼 Image와 Video를 함께 처리하도록 학습된 모델과 비교함으로써 Video를 직접 학습하지 않은 IG-VLM도 비슷하거나 더 좋은 Video understanding을 할 수 있는가? 를 보여주기 위한 비교라고 볼 수 있다.

Chat-UniVi

어떤 계열인가?

✍️ VideoLM

Chat-UniVi는 특히 Video Token 압축과 관련된 모델이다.

논문에서는 “dynamic token merging with k-NN to condense spatial and temporal tokens” .

대략 어떤 방식인가?

Video에서 생성된 Spatial Token 과 Temporal Token 을 모두 그대로 유지하면 계산량이 너무 커지기 때문에 서로 비슷한 token들을 Dynamic Token Merging으로 압축한다.

IG-VLM과 무엇이 다른가?

Chat-UniVi는

Video → Visual Token → Token Compression → LLM

IG-VLM은

Video → RGB Frame → Image Grid → VLM

즉 Chat-UniVi는 latent token level에서 Video를 효율적으로 표현하고 IG-VLM은 pixel level에서 Video를 Image로 표현한다는 차이가 있다.

왜 비교했을까?

IG-VLM의 중요한 주장 중 하나가 복잡한 Video Token 구조 없이도 Video 정보를 전달할 수 있다 는 것이기 때문에 효율적인 Video Token compression을 사용하는 모델과 비교하는 것이 의미가 있다.

MovieChat

어떤 계열인가?

✍️ VideoLM

MovieChat은 특히 Long Video 처리를 위한 모델로 소개된다.

“employed a unique memory mechanism in transformers and merged similar frames”

대략 어떤 방식인가?

Long Video의 모든 Frame을 그대로 유지하면 계산량과 memory 사용량이 커진다.

그래서 MovieChat은 memory mechanism을 사용하고 비슷한 Frame을 merge하여 긴 Video를 효율적으로 처리한다.

IG-VLM과 무엇이 다른가?

MovieChat은 긴 Video 정보를 memory/token level에서 관리한다.

반면 IG-VLM은 전체 Video에서 6개의 Frame만 sampling하고 Image Grid로 만든다.

왜 비교했을까?

특히 ActivityNet-QA처럼 긴 Video benchmark에서 복잡한 long-video mechanism을 가진 모델과 단순한 6-frame Image Grid가 비교하면 어떻게 되는가? 를 확인할 수 있기 때문이다. 실제로 저자들은 ActivityNet-QA 결과를 상당히 강조한다.

VideoChat2

어떤 계열인가?

✍️ VideoLM

“VideoChat2 further refined this process through a multi-stage bootstrapping approach”

특히 modality alignment, instruction tuning 에 초점을 둔다.

또한 다양한 고품질 Video data를 모아 Video Instruction Tuning Data로 사용한다.

IG-VLM과 무엇이 다른가?

VideoChat2는 Video와 Language를 잘 연결하기 위해 상당한 Video training과 alignment 과정을 사용한다.

반면 IG-VLM은 그런 학습 없이 기존 VLM을 frozen 상태로 사용한다.

왜 비교했을까?

VideoChat2는 당시 비교적 최근의 강력한 VideoLM이기 때문에 많은 Video data와 tuning을 사용한 모델과, 단순한 Image Grid 방식이 실제 성능에서 어떻게 비교되는가 를 보여주는 중요한 baseline이다

LLaMA-VID

어떤 계열인가?

✍️ VideoLM

LLaMA-VID는 Video Token을 효율적으로 압축하는 모델로 소개된다.

“adopted a dual token to efficiently compress the video token by distinguishing context and content.”

대략 어떤 방식인가?

Video 정보를 모두 많은 token으로 유지하지 않고 Context와 Content를 구분하는 Dual Token 방식을 사용해 Video Token을 압축한다.

IG-VLM과 무엇이 다른가?

LLaMA-VID는

Video 정보 → Video Token → 압축

IG-VLM은

Video 정보 → RGB Frame → Image Grid

즉 Video 정보를 줄이는 위치가 다르다.

LLaMA-VID: Token level
IG-VLM: Input / Pixel level

왜 비교했을까?

IG-VLM도 제한된 입력으로 Video 정보를 표현하는 방법이므로 기존의 Video Token Compression 방식과 비교했을 때 성능이 어떤지를 확인할 필요가 있다.

ProViQ

어떤 계열인가?

✍️ Multi-stage Foundation Models

ProViQ는 앞선 모델들과 달리 Type B에 해당한다.

“employed an LLM to generate Python programs for multi-stage procedural reasoning”

대략 어떤 방식인가?

LLM이 Video 질문을 보고 Python Program을 생성한다.

그 프로그램이 여러 visual module을 호출하여 Video를 분석하고 그 결과를 조합해서 정답을 만든다.

Question

↓

LLM이 Program 생성

↓

Visual Modules로 Video 분석

↓

여러 단계 Reasoning

↓

Answer

IG-VLM과 무엇이 다른가?

ProViQ는 Multi-stage reasoning + multiple foundation models/modules를 사용한다.

반면 IG-VLM은 Image Grid → Single VLM → Answer 이라는 훨씬 단순한 Single-stage 구조다.

왜 비교했을까?

IG-VLM은 VideoLM만을 비판하는 논문이 아니다. Multi-stage Foundation Model보다도 단순하면서 좋은 성능을 낼 수 있다

는 것이 핵심 주장 중 하나다. 그래서 ProViQ 같은 Type B 모델도 반드시 비교할 필요가 있다.

벤치마크 간단하게 보기

Benchmark	유형	내가 기억할 핵심
MSVD-QA	Open-ended	일반 Video QA
MSRVTT-QA	Open-ended	일반 Video QA
ActivityNet-QA	Open-ended	Long Video
TGIF-Frame-QA	Open-ended	GIF/Video 장면 QA
Text Generation	Open-ended	CI / DO / CU / TU / CO
NExT-QA	Multiple-choice	Causal / Temporal / Descriptive
STAR	Multiple-choice	다양한 Video reasoning
TVQA	Multiple-choice	객관식 Video QA
IntentQA	Multiple-choice	Intent reasoning
EgoSchema	Multiple-choice	Long Video

https://mkisos.tistory.com/entry/cv3

IG-VLM에서 사용한 10개 Benchmark 간단 정리

자료 및 출처 안내본 글은 아래 논문을 읽고 학습한 내용을 개인적으로 정리한 글입니다.논문의 일부 Figure, Table 및 내용을 학습·설명을 위해 인용하였습니다.Wonkyun Kim, Changin Choi, Wonseok Lee, and Wo

mkisos.tistory.com

2-3. 저자들은 무엇이 더 좋다고 보여주려고 했는가?

Table 1을 보며 확인할 것

Open-ended VQA에서 IG-VLM은 기존 최고 성능과 어떻게 비교되는가?

✍️ 즉 네 개의 Open-ended benchmark 모두에서 기존에 보고된 최고 성능을 넘어섰다고 강조한다.

더 흥미로운 점은 IG-VLM이 사용하는 VLM의 크기가 반드시 압도적으로 커야 하는 것도 아니라는 점이다.

특히 ActivityNet-QA에서 저자들이 결과를 강조하는 이유는 무엇인가?

✍️ ActivityNet-QA는 Table 1의 네 benchmark 중 평균 Video 길이가 가장 긴 benchmark이기 때문이다.

그리고 저자들은 기존 방법들이 이런 Long Video benchmark에서 어려움을 겪는다고 지적한다. 그런데 IG-VLM은 ActivityNet-QA에서 기존 최고 성능보다 상당한 향상을 보였다.

왜 Long Video에서의 결과가 이 논문의 주장에 중요할까?

✍️ IG-VLM은 Video 전체를 사용하는 것이 아니라 단 6개의 Frame만 Sampling해서 Image Grid를 만든다. Video가 길어질수록 6개의 Frame이 전체 Video를 대표하기 어려워지고 중간에 중요한 사건이 빠질 가능성도 커진다.

그런데 평균 길이가 긴 ActivityNet-QA에서 기존 방법보다 오히려 좋은 성능이 나왔다.

Table 3을 보며 확인할 것

Multiple-choice VQA에서는 몇 개 Benchmark에서 최고 성능을 기록하는가?

✍️ 즉 적절한 VLM을 각 benchmark에 선택했을 때 5개의 Multiple-choice benchmark 중 4개에서 최고 성능을 기록했다.

Open-ended의 결과만큼 압도적이지는 않지만, 여전히 대부분의 benchmark에서 기존 방법보다 좋은 결과를 보였다.

기존 연구에서는 VideoLM과 Multi-stage 중 어떤 방식이 어떤 유형의 VQA에서 더 강한 경향을 보였는가?

✍️

Open-ended: VideoLM이 Multi-stage Foundation Model보다 강한 경향

자유롭게 답변을 생성해야 하는 Open-ended VQA에서는 기존 VideoLM 계열이 상대적으로 더 좋은 성능을 보이는 경향이 있었다.

Multiple-choice: Multi-stage Foundation Model이 VideoLM보다 강한 경향

실제로 Table 3에서 IG-VLM을 제외하고 보면 LLoVi나 ProViQ 같은 Multi-stage 방식들이 일부 Multiple-choice benchmark에서 강한 성능을 보인다.

기존 연구는 일종의 trade-off가 있었다.

Type A — VideoLM : Video 정보를 직접 모델 내부에서 처리하기 때문에 Open-ended Video Understanding에는 상대적으로 강한 모습 을 보였지만, Video-specific training과 learnable interface가 필요했다.

Type B — Multi-stage : LLM의 reasoning 능력을 적극적으로 활용하기 때문에 Multiple-choice reasoning에서는 강한 모습

을 보였지만, Video를 Text로 변환하는 과정과 여러 단계의 inference가 필요했다.

그런 상황에서 IG-VLM의 결과가 의미하는 것은 무엇일까?

✍️ 기존에는 Open-ended에서는 VideoLM이 상대적으로 강하고 반대로 Multiple-choice에서는 Multi-stage Foundation Model이 상대적으로 강한 경향이 있었다.

그런데 IG-VLM은 이 둘과 전혀 다른 방식인 Image Grid + Single VLM 구조를 사용하면서도 두 종류의 VQA에서 모두 높은 성능을 보였다.

중요한 점 : 기존에는 서로 다른 접근법이 Open-ended와 Multiple-choice에서 각각 다른 강점을 보였는데, IG-VLM은 훨씬 단순한 하나의 구조로 두 종류 모두에서 좋은 성능을 냈다

2-4. Grid와 가장 직접적으로 비교되는 것은 무엇인가?

여기는 이번에 꼭 봐야 하는 부분이다.

박사님이 “그리드와 직접적으로 비교되는 대상이 무엇인지” 를 생각해보라고 하셨으니 PDF 7페이지의 Table 4와 Table 5가 매우 중요하다.

읽을 곳

PDF 7페이지 — Section V-A

Table 4. Sequence of frames vs. Image grid

Table 5. Sequence of frames vs. Image grid

여기서는 기존의 다른 모델과 비교하는 것이 아니다.

동일하게 Sampling한 6개의 Frame을 사용하면서 한쪽은 여러 이미지를 Sequence 형태로 입력하고, 다른 한쪽은 그 Frame들을 하나의 Image Grid로 만든다.

Table 4 & Table 5

왜 이 비교가 중요할까?

✍️ 이 비교가 중요한 이유는 IG-VLM의 성능 향상이 정말 Image Grid라는 Representation 때문인지 확인할 수 있기 때문이다.

앞선 Table 1~3에서 IG-VLM이 기존 VideoLM보다 좋은 성능을 냈다고 하더라도 한 가지 의문이 남는다.

“Image Grid가 좋아서 성능이 오른 걸까?” 아니면 “그냥 Video에서 여러 Frame을 Sampling해서 보여줬기 때문에 좋아진 걸까?”

라는 질문이다.

핵심적으로 확인하고 싶은 것은 “같은 시각 정보를 주더라도, 그것을 하나의 Grid로 조직해서 보여주는 것이 더 효과적인가?”

이 실험에서 무엇만 바뀌는가?

✍️ 가장 핵심적으로 바뀌는 것은 Frame의 Input Representation이다.

Sequence of Frames : 각 Frame을 서로 분리된 Multiple Image Input으로 제공한다.

Image Grid : 같은 Frame들을 하나의 Composite Image 안에 공간적으로 배치한다.

따라서 핵심 차이는 Frame의 내용이 아니라 Frame들을 VLM에 전달하는 구조 이다.

결과는 어떻게 나타나는가?

✍️ 실험한 모든 경우에서 Image Grid가 Sequence of Frames보다 성능이 향상되었다.

두 모델 모두에서 Temporal category의 성능도 Image Grid를 사용했을 때 상승했다. Grid 구조가 Temporal Information을 전달할 수 있다 는 주장과 연결해서 볼 수 있는 결과다.

Table 5는 더 흥미롭다. EgoSchema는 앞에서 살펴본 Long Video Multiple-choice benchmark이다. Table 4는 정확히 동일한 6 Frames vs 동일한 6 Frames 비교이고 Table 5에서는 거기서 더 나아가 Sequence에 12 Frames를 주는 조건까지 추가했다.

그런데도 6-frame Image Grid: 59.8이 높았다

“더 많은 Frame을 보여주면 무조건 더 좋은 것이다.” 라고 설명하기 어려운 결과다. 오히려 Frame의 개수뿐 아니라 그것을 어떻게 구성해서 모델에 입력하는가가 중요할 가능성을 보여준다.

그렇다면 이 결과로 저자들이 보여주고 싶은 것은 무엇일까?

✍️ 'Frame들을 하나의 Image Grid 안에 공간적으로 조직하는 Representation 자체가 VLM의 Video 이해에 도움이 된다' 는 것을 보여주고 싶었던 것으로 볼 수 있다.

같은 Video에서 Sampling한 동일한 Frame들을 사용해도 Frame들을 여러 이미지로 개별 입력하는 것보다 하나의 Image Grid로 구성했을 때 더 높은 성능이 나타났으며 이를 통해 저자들은 Image Grid라는 입력 표현 방식 자체가 spatial-temporal information을 VLM에 전달하는 데 의미가 있음을 보여주려 했다.

2-5. 왜 하필 3×2 Grid와 6 Frames인가?

논문은 단순히 Grid가 좋다고 주장하고 끝나지 않는다.

실제로 어떤 형태의 Grid가 좋은지, Frame을 어떤 순서로 배치해야 하는지, 몇 개의 Frame을 넣는 것이 좋은지를 따로 실험한다.

읽을 곳

PDF 7~8페이지 — Section V-B

실험 1. Grid Shape

Figure 3

비교 대상:

Square 형태 / Vertical / Horizontal

✍️ 결과 : 실험한 모든 경우에서 Square 형태가 Vertical이나 Horizontal보다 더 좋은 성능을 보였다.

✍️ 왜 Square가 더 좋았을까? : 즉 사전학습된 VLM이 학습하면서 본 Image들이 대체로 정사각형에 가까운 Aspect Ratio를 가지고 있었기 때문일 수 있다는 것이다.

실험 2. Frame Ordering

Figure 4

비교 대상:

Option A (첫 번째 행을 왼쪽에서 오른쪽으로 읽은 뒤 다음 행으로 넘어간다.)/ Option B (첫 번째 열을 위에서 아래로 읽은 뒤 다음 열로 넘어간다.) / Random (Frame들을 시간 순서와 관계없이 임의의 순서로 섞어서 배치한다.)

✍️ 결과 : Option A와 Option B 모두 Random보다 좋은 성능을 보였다. 그리고 평균적으로는 Option A가 Option B보다 더 좋은 결과 를 보였다

✍️ Random Ordering과 비교하는 이유는? : 이 비교가 중요한 이유는 시간 순서 자체가 성능에 의미가 있는지 확인하기 위해서라고 볼 수 있다.

✍️ 이 실험이 Temporal Information과 어떤 관련이 있을까? : Image Grid가 단순한 Image Collage가 아니라, Frame의 순서를 구조적으로 배치함으로써 Temporal Information을 전달할 가능성이 있다 는 주장을 뒷받침한다.

실험 3. Number of Frames

Figure 5

비교: 4 / 6 / 9 / 12 / 16 / 20 Frames

✍️ 가장 좋은 결과 : ActivityNet-QA와 NExT-QA 두 실험 모두에서 6 Frames가 가장 좋은 성능을 보였다. 따라서 최종 IG-VLM에서는 6 Frames + 3 × 2 Grid 를 기본 구조로 선택한다

✍️ Frame을 많이 넣는다고 무조건 좋아지지 않는 이유 : 왜냐하면 전체 Image의 크기는 제한되어 있기 때문이다.

4 Frames 인 경우 : Spatial Detail은 좋지만 Temporal Coverage가 부족할 수 있다.

20 Frames 인 경우 : 즉 Temporal Coverage는 좋아진다. 하지만 하나의 Image 안에 20개의 Frame을 넣어야 한다. 그러면 각각의 Frame이 매우 작아진다.

내가 이해한 이 실험의 핵심

✍️ Image Grid의 성능은 단순히 여러 Frame을 한 장에 넣는 것만으로 결정되는 것이 아니라 Frame을 어떤 형태로 배치하고, 어떤 순서로 배치하며, 몇 개의 Frame을 넣는가 에 영향을 받는다.

저자들의 실험에서는 정사각형에 가까운 Grid가 Vertical이나 Horizontal보다 좋았고, 시간 순서를 유지한 배열이 Random Ordering보다 좋은 성능을 보였다.

또한 Frame의 수를 무조건 증가시키는 것도 좋은 결과를 만들지 않았다.

Frame을 많이 넣으면 Video의 더 많은 시점을 볼 수 있다는 장점이 있지만 각 Frame의 Spatial Resolution이 낮아지고, 반대로 Frame을 너무 적게 사용하면 각 Frame은 선명하지만 Video의 Temporal Information을 충분히 관찰하기 어렵다.

따라서 Image Grid에서는 Spatial Detail과 Temporal Coverage 사이의 Trade-off 가 존재하며, 실험 결과 6 Frames를 시간 순서대로 3 × 2 형태로 배치하는 것이 가장 적절한 균형점으로 나타났다고 이해했다.

2-6. Prompt도 실제로 필요한가?

읽을 곳

PDF 8페이지 — Tables 6, 7

Tables 6, 7

논문에서는 Image Grid의 구조뿐 아니라 Prompt Design에 대해서도 Ablation Study를 수행한다.

비교 구조

Question Only

↓

+ Grid Guidance

↓

+ Reasoning Guidance

각 단계를 추가했을 때 결과가 어떻게 달라지는지 본다.

Grid Guidance를 넣는 이유는?

✍️ Grid Guidance의 목적은 VLM에게 이 Image Grid가 무엇이며, 내부 Frame들이 어떤 순서로 배치되어 있는지를 알려주기 위해서다. 이미지만 보여주는 것이 아니라, “이 이미지는 Video의 keyframes를 Grid 형태로 배치한 것이고, Frame들은 정해진 시간 순서대로 배열되어 있다.” 라는 정보를 함께 제공하는 것이다.

Reasoning Guidance를 넣는 이유는?

✍️ Reasoning Guidance는 단순히 Grid가 무엇인지 설명하는 것을 넘어 이 Grid와 질문을 이용해서 어떤 방식으로 답을 도출해야 하는지

를 VLM에게 안내하기 위해 사용한다.

Grid Guidance : “이 Image를 어떻게 읽어야 하는가?”

Reasoning Guidance : “읽은 정보를 가지고 어떻게 추론해야 하는가?”

Table 6에서 중요한 점은 Grid Guidance만 추가한다고 모든 Dataset에서 항상 성능이 상승하는 것은 아니라는 것이다.

Table 7에서도 Grid Guidance 하나만 추가한다고 무조건 좋아지는 것은 아니다. 하지만 Reasoning Guidance까지 포함한 최종 Prompt가 모든 모델에서 가장 높은 Average Score를 기록한다.

이 실험이 보여주는 것은?

✍️ 이 Ablation Study는 IG-VLM의 성능이 Image Grid라는 시각적 Representation만으로 결정되는 것은 아니라는 것을 보여준다.

Image Grid 안에 temporal information을 담더라도 VLM이

이것이 Video Frame들의 Grid라는 사실
Frame들이 시간 순서대로 배치되어 있다는 사실
이 정보를 어떻게 활용해서 질문에 답해야 하는지

를 이해해야 한다.

Video

↓

6 Frames

↓

3×2 Ordered Image Grid

↓

Grid Guidance + Reasoning Guidance + Question

↓

VLM

↓

Answer

IG-VLM에서는 Image Grid를 만드는 것만으로 끝나는 것이 아니라 VLM이 Grid를 Video Frame의 시간 순서로 해석하도록 Grid Guidance를 제공하고 그 정보를 이용해 답을 추론하도록 Reasoning Guidance를 추가한다.

Ablation Study에서는 Grid Guidance의 효과가 데이터셋과 모델에 따라 달랐지만 Reasoning Guidance까지 포함한 최종 Prompt가 전반적으로 가장 좋은 성능을 보여 Prompt Design 역시 IG-VLM의 중요한 구성 요소임을 보여주었다.

✅ Question 2. 나의 최종 답

Q2. 그 주장을 보여주기 위해 무엇과 비교했고, 왜 그것들을 비교 대상으로 선택했는가?

여기서는 답을 두 종류의 비교로 나눠서 작성해보려고 한다.

① 기존 연구와의 비교

IG-VLM은 크게 VideoLM 계열과 Multi-stage Foundation Model 계열 의 기존 방법들과 비교하였다.

이 방법들을 비교 대상으로 선정한 이유는 두 계열이 당시 Video 정보를 LLM에 연결하는 대표적인 접근이었고, VideoLM은 learnable interface와 video-specific training을 사용하며 Multi-stage 방식은 Video를 textual description이나 중간 결과로 변환한 뒤 여러 Foundation Model을 단계적으로 사용하는 방식이기 때문이다.

이를 통해 IG-VLM이 별도의 Video-specific training이나 Multi-stage processing 없이 Single pretrained VLM만을 사용하면서도 기존의 두 대표적인 접근과 비교해 경쟁력 있는, 혹은 더 높은 Zero-shot Video QA 성능을 낼 수 있다는 것 을 보여주려고 했다고 이해했다.

② Image Grid 자체를 검증하기 위한 비교

또한 동일한 6개의 Frame을 사용하여 Sequence of Frames와 Image Grid 를 직접 비교했다.

이 실험은 IG-VLM의 성능 향상이 단순히 여러 개의 Frame을 사용했기 때문이 아니라, 동일한 Frame들을 하나의 Image Grid 안에 조직하는 표현 방식 자체에서 비롯되는 효과가 있는지를 확인하기 위한 비교 라고 생각한다.

최종적으로

즉 이 논문은 단순히 SOTA 모델과 성능을 비교한 것이 아니라 VideoLM 및 Multi-stage Foundation Model이라는 기존의 대표적인 Video-Language 접근과 비교하여 IG-VLM 전체 방법의 경쟁력을 검증하는 비교와 동일한 Sampled Frames를 Sequence of Frames와 Image Grid로 입력하여 Image Grid라는 Video Representation 자체의 효과를 검증하는 비교

를 각각 수행하면서 자신의 아이디어를 검증하고 있다.

3. 평가 지표는 무엇을 의미하고, 무엇을 설명하려는가?

https://mkisos.tistory.com/entry/cv3

IG-VLM에서 사용한 10개 Benchmark 간단 정리

mkisos.tistory.com

마지막 질문이다.

사용한 평가 지표는 무엇을 의미하고, 그 결과를 통해 무엇을 설명하려고 하는가?

여기서는 먼저 한 가지를 정확하게 구분해야 한다.

Benchmark와 Metric은 같은 것이 아니다.

논문의 PDF 5페이지 Section IV-A

IG-VLM은 총 10개의 Zero-shot VQA Benchmark에서 평가된다.

Open-ended

MSVD-QA
MSRVTT-QA
ActivityNet-QA
TGIF-Frame-QA
Text Generation Performance

Multiple-choice

NExT-QA
STAR
TVQA
IntentQA
EgoSchema

이것들은 어떤 문제와 데이터에서 평가하는가에 가깝다.

반면 Metric은 그 결과를 어떤 숫자로 평가할 것인가 에 해당한다.

3-1. Open-ended VQA는 무엇으로 평가하는가?

읽을 곳

PDF 5페이지 — IV-A-2 Evaluation Metric

논문에서는 Open-ended VQA 평가를 위해 Video-ChatGPT에서 제안된 GPT-assisted assessment를 사용한다고 한다.

Table 1을 보면 각 Benchmark에 Acc. 와 Score 가 있다.

Acc.가 의미하는 것은 무엇인가?

✍️ Acc.는 Accuracy, 즉 모델이 생성한 답변이 정답으로 판단된 비율을 의미한다.

다만 Open-ended VQA이기 때문에 객관식처럼 단순히 "예측 Label == 정답 Label" 을 비교하는 방식은 아니다.

Video-ChatGPT의 평가 방식에서는 모델이 생성한 답변과 Ground Truth Answer를 GPT 기반 evaluator가 비교하고 답이 맞는지 여부를 판단하여 Accuracy를 계산한다.

즉 개념적으로는 전체 질문 중 GPT evaluator가 정답으로 판단한 답변의 비율이라고 이해하면 된다.

Score가 의미하는 것은 무엇인가?

✍️ Score는 생성된 답변의 품질을 1~5점 범위에서 평가한 값이다.

Video-ChatGPT의 공식 평가 문서에서는 Zero-shot QA evaluation이 Accuracy를 계산하고, 동시에 1~5 scale의 Score를 부여한다 고 설명한다.

즉 Accuracy가 비교적 “이 답이 맞았는가?” 를 보는 지표( O , X )라면,

Score는 “이 답변이 정답에 얼마나 잘 부합하는가?” 를 좀 더 연속적인 점수로 평가하는 지표( 1 ~ 5 )라고 이해하면 된다.

이 논문 본문만으로 정확한 계산 방법이 충분하지 않다면 이 Metric을 제안한 Video-ChatGPT [20]을 확인할 필요가 있다.

https://github.com/mbzuai-oryx/Video-ChatGPT/blob/main/quantitative_evaluation/README.md

Video-ChatGPT/quantitative_evaluation/README.md at main · mbzuai-oryx/Video-ChatGPT

[ACL 2024 ] Video-ChatGPT is a video conversation model capable of generating meaningful conversation about videos. It combines the capabilities of LLMs with a pretrained visual encoder adapted fo...

github.com

Video-ChatGPT의 공식 evaluation 문서를 확인하면 모델 Prediction, Ground Truth Answer, GPT-based evaluation

을 이용해서 평가하고, 최종적으로 Accuracy, 1~5 Score 를 산출한다는 것을 확인할 수 있다.

3-2. Text Generation은 무엇을 평가하는가?

읽을 곳

PDF 6페이지 — Table 2

Table 2

Table 2에는 다섯 가지 평가 기준이 있다.

Metric	논문에 적힌 의미	이해한 의미	이 값이 높으면 무엇이 좋은가?
CI	Correctness of Information	답변에 포함된 정보가 실제 Video 내용과 얼마나 정확하게 일치하는가	사실적으로 정확한 답변을 잘 생성한다
DO	Detail Orientation	Video의 세부적인 내용까지 얼마나 잘 포착하여 설명하는가	세밀한 객체·행동·장면 정보를 잘 설명한다
CU	Contextual Understanding	Video의 전체 상황과 맥락을 얼마나 잘 이해하는가	개별 Frame만 보는 것이 아니라 사건 전체의 맥락을 잘 이해한다
TU	Temporal Understanding	사건의 시간적 순서와 변화 과정을 얼마나 잘 이해하는가	무엇이 먼저/나중에 일어났는지, 어떻게 변화했는지를 잘 이해한다
CO	Consistency	생성된 답변이 전체적으로 얼마나 일관된가	답변이 서로 모순되지 않고 안정적이고 일관되게 Video 내용을 설명한다

그리고 마지막에는 Average Score가 있다.

논문의 결과 해석까지 읽어보기

DO에서 IG-VLM이 상대적으로 약한 이유는 무엇이라고 설명하는가?

✍️ Video의 세부적인 정보를 얼마나 잘 포착하고 설명하는지를 보는 항목이다.

“This can be due to the limited number of frames that are packed into an image grid.” : Image Grid에 들어가는 Frame 수가 제한되어 있기 때문일 수 있다는 것이다.

IG-VLM은 기본적으로 6개의 Frame만 사용한다. 그러면 Video의 대부분 Frame은 버려진다.

예를 들어 실제 Video에 잠깐 등장한

작은 객체
짧은 행동
순간적인 표정 변화
세밀한 상호작용

등이 Sampling된 6 Frame에 포함되지 않을 수 있다.

또한 Grid 하나에 6 Frame을 넣기 때문에 각 Frame의 해상도도 원본보다 작아질 수 있다. 따라서 Video의 전체적인 사건은 이해할 수 있지만 아주 세부적인 정보까지 포착하는 능력에서는 손해를 볼 수 있다 는 것이다.

CI와 CO에서는 어떤 결과를 보이는가?

✍️ 상당히 강한 결과를 보인다. 기존 VideoLM은 Video와 Language를 연결하는 중간 과정에서 정보가 왜곡되거나 충분히 전달되지 않을 수 있지만, IG-VLM은 Image 형태를 그대로 사용하기 때문에 더 정확하고 일관된 답변을 만들었을 가능성이 있다

CU와 TU가 특히 중요한 이유는?

✍️ Image Understanding에서는 한 장의 Image만 보고 “무엇이 존재하는가?” 를 이해하면 되는 경우가 많다.

하지만 Video Understanding에서는 그보다 더 나아가 장면 전체에서 무슨 일이 벌어지고 있는가? 그리고 시간에 따라 사건이 어떻게 진행되는가? 를 이해해야 한다.

CU : Video의 여러 장면을 연결해서 전체 Context를 이해하는 능력

TU : Frame 사이의 순서와 변화를 연결해서 시간적 흐름을 이해하는 능력

이 두 값은 “이 모델이 정말 Video를 Video답게 이해하고 있는가?” 를 보는 중요한 지표라고 이해할 수 있다.

Temporal Understanding 점수가 높다는 것은 Image Grid의 어떤 주장과 연결될까?

✍️ 이 부분은 논문의 Main Claim과 직접 연결된다.

IG-VLM의 핵심 주장은 처음부터 Image Grid가 Spatial Information뿐 아니라 Temporal Information도 유지할 수 있다 는 것이었다.

Abstract에서도 Image Grid가 “retains temporal information within the grid structure” 라고 주장한다.

그런데 만약 실제로 Image Grid가 Temporal Information을 제대로 전달하지 못한다면 Temporal Understanding(TU) 성능이 낮게 나올 가능성이 크다. 하지만 Table 2에서는 IG-VLM이 TU에서도 최신 VideoLM들과 함께 높은 성능을 보인다.

따라서 이 결과는 Image Grid 안에 시간 순서대로 배치된 Frame들이 VLM에게 단순한 여러 장의 사진이 아니라, Video의 시간적 흐름을 추론하는 데 사용할 수 있는 정보로 전달되고 있다 는 주장을 뒷받침하는 실험적 근거로 볼 수 있다.

“TU가 높다는 것은 Image Grid가 Temporal Information을 전달할 수 있다는 논문의 핵심 주장과 연결된다.”

Text Generation Benchmark의 다섯 Metric은 생성 답변의 정확성(CI), 세부 정보(DO), 맥락 이해(CU), 시간 이해(TU), 일관성(CO)을 각각 평가하며, IG-VLM은 제한된 Frame 수 때문에 Detail Orientation에서는 약점을 보이지만 CI와 CO에서는 기존 최고 성능을 넘어섰고 CU와 TU에서도 높은 성능을 보여, Image Grid가 단순한 시각 정보뿐 아니라 Video의 맥락과 시간적 정보를 전달할 수 있다는 주장을 뒷받침한다.

3-3. Multiple-choice VQA는 무엇으로 평가하는가?

읽을 곳

PDF 5페이지 Evaluation Metric

PDF 6페이지 Table 3

Table 3

Open-ended VQA와 달리 Multiple-choice VQA의 평가는 훨씬 단순하고 명확하다. 모델에게 여러 개의 선택지를 제공하고,

그중 Ground Truth에 해당하는 Correct Answer를 골랐는지 를 기준으로 Accuracy를 계산한다.

Accuracy가 높다는 것은 무엇을 의미하는가?

✍️ Accuracy는 전체 문제 중 모델이 정답 선택지를 정확하게 고른 문제의 비율이다.

NExT-QA / STAR / TVQA / IntentQA / EgoSchema 결과에서 IG-VLM은 어떤 모습을 보이는가?

✍️ 즉 benchmark마다 가장 적절한 VLM을 선택했을 때, 5개 Benchmark 중 4개에서 기존 최고 성능을 넘어섰다. (STAR만 제외하고 4개에서 최고 성능을 기록한다.)

IntentQA는 단순 행동 인식보다 행동의 의도(Intent)를 추론해야 하는 Benchmark다.

IG-VLM에서는 LLaVA v1.6 34B가 65.3을 기록하며 기존 Multi-stage 방식인 LLoVi의 64.0을 넘어선다.

이 점도 흥미롭다. 왜냐하면 Multi-stage 방식은 LLM의 reasoning 능력을 적극적으로 사용하는 방식이어서 Multiple-choice에서 상대적으로 강한 경향이 있었는데, IG-VLM은 Single VLM만 사용하면서도 이를 넘어섰기 때문이다.

EgoSchema는 앞에서 살펴본 Long Video Benchmark다.

여기서는 GPT-4V 기반 IG-VLM이 59.8로 가장 높은 성능을 보인다.

이 결과는 특히 6 Frame Image Grid라는 제한적인 입력 방식도 Long Video Question Answering에서 경쟁력을 가질 수 있다

는 주장과 연결된다

이 결과를 Open-ended 결과와 함께 봤을 때 무엇을 말할 수 있을까?

✍️

기존 방식들은 대략

Open-ended VQA

→ VideoLM이 상대적으로 강함

Multiple-choice VQA

→ Multi-stage Foundation Model이 상대적으로 강함

그런데 IG-VLM은 Open-ended에서도 높은 성능 을 보이고, 동시에 Multiple-choice에서도 5개 중 4개 Benchmark에서 최고 성능

을 기록한다.

IG-VLM이 특정 Question Format에만 특화된 방법이 아니라 Open-ended와 Multiple-choice라는 서로 다른 형태의 Video QA 모두에서 경쟁력 있는 Video Representation이라는 것

3-4. 단순 성능 이외의 평가도 보기

논문의 핵심 평가는 10개의 VQA Benchmark지만 저자들은 Discussion에서 몇 가지 추가 실험을 통해 자신들의 주장을 보완한다.

특히 Long Video Extension 과 Computational Cost 는 IG-VLM의 Main Claim과 직접 연결해서 볼 필요가 있다.

PDF 8페이지 — Table 8

Long Video Extension

→ 더 많은 Frame을 활용하는 확장 방식이 실제 성능을 높이는지 확인

Long Video

↓

8 Segments

↓

각 Segment → 6-Frame Image Grid

↓

각 Grid에서 Answer + Score

↓

Highest Score Answer 선택

더 많은 Frame을 활용하는 이 단순한 확장 방식을 적용했을 때 일관되게 성능이 향상되었다.

“6개의 Frame만 사용하기 때문에 Long Video에서 중요한 Frame을 놓칠 수 있다.” 라는 한계를 어느 정도 보완할 수 있다는 것을 보여준다.

그리고 중요한 것은 이를 위해 새로운 Video Model을 학습한 것이 아니라는 점이다.

기존 6-Frame Image Grid를 여러 구간에 반복 적용했을 뿐이다.

따라서 저자들이 말하고 싶은 것은 Image Grid라는 구조가 단순하기 때문에, 별도의 Video Training 없이도 Long Video에 맞게 확장하기 쉽다 는 것이라고 이해할 수 있다.

PDF 9페이지 — Tables 11, 12

Computational Cost

→ Inference Time, GPU Memory 등의 관점에서 비교

“Single VLM을 사용하는 간단한 방법” 이라는 주장과 직접 연결된다.

성능만 좋다고 해서 반드시 좋은 방법이라고 할 수는 없다.

만약 Image Grid를 사용했더니 GPU Memory가 크게 증가하거나 Inference Time이 지나치게 길어지거나 계산 비용이 크게 늘어난다면

“Simple and Efficient”하다는 주장은 약해질 수 있다. 그래서 저자들은 Computational Cost도 따로 비교한다.

Table 11에서는 Single Image Input 과 Image Grid Input 을 비교한다.

Image Grid를 사용하면 일반 단일 Image보다 Tokenization Time이 조금 증가하고 Inference Time도 조금 증가한다.

왜냐하면 더 높은 해상도의 Image Grid 안에서 여러 Frame을 처리해야 하기 때문이다.

Image Grid를 사용한다고 해서 추가적인 GPU Memory가 필요하지 않았다.

따라서 Image Grid가 완전히 계산 비용이 없는 것은 아니지만, 추가 비용은 비교적 작은 수준이고 GPU Memory 측면에서는 큰 부담을 만들지 않는다고 해석할 수 있다

Table 12는 더 중요하다.

여기서는 같은 기반 VLM인 LLaVA v1.5 7B를 사용하면서 VideoLLaVA, IG-VLM 을 비교한다.

Video를 처리하도록 Fine-tuning한 VideoLM과 기존 VLM에 Image Grid만 입력하는 IG-VLM 을 Computational Cost 관점에서도 비교한 것이다.

VideoLLaVA의 Total Latency가 IG-VLM보다 상당히 높았다.

특히 이 차이의 상당 부분은 Tokenization Time에서 발생한다고 설명한다.

그리고 VideoLLaVA는 GPU Memory도 더 많이 필요했다.

Computational Cost 비교는 논문의 어떤 주장을 보완하는가?

✍️ 이 실험은 IG-VLM의 핵심 주장 중 하나인 “복잡한 Video-specific architecture나 Multi-stage Pipeline 없이 기존 VLM 하나만으로 Video를 처리할 수 있는 간단한 방법” 이라는 주장을 보완한다.

Introduction에서 저자들은 기존 VideoLM이나 Multi-stage 방식이

추가적인 Video Training
Learnable Interface
여러 Model을 순차적으로 사용하는 과정
높은 Computational Cost

등을 요구할 수 있다고 지적했다.

내가 이해한 Computational Cost 실험의 의미

✍️

IG-VLM의 핵심 장점은 단순히 높은 VQA Accuracy가 아니라 Video 전용 학습 없이 기존 VLM을 그대로 활용할 수 있는 단순한 구조

라는 점이다. 따라서 Computational Cost 실험은 이러한 “Simple”이라는 주장이 실제 계산 비용 측면에서도 의미가 있는지 확인하기 위한 실험이라고 생각한다.

Image Grid는 일반 Single Image보다 약간의 Tokenization 및 Inference Cost를 추가하지만, 추가 GPU Memory를 요구하지 않았고 같은 기반 VLM을 Video용으로 Fine-tuning한 VideoLLaVA와 비교하면 더 낮은 Total Latency와 GPU Memory 사용량을 보였다. 따라서 이 결과는 IG-VLM이 단순히 모델 구조만 간단한 것이 아니라, 실제 계산 효율 측면에서도 기존 VideoLM보다 유리할 수 있다

는 주장을 뒷받침한다고 이해했다.

✅ Question 3. 나의 최종 답

Q3. 사용한 평가 지표는 무엇을 의미하고, 그 결과를 통해 무엇을 설명하려고 하는가?

IG-VLM은 Open-ended VQA에서는 Video-ChatGPT에서 제안한 GPT-assisted assessment를 사용하여 Accuracy(Acc.)와 Score로 생성된 답변을 평가하고, Multiple-choice VQA에서는 주어진 선택지 중 Correct Answer를 정확하게 선택했는지를 나타내는 Accuracy 를 사용해 성능을 평가한다.

또한 Text Generation에서는 CI / DO / CU / TU / CO 를 이용하여 생성된 답변의 정보 정확성(Correctness of Information), 세부 정보 포착 능력(Detail Orientation), 맥락 이해(Contextual Understanding), 시간적 이해 (Temporal Understanding), 답변의 일관성(Consistency)을 보다 세부적으로 평가한다.

이를 통해 단순히 “정답을 맞혔는가?”뿐 아니라 IG-VLM이 Video를 어떤 측면에서는 잘 이해하고 어떤 측면에서는 약한지까지 분석한다.
이 중 특히 TU(Temporal Understanding)는 IG-VLM이 주장하는 여러 Video Frame을 시간 순서대로 하나의 Image Grid에 배치하면 그 Grid 구조 안에서 temporal information을 전달할 수 있다는 주장 과 직접적으로 관련 있다고 생각한다. 따라서 TU에서 높은 성능을 보인다는 것은 Image Grid가 단순히 여러 정지 이미지를 한 장에 붙인 것이 아니라 VLM이 Video의 시간적 흐름을 추론하는 데 활용할 수 있는 정보도 어느 정도 전달하고 있다는 실험적 근거로 볼 수 있다.

따라서 이러한 평가 결과를 통해 저자들은 최종적으로 Image Grid라는 단일 이미지 representation이 별도의 video-specific training 없이도 Open-ended와 Multiple-choice Video QA 모두에서 높은 성능을 보이며, 특히 Video Understanding에 중요한 contextual·temporal information까지 VLM에 전달할 수 있다는 것 을 보여주려고 했다고 이해했다. 논문의 Conclusion 역시 Image Grid가 하나의 이미지 형식 안에서 spatial information과 temporal information을 전달할 수 있으며, 이를 10개의 VQA benchmark 실험으로 검증했다고 정리한다.

세 가지 질문을 하나로 연결해보기

이제 각각 작성했던 답을 하나로 연결해본다.

1. Claim

이 논문은 무엇을 주장하는가?

Video의 여러 Frame을 시간 순서대로 하나의 Image Grid에 배치하면, 별도의 Video-specific Training이나 Multi-stage Processing 없이도 pretrained VLM 하나를 이용해 Video의 Spatial Information과 Temporal Information을 처리하고 Zero-shot Video QA를 수행할 수 있다는 것이 이 논문의 핵심 주장이다.

↓

2. Comparison

그것을 보여주기 위해 무엇과 비교하는가?

첫째, 기존의 대표적인 Video-Language 접근인 VideoLM 계열과 Multi-stage Foundation Model 계열을 비교하여 IG-VLM 전체 방법의 경쟁력을 확인하고

둘째, 동일하게 Sampling한 Frame들을 여러 이미지로 입력하는 Sequence of Frames와 하나의 Image Grid로 입력하는 방식을 직접 비교하여 Image Grid라는 Representation 자체의 효과를 검증한다.

저자들은 IG-VLM을 기존 VideoLM 및 Multi-stage 방식과 비교하는 데 그치지 않고, 동일한 sampled frames를 여러 이미지로 입력하는 방식과 Image Grid로 입력하는 방식을 비교하고, 나아가 Grid의 형태, Frame의 배치 순서, Frame 수, Prompt 설계까지 단계적으로 분석하여 제안한 Image Grid representation의 설계가 타당한지를 검증한다.

↓

3. Evaluation

무엇을 기준으로 그 주장을 평가하는가?

Open-ended VQA에서는 Video-ChatGPT에서 제안한 GPT-assisted assessment를 사용해 Accuracy와 Score를 평가하고, Multiple-choice VQA에서는 제공된 선택지 중 Correct Answer를 선택했는지를 Accuracy로 평가한다. 또한 Text Generation에서는 CI, DO, CU, TU, CO를 통해 정보의 정확성, 세부 정보, 맥락 이해, 시간 이해, 일관성을 보다 세부적으로 분석한다.

↓

4. Result

실제 결과는 어떠했는가?

G-VLM은 총 10개의 Zero-shot VQA Benchmark 중 9개에서 기존 방법보다 높은 성능을 보였으며, Open-ended VQA에서는 5개 모두, Multiple-choice VQA에서는 5개 중 4개에서 최고 성능을 기록했다. 또한 동일한 sampled frames를 사용한 Sequence of Frames와의 직접 비교에서도 Image Grid가 일관된 성능 향상을 보였다.

↓

5. Conclusion

따라서 저자들은 무엇을 말할 수 있게 되었는가?

여러 Video Frame을 하나의 Image Grid에 시간 순서대로 구성하는 것은 Spatial Information과 Temporal Information을 단일 이미지 형식 안에서 전달하는 실용적인 Video Representation이 될 수 있으며, 이를 이용하면 별도의 Video-specific Training 없이도 기존의 고성능 pretrained VLM을 Video QA에 직접 활용할 수 있다는 것을 말할 수 있게 되었다.

최종적으로 내가 이 논문을 설명한다면

IG-VLM은 Video를 LLM과 연결하기 위해 기존처럼 Video-specific model이나 learnable interface를 별도로 학습하거나, 여러 Foundation Model을 단계적으로 사용하는 복잡한 과정이 꼭 필요한가? 라는 문제에서 출발한다.

이를 해결하기 위해 Video에서 여러 Frame을 Sampling하고, 이를 시간 순서대로 하나의 Image Grid에 배치함으로써 Video를 기존 Image VLM이 처리할 수 있는 단일 이미지 형태로 변환한 뒤, 별도의 Video Training 없이 pretrained VLM 하나로 Video QA를 수행한다 라는 아이디어를 제안한다.

그리고 기존 Video-specific learnable interface를 학습하는 VideoLM 계열과, Video를 textual description 등의 중간 표현으로 변환한 뒤 여러 모델을 사용하는 Multi-stage Foundation Model 계열 방식들과 비교하고, Open-ended VQA의 GPT-assisted Accuracy와 Score, Multiple-choice VQA의 Accuracy, Text Generation의 CI·DO·CU·TU·CO, 그리고 Sequence of Frames와 Image Grid의 직접 비교 및 다양한 Ablation Study 등의 평가를 통해 Image Grid라는 단순한 Video Representation만으로도 기존 VideoLM이나 Multi-stage 방식과 경쟁하거나 더 높은 성능을 낼 수 있으며, 하나의 이미지 형식 안에서 spatial information뿐 아니라 temporal information도 VLM에 전달할 수 있다 라는 것을 보여준다.

이번에 논문을 다시 읽으면서 배운 점

이번 과제에서 중요한 것은 IG-VLM이라는 논문 하나를 외우는 것이 아니라고 생각한다.

앞으로 새로운 논문을 읽더라도 같은 질문을 던질 수 있다.

1. 무엇을 주장하는가?

2. 무엇과 비교하고, 왜 비교하는가?

3. 무엇으로 평가하고, 그 결과가 무엇을 의미하는가?

결국 좋은 논문은 Claim → Comparison → Evaluation → Evidence 의 흐름으로 자신의 아이디어를 설득하고 있다.

IG-VLM을 이 관점에서 다시 보면 흐름이 명확해졌다.

Claim

Image Grid를 사용하면 Video-specific Training 없이도 기존 VLM으로 Video를 이해할 수 있다.

↓

Comparison

그렇다면 기존 VideoLM과 Multi-stage 방식보다 실제로 경쟁력이 있는가?
그리고 단순히 여러 Frame을 보여주는 것보다 Image Grid로 구성하는 것 자체가 정말 도움이 되는가?

↓

Evaluation

Open-ended와 Multiple-choice VQA 성능은 어떠한가?
Context와 Temporal Information도 실제로 이해하는가?
Grid Shape, Ordering, Frame 수, Prompt가 성능에 영향을 주는가?

↓

Evidence

10개의 Zero-shot VQA Benchmark 중 9개에서 기존 방법을 능가했고 동일한 sampled frames를 사용한 Sequence of Frames와의 비교에서도 Image Grid가 더 좋은 결과를 보였다. 또한 Grid 구조와 Frame Ordering, Frame 수, Prompt에 대한 분석을 통해 최종 설계가 선택된 이유를 실험적으로 보여주었다.

앞으로 논문을 읽을 때도 이 흐름을 먼저 찾는 연습을 해보려고 한다.

다음 단계

이 세 가지 질문에 대한 정리가 끝난 다음에는 교수님께서 말씀하신 IG-VLM 공식 GitHub Repository를 직접 실행해볼 예정이다.

이번 글에서는 Paper에서 연구의 논리를 이해했다면

다음에는 Paper → Code → 실제 Input/Output 을 연결해보려고 한다.

특히 논문에서 확인한 Video → Frame Sampling → Image Grid → VLM → Answer 과정이 실제 코드에서는 어떤 함수와 데이터 흐름으로 구현되어 있는지 직접 확인할 계획이다.

단순히 Repository를 Clone하고 실행하는 것에서 끝내지 않고

실제로 Video가 6개 구간으로 나누어지는 부분
각 구간에서 Frame을 Sampling하는 코드
6개의 Frame을 3×2 Image Grid로 만드는 과정
Grid Guidance / Reasoning Guidance Prompt가 어디에서 구성되는지
Image Grid가 실제 VLM Input으로 어떻게 전달되는지
논문의 Example과 비슷한 질문을 넣었을 때 어떤 Answer가 생성되는지

를 Paper의 Method와 하나씩 대응시키며 확인해보려고 한다.

최종적으로는 “논문에서 이렇게 설명한 부분이 실제 코드에서는 여기 구현되어 있구나.” 까지 연결하는 것이 다음 목표다.

그리고 직접 실행해본 뒤에는 결과가 잘 나온 사례뿐 아니라 Frame Sampling 때문에 중요한 순간을 놓치거나, Image Grid의 작은 Frame 때문에 세부 내용을 잘못 인식하는 Failure Case도 직접 만들어보면 이번에 논문에서 봤던 IG-VLM의 장점과 한계를 훨씬 구체적으로 이해할 수 있을 것 같다.

[주간회GO 26년 9월 2주차] 개강 포토덤프

MKISOS — Sun, 13 Sep 2026 16:52:04 +0900

[주간회GO 26년 9월 2주차]

26년 9월 2주차

쓸 힘이 없다. 너무 규칙적이지 않고 많은 해야할 일과 많은 변칙적인 일들 그리고 내 마음도 중심이 잡히지 않는다.

바쁘게 살기 -> 운동하면서 생각 정리 -> 메모장에 적기 -> 다시 더 많은 생각들 -> 바쁘게 살기 -> 운동하면서 생각 정리 -> 메모장에 적기

26년 9월 7일 월요일

어제 너무 즐거웠네
의외의 조합
예술가들과

이번주 월 화 금 시도 해야한다.

이 시간에 이제 운동 가겠지
시간대가 다르니 다 새로운 사람들을 마주해서 신기하다.

오랜만에 지원~

26년 9월 8일 화요일

오랜만에 이 시간 ㅎㅎ
익숙한 사람들과 운동

24목 저녁은 잡았는데 23 수 저녁을 찾는 중이다.

10시-20시 수업 도서관 반복
중간에 학식 먹으면서 가두모집 보는데
홍보대사 사람들이 지원해라고 했음 입에 발린말이겠지만~
준형이랑 도서관 공부끝내고 치킨먹고 복귀하고
집와서 뻗었다 ,,,

26년 9월 9일 수요일

운동 공부 랩미팅 수업 공부 설명회 참석…

정훈이랑 떡볶이 먹으면서 진솔한 토크 ㅋㅋㅋㅋ

26년 9월 10일 목요일

26년 9월 11일 금요일

26년 9월 12, 13일 토,일요일 주말

IG-VLM에서 사용한 10개 Benchmark 간단 정리

MKISOS — Sun, 13 Sep 2026 11:58:36 +0900

An_Image_Grid_Can_Be_Worth_a_Video_Zero-Shot_Video.pdf

6.75MB

해당 논문은 Creative Commons Attribution 4.0 International (CC BY 4.0) 라이선스로 공개되어 있습니다.
© 2024 The Authors.

Open-ended VQA

Benchmark	형식	지금 알아둘 핵심
MSVD-QA	Open-ended	Video를 보고 자연어로 답을 생성하는 기본적인 Video QA benchmark
MSRVTT-QA	Open-ended	다양한 Video에 대해 질문을 받고 자연어 답변을 생성
ActivityNet-QA	Open-ended	긴 Video가 포함되는 QA benchmark. 논문에서 특히 중요하게 언급됨
TGIF-Frame-QA	Open-ended	Video/GIF의 장면 내용을 보고 질문에 답하는 benchmark
Text Generation Performance	Open-ended	답변의 단순 정답 여부뿐 아니라 답변 품질을 여러 기준으로 평가

논문에서는 Open-ended VQA를 “require models to generate answers freely based on a video and its associated question”

즉 정답 선택지가 없고 모델이 직접 문장을 만들어야 한다.

MSVD-QA

Video를 보고 질문에 자연어로 답하는 대표적인 Open-ended Video QA benchmark

MSRVTT-QA

MSVD-QA와 마찬가지로 Video 내용을 이해하고 자연어 질문에 답하는 Open-ended Video QA benchmark

Table 1에서 MSVD-QA와 MSRVTT-QA를 함께 사용함으로써 한 데이터셋에서만 잘 되는 것이 아니라 여러 일반적인 Video QA 환경에서도 IG-VLM이 작동하는지 확인한다.

ActivityNet-QA

이건 조금 더 중요하게 봐도 된다.

논문에서는 ActivityNet-QA를 long-video benchmark로 강조한다.

IEEE 버전에서는 ActivityNet-QA와 EgoSchema에 대해 “have long-video durations, averaging 180 sec.”

즉 평균 Video 길이가 약 180초, 약 3분이다.

왜 IG-VLM에서 특히 중요할까?

IG-VLM은 고작 6개의 Frame만 사용한다.

그런데 긴 Video에서도 기존 방법보다 좋은 성능을 냈다면 “6 Frame Image Grid라는 단순한 representation도 꽤 많은 temporal information을 전달할 수 있다.” 는 주장을 뒷받침하기 좋은 결과가 된다.

실제로 저자들도 ActivityNet-QA 결과를 특별히 강조한다.

TGIF-Frame-QA

GIF / 짧은 Video의 장면 내용을 바탕으로 질문에 답하는 Open-ended QA benchmark

이 논문에서는 MSVD-QA, MSRVTT-QA, ActivityNet-QA와 함께 일반적인 Open-ended Video QA 성능을 확인하기 위한 benchmark로 사용한다.

Text Generation Performance

이건 다른 네 개보다 조금 다르게 기억하는 게 좋다.

“정답 맞았어?” 만 보는 것이 아니라 생성된 답변의 품질을 평가한다.

Table 2에서는 다음 5가지 Metric을 사용한다.

Metric	의미
CI	Correctness of Information
DO	Detail Orientation
CU	Contextual Understanding
TU	Temporal Understanding
CO	Consistency

간단히 해석하면

CI — Correctness of Information

답변 내용이 실제 Video와 얼마나 정확한가?

DO — Detail Orientation

Video의 세부적인 내용을 얼마나 잘 설명하는가?

CU — Contextual Understanding

전체적인 상황과 맥락을 얼마나 잘 이해하는가?

TU — Temporal Understanding

사건의 시간적 순서나 변화를 얼마나 잘 이해하는가?

CO — Consistency

답변이 Video 내용과 일관되고 안정적인가?

특히 IG-VLM에서는 TU(Temporal Understanding)가 중요하다.

왜냐하면 논문의 핵심 주장 자체가 Image Grid가 Temporal Information을 전달할 수 있다 이기 때문이다.

Multiple-choice VQA

논문에서 사용하는 Multiple-choice benchmark는 다음 5개다.

Benchmark	형식	지금 알아둘 핵심
NExT-QA	Multiple-choice	Causal / Temporal / Descriptive reasoning을 평가
STAR	Multiple-choice	Video 속 사건과 행동에 대한 다양한 reasoning을 평가
TVQA	Multiple-choice	Video 기반 객관식 QA
IntentQA	Multiple-choice	Video 속 행동의 의도(Intent)를 추론
EgoSchema	Multiple-choice	Long-video understanding을 평가하는 benchmark

Multiple-choice VQA는 논문에서 “present models with a set of predefined options and demand a correct selection from the options”

Video + Question + Choices → 정답 선택 구조다.

NExT-QA

이건 IG-VLM 논문을 볼 때 꽤 중요하다.

Table 3에서는 NExT-QA를 다시 세 종류로 나눈다.

Cas. — Causal
Tem. — Temporal
Des. — Descriptive

왜 그런 일이 일어났는가?

무엇이 먼저/나중에 일어났는가?

무엇이 보이는가 / 무슨 일이 일어나는가?

같은 서로 다른 reasoning 능력을 보는 benchmark라고 이해하면 된다.

특히 Temporal 결과는 IG-VLM이 시간 정보를 얼마나 잘 전달하는지 볼 수 있기 때문에 중요하다.

STAR

STAR 역시 Multiple-choice Video QA benchmark다.

Table 3을 보면 여러 세부 category별 성능을 따로 보여준다.

즉 단순히 장면을 인식하는 것뿐 아니라 Video 속 사건과 행동에 대한 다양한 reasoning 능력을 평가하는 benchmark라고 생각하면 된다.

다만 IG-VLM 논문 본문에서는 STAR의 각 category가 무엇인지 자세히 설명하지 않는다.

TVQA

논문에서는 Multiple-choice benchmark 중 하나로 사용한다.

지금 단계에서는 Video 내용을 바탕으로 주어진 보기 중 정답을 선택하는 QA benchmark 정도로만 알고 있다.

논문 자체에서는 TVQA의 데이터 구성이나 특징을 자세히 설명하지 않는다.

IntentQA

Intent = 의도

즉 Video 속 사람의 행동을 단순히 “무엇을 했다” 에서 끝내는 것이 아니라, “왜 그런 행동을 했는가 / 어떤 의도를 가지고 행동했는가?”

와 관련된 Video reasoning을 평가하는 benchmark다.

EgoSchema

이것도 중요하다.

논문에서는 ActivityNet-QA와 함께 Long-video benchmark로 언급하며 평균 Video duration을 약 180초라고 설명한다.

핵심은 긴 Video의 전체 맥락을 얼마나 잘 이해하는가 를 평가하는 Multiple-choice benchmark라고 보면 된다.

ActivityNet-QA와 함께 기억하면 좋다.

ActivityNet-QA → Long Video + Open-ended
EgoSchema → Long Video + Multiple-choice

그러면 10개를 이렇게 묶어 기억하면 된다

Open-ended 5개

MSVD-QA / MSRVTT-QA / ActivityNet-QA / TGIF-QA / Text Generation

ActivityNet-QA → Long Video
Text Generation → 답변 품질 CI/DO/CU/TU/CO

Multiple-choice 5개

NExT-QA / STAR / TVQA / IntentQA / EgoSchema

NExT-QA → Causal / Temporal / Descriptive
IntentQA → Intent Reasoning
EgoSchema → Long Video

Benchmark	유형	내가 기억할 핵심
MSVD-QA	Open-ended	일반 Video QA
MSRVTT-QA	Open-ended	일반 Video QA
ActivityNet-QA	Open-ended	Long Video
TGIF-Frame-QA	Open-ended	GIF/Video 장면 QA
Text Generation	Open-ended	CI / DO / CU / TU / CO
NExT-QA	Multiple-choice	Causal / Temporal / Descriptive
STAR	Multiple-choice	다양한 Video reasoning
TVQA	Multiple-choice	객관식 Video QA
IntentQA	Multiple-choice	Intent reasoning
EgoSchema	Multiple-choice	Long Video

Table 1~3을 볼 때는 각 숫자를 그냥 보는 게 아니라 예를 들어

“ActivityNet-QA에서 크게 올랐네 → 긴 Video인데 6 Frame만 가지고도 성능이 좋네?”

또는

“NExT-QA Temporal도 높네 → Image Grid가 temporal information을 전달한다는 주장과 연결되겠네.”

처럼 논문의 주장과 benchmark의 성격을 연결해서 보는 것이 가장 중요할 것 같다.

[학부연구생] 논문을 읽는 세 가지 질문 — 연구를 보는 관점을 배우다

MKISOS — Fri, 11 Sep 2026 19:23:38 +0900

2026.09.10

9월 2일 교수님께 연구 중인 과제 일부와 관련 논문인 IG-VLM(Image Grid Vision Language Model)을 전달받았고 첫 일주일 동안 과제 PDF와 논문을 읽으며 내용을 이해하는 데 집중했다.

9월 9일 랩미팅에서는 별도의 발표 자료 없이 PDF를 직접 펼쳐놓고 내가 이해한 내용을 설명했다. 모르는 부분을 질문하고 교수님과 박사님의 설명을 들으며 첫 번째 과제를 정리했다.

그리고 다음 날인 9월 10일, 박사님과 따로 이야기를 나눴다.

처음에는 교수님께서 말씀하신

“IG-VLM GitHub가 있으니 직접 모델을 돌려봐라.”

라는 다음 과제를 집중적으로 진행하려고 생각했다.

하지만 이야기를 나누면서 그보다 더 중요한 것을 하나 배우게 되었다.

바로 논문을 어떤 관점으로 읽어야 하는가였다.

지금까지 나는 논문을 ‘내용’ 중심으로 읽었다

처음 IG-VLM 논문을 받았을 때 내가 가장 먼저 생각했던 것은

“27페이지짜리 영어 논문을 어떻게 다 읽지?”

였다.

그래서 Abstract부터 Introduction, Related Works, Method, Experiments, Conclusion까지 하나씩 번역하고 내용을 이해하려고 했다.

그 과정 자체도 필요했다.

VLM이 무엇인지, Video QA가 무엇인지, Grid가 어떤 구조인지, 어떤 데이터셋을 사용하는지 등 기본적인 내용은 어느 정도 이해할 수 있게 되었다.

예를 들어 IG-VLM의 Grid에 대해서는 다음 정도로 이해하고 있었다.

비디오에서 여러 프레임을 선택하고, 그 프레임들을 시간 순서대로 하나의 Grid 이미지에 배치한다.

그리고 여러 장의 프레임이나 비디오 전체를 처리하는 대신 이렇게 만들어진 한 장의 Grid 이미지를 Image VLM에 입력한다.

그래서 나는 IG-VLM의 핵심을 대략 이렇게 이해하고 있었다.

비디오의 여러 시간 정보를 하나의 이미지에 담아 기존 Image VLM을 활용하면서도 Video QA를 수행하려는 방법이 아닐까?

박사님께서도 내가 이해하고 있는 방향은 맞다고 말씀해주셨다.

하지만 여기에서 한 단계 더 나아가야 했다.

논문의 내용을 설명할 수 있는 것과
논문의 연구 구조를 이해하는 것은 다르기 때문이다.

논문을 읽을 때 던져야 할 세 가지 질문

이번 미팅에서 가장 중요했던 내용이다.

박사님께서는 앞으로 IG-VLM 논문을 다시 보면서 세 가지 질문에 대한 나만의 답을 찾아보라고 하셨다.

그리고 이 질문은 IG-VLM에만 사용하는 것이 아니다.

앞으로 어떤 논문을 읽든 똑같이 적용할 수 있는 질문이다.

내가 이번 미팅에서 가장 크게 얻은 것은 바로 이 세 가지 기준이었다.

1. 이 논문의 메인 아이디어는 무엇이고, 무엇을 주장하려고 하는가?

첫 번째 질문이다.

“이 논문에서 메인 아이디어가 무엇이고, 결국 무엇을 주장하려고 하는가?”

가장 먼저 이것부터 잡아야 한다.

예를 들어 “IG-VLM은 비디오에서 여러 이미지를 뽑아서 Grid를 만드는 논문이다.” 라고 말하는 것은 방법에 대한 설명이다.

하지만 연구를 이해하려면 그보다 한 단계 더 나아가야 한다.

왜 Grid를 만들었는지,

기존 방식에는 어떤 문제가 있었는지,

그리고 이 방법을 이용해서 결국 연구자가 “우리는 이것이 더 좋다.” 라고 무엇을 주장하려고 하는지를 알아야 한다.

논문은 단순한 기술 설명서가 아니다.

연구자는 새로운 아이디어를 제시하고

“이 방법에는 이런 장점이 있다.”

“이 문제를 이렇게 해결할 수 있다.”

라는 주장을 한다.

그리고 논문의 나머지 부분은 결국 그 주장을 설득하기 위해 존재한다고 볼 수 있다.

그래서 앞으로 논문을 읽으면 가장 먼저 “그래서 이 논문의 한 문장짜리 주장은 뭐지?” 를 생각해보려고 한다.

IG-VLM 역시 다시 논문을 보면서 내가 막연하게 이해하고 있는 내용을 논문에 실제로 적힌 근거를 바탕으로 정확하게 정리해볼 예정이다.

2. 무엇과 비교했고, 왜 그것들과 비교했는가?

두 번째 질문은 비교 대상이다.

논문에서 새로운 방법을 제안했다고 해서

“우리 방법이 좋습니다.”

라고 말하는 것만으로는 연구가 완성되지 않는다.

다른 연구자가 봤을 때. “그래서 기존 방법보다 진짜 좋은가?” 라는 질문에 답해야 한다.

가장 쉽게 이를 증명하는 방법이 기존 연구와의 비교다.

그래서 실험 결과를 보면 IG-VLM뿐만 아니라 여러 Method가 함께 등장한다.

지금까지는 이런 표를 볼 때

“IG-VLM 숫자가 제일 높네.”

정도로 보는 경우가 많았다.

하지만 이제는 다르게 봐야 한다.

비교 대상이 누구인지

그 방법은 어떤 방법인지

IG-VLM과 무엇이 다른지

왜 수많은 연구 중 하필 이 연구와 비교했는지

를 생각해야 한다.

특히 박사님께서 강조하신 부분은 “왜 이 대상과 비교했는가?” 였다.

비교 대상은 아무 논문이나 가져오는 것이 아니다.

내 방법의 장점을 보여주기 위해 가장 적절한 상대를 선택하는 것이다.

그래서 비교 대상을 이해하면 오히려 첫 번째 질문인

“이 논문의 진짜 주장은 무엇인가?”

가 더 명확해질 수 있다.

예를 들어 어떤 연구들과 계속 비교하고 있다면,

그 비교를 통해 연구자가 강조하고 싶은 IG-VLM의 차별점이 무엇인지 역으로 파악할 수 있다.

그래서 실제로는

1번 → 2번

으로 끝나는 것이 아니라

1번 → 2번 → 다시 1번

으로 돌아갈 수도 있다.

비교 대상을 공부한 뒤 처음 생각했던 Main Idea를 수정할 수도 있는 것이다.

3. 평가 지표는 무엇을 의미하고, 무엇을 설명하려는가?

세 번째는 평가 방법과 평가 지표다.

비교 대상을 정했다면 다음 질문은 자연스럽다.

“그래서 무엇을 기준으로 어느 방법이 더 좋은지 판단하지?”

여기에서 평가 지표가 등장한다.

하지만 단순히 Metric 이름이나 숫자만 외우는 것이 목적은 아니다.

각 평가 지표에 대해

이 지표가 무엇을 측정하는지

값이 높으면 무엇이 좋은지

반대로 낮으면 무엇을 의미하는지

왜 이 실험에서 이 평가 지표를 사용했는지

이 지표를 통해 논문의 어떤 주장을 증명하려고 하는지

까지 이해해야 한다.

결국 숫자는 숫자 자체가 중요한 것이 아니다.

그 숫자가 논문의 주장을 뒷받침하는 근거가 되는 이유가 중요하다.

그래서 앞으로 Experiments의 Table을 볼 때도

“우리 모델 점수가 높네.”

에서 끝내지 않고

“이 평가 지표에서 점수가 높다는 것이 정확히 무엇을 의미하고, 그래서 IG-VLM의 어떤 장점을 증명하는가?”

까지 생각해봐야 한다.

결국 세 질문은 하나로 연결된다

이번 미팅에서 가장 중요한 부분은 이 세 질문이 서로 따로 존재하는 것이 아니라는 점이었다.

전체 흐름으로 보면 이렇게 된다.

① 무엇을 주장하는가?

Main Idea / Claim

↓

② 그 주장을 증명하기 위해 무엇과 비교하는가?

Comparison / Baseline

↓

③ 어떤 기준으로 더 좋다는 것을 증명하는가?

Evaluation / Metric

이 흐름이다.

다시 말하면,

“나는 이런 아이디어를 제안한다.”

↓

“기존의 이런 방법들과 비교해보겠다.”

↓

“이런 평가 기준을 사용했더니 실제로 이런 결과가 나왔다.”

↓

“따라서 내가 처음 주장했던 것이 의미가 있다.”

가 하나의 연구 흐름이다.

논문의 Introduction, Method, Experiments, Conclusion을 따로따로 보는 것이 아니라 이 흐름 하나로 연결해서 보는 것이다.

이 세 가지를 이해하면 연구의 시작과 끝이 보인다

박사님께서 이 세 가지 질문을 강조하신 이유는 단순히 IG-VLM 논문을 잘 이해하게 하기 위한 것이 아니었다.

나중에 내가 직접 연구를 할 때도 그대로 사용할 수 있기 때문이다.

예를 들어 내가 어떤 새로운 아이디어를 떠올렸다고 해보자.

그때도 똑같은 질문을 던질 수 있다.

내가 무엇을 주장하고 싶은가?

그것을 보여주려면 무엇과 비교해야 하는가?

어느 평가 지표를 사용해야 그것을 증명할 수 있는가?

이 세 가지가 명확하면

어떤 실험을 해야 하는지까지 자연스럽게 결정된다.

반대로 이것들이 명확하지 않은 상태에서 실험부터 시작하면

뭘 실험해야 하지?

뭐랑 비교하지?

어느 정도 결과가 나오면 좋은 거지?

이 결과가 의미가 있는 건가?

같은 문제를 계속 만나게 된다.

박사님께서는 실제 연구에서도 이런 기준이 모호하면 실험을 하면서 계속 헤매게 된다고 설명해주셨다.

그래서 이번 과제는 질문이 세 개뿐이지만 사실상 논문을 다시 제대로 읽어보라는 과제 에 가깝다.

IG-VLM을 다시 읽어보기

그래서 이번에는 IG-VLM 논문을 처음부터 다시 번역하면서 읽지는 않을 생각이다.

이미 한 번 전체 흐름을 읽었기 때문에 이제부터는 질문을 가지고 논문을 읽어보려고 한다.

내가 직접 답해야 할 것은 딱 세 가지다.

Question 1

IG-VLM의 Main Idea는 무엇이고 이 논문은 무엇을 주장하려고 하는가?

Question 2

IG-VLM은 어떤 연구들과 비교했고, 왜 그 연구들을 비교 대상으로 선택했는가?

Question 3

각 평가 방법과 평가 지표는 무엇을 의미하며, 그것을 통해 무엇을 증명하려고 하는가?

이 세 질문을 중심으로 다시

Abstract

Introduction

Related Works

Experiments

Tables

Conclusion

을 오가면서 근거를 찾아볼 생각이다.

그리고 중요한 것은 정답을 찾아 적는 것이 아니라 내가 이해한 답을 직접 만들어보는 것이다.

처음 작성한 답이 틀릴 수도 있다.

오히려 2번을 분석하다가 1번 답이 바뀔 수도 있고,

3번을 공부하다가 2번을 다시 수정할 수도 있다.

그렇게

1 → 2 → 3 → 1 → 2

를 반복하면서 논문에 대한 이해도를 높이는 것이 이번 공부의 핵심이다.

모든 논문을 앞으로 이런 방식으로 읽어보기

나는 이번에 배운 세 질문을 IG-VLM에만 사용하지 않고 앞으로 논문을 읽을 때의 기본 틀로 사용해보려고 한다.

논문 하나를 읽으면 최소한 다음 세 문장에는 답할 수 있어야 한다.

이 연구는 ○○를 주장한다.

이를 증명하기 위해 기존의 ○○와 비교했다.

그리고 ○○라는 평가 기준을 사용해 자신의 주장을 검증했다.

이 세 문장을 제대로 설명할 수 없다면 아직 그 논문의 연구 구조를 제대로 이해하지 못했다고 볼 수도 있을 것 같다.

특히 나중에 관심 있는 VLM이나 Physical AI 논문을 읽더라도 똑같이 적용할 수 있다.

연구 분야가 바뀌어도

Claim → Comparison → Evaluation

이라는 기본적인 사고 방식은 계속 사용할 수 있을 것이다.

논문을 빠르게 읽는 방법도 달라질 것 같다

이번 미팅에서는 논문을 빠르게 살펴보는 방법에 대해서도 이야기를 들었다.

수많은 논문을 처음부터 끝까지 전부 읽는 것은 현실적으로 어렵다.

그래서 먼저

Title → Abstract

를 확인한다.

Abstract에는 연구에서 정말 중요한 내용만 압축되어 있기 때문에 이것만 제대로 읽어도 이 논문이 내가 읽어볼 가치가 있는지 어느 정도 판단할 수 있다.

그래도 이해가 잘 되지 않는다면 Figure를 본다.

Figure는 글로 설명하기 어렵거나 복잡한 내용을 한 번에 보여주기 위해 존재하기 때문에 연구의 핵심 아이디어가 들어있는 경우가 많다.

결국 앞으로는

영어를 얼마나 많이 번역했는가

보다는

어떤 질문을 가지고 어떤 부분을 읽었는가

가 더 중요할 것 같다.

연구실에서의 다음 단계

이번 박사님 미팅과 별개로 교수님께 받은 과제도 계속 진행한다.

9월 9일 랩미팅에서 교수님께서는 IG-VLM의 GitHub가 공개되어 있으니 직접 모델을 실행해보라고 하셨다.

그래서 앞으로 한 주는 두 가지 흐름을 동시에 가져갈 계획이다.

첫 번째는 논문을 연구자의 관점에서 다시 읽는 것이다.

Main Idea

→ Comparison

→ Evaluation

세 질문에 대한 나만의 답을 만든다.

두 번째는 논문을 실제 코드로 확인하는 것이다.

IG-VLM Repository를 Clone하고 환경을 구축한 뒤 제공되는 Sample을 실행해본다.

그리고 가능하다면 논문에서 읽었던 Grid 방식이 실제 코드에서 어떻게 구현되어 있는지 까지 확인해보고 싶다.

단기간에 연구실에서 해보고 싶은 것

처음 학부연구생을 시작했을 때는

논문을 읽어보고 연구라는 것을 경험해보자.

정도의 생각이 컸다.

나는 현재 대학원 진학을 확정한 것도 아니고 우선은 개발자로 취업하는 것을 생각하고 있다.

그 과정에서 개발, AI, 공모전, 서비스 제작, 창업 등 여러 가지 경험을 해보고 있고 학부연구생 활동 역시 그 경험 중 하나로 시작했다.

하지만 일주일 동안 실제 논문을 읽고 이번 미팅까지 해보니 조금 더 해보고 싶은 생각이 생겼다.

단순히

“학부연구생을 했다.”

에서 끝내고 싶지는 않다.

가능하다면 연구실에서 하나의 작은 문제라도 직접 잡아보고,

문제 정의

→ 아이디어

→ 비교 대상 설정

→ 실험

→ 평가

→ 결과 분석

까지 한 번 경험해보고 싶다.

그리고 정말 좋은 결과가 나온다면 논문이나 연구 결과에 실제로 기여할 수 있다면 더 좋을 것 같다.

물론 연구가 항상 계획대로 결과가 나오는 것은 아니다.

그래서 지금부터 논문 작성 자체를 목표로 잡기보다는 연구 하나가 어떻게 시작되고 끝나는지를 직접 경험하는 것을 우선 목표로 두려고 한다.

이번 한 주의 목표

이번 주에는 욕심내서 이것저것 공부하기보다 명확한 결과물을 만들어보려고 한다.

IG-VLM 세 질문에 대한 내 답 만들기

1. 이 논문에서 메인 아이디어가 무엇이고 무엇을 주장하려고 하는가?

2. 그 주장을 보여주기 위해 무엇과 비교했고, 왜 그것들을 비교 대상으로 선택했는가?

3. 사용한 평가 지표는 무엇을 의미하고, 그 결과를 통해 무엇을 설명하려고 하는가?

그리고 이 세 가지를 단순히 자료를 복사해서 정리하는 것이 아니라

내가 박사님께 직접 설명할 수 있는 수준의 답으로 만드는 것.

이것이 이번 주 가장 중요한 목표다.

여기에 교수님께서 말씀하신 IG-VLM 모델까지 직접 실행해보면서 논문과 코드도 연결해볼 예정이다.

학부연구생 첫 일주일: 연구 과제와 IG-VLM 논문을 읽으며 연구를 이해해보기

MKISOS — Thu, 10 Sep 2026 16:56:13 +0900

2026년 9월, 이번 학기부터 컴퓨터 비전 연구실에서 학부연구생 활동을 시작하게 되었다.

그리고 9월 2일, 학부연구생으로서 처음으로 연구 과제를 받았다.

첫 과제는 단순히 논문 한 편을 읽고 요약하는 것이 아니었다.

현재 연구실 박사님께서 진행하고 있는 연구의 일부인 서론(Introduction)과 관련 연구(Related Works)를 먼저 읽으면서 연구의 전체적인 배경을 파악하고 그 안에서 참고하고 있는 연구 중 하나인 IG-VLM(Image Grid Vision Language Model) 논문까지 함께 읽어보는 것이었다.

260909_김문기.pdf

1.42MB

필기_김문기 An Image Grid Can Be Worth a Video Zero-shot Video Question Answering Using a VLM-compressed.pdf

1.50MB

처음 자료를 받았을 때는 생소한 용어도 많았고 영어 논문 한 편의 전체 흐름을 제대로 따라가 본 경험도 많지 않았다.

그래서 이번 일주일 동안은 단순히 과제를 끝내는 것보다

“현재 연구실에서 어떤 문제를 연구하고 있는지 이해하고, 그 연구와 연결되는 관련 논문을 하나 제대로 따라가 보자.”

라는 목표를 가지고 공부했다.

9월 2일부터 9월 9일까지.

학부연구생으로 보낸 첫 일주일 동안 무엇을 공부했고, 무엇을 이해했으며, 첫 랩미팅에서는 어떤 이야기를 나누었는지 기록해보려고 한다.

1. 처음 받은 연구 과제

처음 받은 자료는 현재 연구실에서 진행 중인 연구의 Introduction과 Related Works 부분이었다.

그리고 교수님께서는 관련 연구 중 하나로 등장하는 IG-VLM 논문도 함께 보내주셨다.

즉 이번 과제의 핵심은 IG-VLM 논문 자체를 공부하는 것이 목적이라기보다 현재 진행 중인 연구를 이해하기 위해 관련 연구들이 어떤 방향으로 발전해왔는지 살펴보는 것 에 가까웠다.

처음에는 논문을 읽는다면 당연히 모델 구조나 성능부터 봐야 한다고 생각했다.

하지만 실제로 Introduction과 Related Works를 읽어보면서 먼저 이해해야 할 것이 따로 있다는 것을 알게 되었다.

이 연구가 해결하려는 문제는 무엇인가?
기존 연구들은 어떤 방법을 사용했는가?
기존 방법에는 어떤 한계가 존재하는가?
현재 연구에서는 그 한계를 어떤 방향으로 해결하려고 하는가?

Method만 보면 모델이 어떻게 동작하는지는 알 수 있지만,

Introduction과 Related Works를 읽어야

왜 이런 연구가 필요한지

를 이해할 수 있었다.

이번에 처음으로 논문의 앞부분이 단순한 배경 설명이 아니라 연구 전체를 이해하기 위한 지도와 같은 역할을 한다는 것을 느꼈다.

2. 관련 연구를 따라가다 만난 IG-VLM

과제의 Related Works에는 여러 기존 연구들이 소개되어 있었고 그중 하나가 IG-VLM(Image Grid Vision Language Model)이었다.

IG-VLM은 연구실에서 현재 진행하고 있는 연구 그 자체는 아니었다.

현재 연구를 이해하기 위해 참고해야 하는 여러 선행 연구 중 하나였다.

그래서 논문을 읽을 때도

“이 논문의 모든 것을 외워야 한다.”

보다는

“이 연구는 어떤 문제를 해결했고, 어떤 아이디어를 사용했으며, 현재 연구와 어떤 부분에서 연결되는가?”

를 중심으로 보려고 했다.

하지만 막상 논문을 읽기 시작하니 Video QA, VLM, Frame Sampling, Temporal Information, Zero-shot, Benchmark 등 익숙하지 않은 개념이 계속 등장했다.

결국 논문만 계속 읽기보다는 필요한 용어와 배경 개념부터 하나씩 공부하면서 논문의 흐름을 따라가기 시작했다.

3. 먼저 이해해야 했던 Video QA

IG-VLM을 이해하기 위해 가장 먼저 알아야 했던 것은 Video Question Answering(Video QA)이었다.

Video QA는 말 그대로

영상을 보고, 영상의 내용에 대한 질문에 답하는 문제

이다.

예를 들어 영상에서 사람이 컵을 집은 뒤 물을 마셨다고 하자.

질문이

“남자는 컵을 집은 뒤 무엇을 했는가?”

라면 모델은 단순히 컵이나 사람을 인식하는 것에서 끝나는 것이 아니라,

영상의 시간 흐름을 이해하고

“물을 마셨다.”

라고 답할 수 있어야 한다.

이미지 한 장을 이해하는 것과 영상 전체를 이해하는 것에는 차이가 있다.

영상에서는 여러 프레임에 걸쳐 사건이 발생하기 때문이다.

따라서 Video QA에서는

어떤 객체가 등장하는지
사람이 어떤 행동을 하는지
사건이 어떤 순서로 발생하는지
앞뒤 장면이 서로 어떤 관계를 가지는지

등을 함께 이해해야 한다.

이 과정에서 자주 등장한 개념이 Spatial Information과 Temporal Information이었다.

Spatial Information은 한 장면 안에서 객체들이 어떤 위치와 관계를 가지는지에 대한 정보이고,

Temporal Information은 시간에 따라 어떤 변화와 사건의 순서가 발생하는지에 대한 정보이다.

영상 이해에서는 이 두 정보를 모두 다루는 것이 중요하다.

4. VLM은 무엇인가?

논문을 읽으면서 가장 많이 등장했던 개념 중 하나는 VLM(Vision Language Model)이었다.

VLM은 이미지와 자연어를 함께 이해할 수 있는 멀티모달 모델이다.

기존 이미지 모델이

이미지 → 클래스

형태의 문제를 주로 해결했다면 VLM은 이미지에 대해 자연어로 질문하고 자연어로 답변할 수 있다.

예를 들어 이미지를 보여주고

“이 사진에서 사람이 무엇을 하고 있는가?”

라고 질문하면 이미지 내용을 이해한 뒤 자연어로 설명할 수 있다.

최근에는 이러한 Image VLM의 성능이 크게 발전했다.

그렇다면 자연스럽게 이런 질문이 생긴다.

이미지를 잘 이해하는 VLM을 활용해서 영상도 이해할 수 없을까?

IG-VLM은 바로 이 아이디어에서 출발한다.

5. IG-VLM의 핵심 아이디어

IG-VLM을 한 문장으로 정리하면 다음과 같다.

영상의 여러 프레임을 하나의 Image Grid로 구성한 뒤, 이를 기존 Image VLM에 입력하여 Video QA를 수행하는 방법이다.

방법 자체는 처음 보았을 때 생각보다 단순했다.

영상에서 여러 개의 프레임을 추출하고,

이를 다음과 같이 하나의 이미지 형태로 배치한다.

Frame 1 | Frame 2 | Frame 3
--------|---------|--------
Frame 4 | Frame 5 | Frame 6

이것이 Image Grid이다.

전체적인 흐름을 단순화하면 다음과 같다.

Video
↓
Frame Sampling
↓
여러 Frame 추출
↓
Image Grid 생성
↓
Image VLM
↓
Answer

결국 핵심은

Video 문제를 Image 문제의 형태로 변환하는 것

이라고 이해할 수 있었다.

6. 왜 굳이 Image Grid를 만드는가?

논문을 읽으면서 처음 들었던 의문은 이것이었다.

“그냥 Video VLM을 사용하면 되는 것 아닌가?”

하지만 IG-VLM의 관점에서는 이미 강력한 Image VLM의 시각적 이해 능력과 언어 추론 능력이 존재한다.

그렇다면 별도의 Video VLM을 새롭게 학습시키는 대신,

영상 정보를 Image VLM이 이해할 수 있는 형태로 변환하여 기존 모델의 능력을 활용할 수 있다.

즉,

새로운 Video VLM을 학습

하는 것과 다른 방향으로

Video
→ Image Grid
→ 기존 Image VLM 활용

이라는 접근을 선택한다.

이 부분이 개인적으로 가장 흥미로웠다.

AI 연구라고 하면 새로운 네트워크 구조를 만들거나 거대한 모델을 다시 학습해야 한다고 막연히 생각했는데,

IG-VLM은 입력 데이터를 어떻게 표현하느냐를 바꾸는 것만으로 새로운 문제를 풀고 있었다.

즉,

문제를 모델이 잘 이해할 수 있는 형태로 바꾸는 것 역시 중요한 연구 아이디어가 될 수 있다.

는 것을 알게 되었다.

7. 정적인 Image Grid에 시간 정보는 어떻게 들어갈까?

영상에서 중요한 것은 시간 순서다.

하지만 여러 프레임을 Grid로 만들면 결국 모델에게는 하나의 정적인 이미지로 전달된다.

그러면 처음에는 이런 의문이 들었다.

“이미지 한 장으로 바꾸면 영상의 시간 정보가 사라지는 것 아닐까?”

IG-VLM에서는 영상에서 추출한 프레임을 시간 순서대로 Grid에 배치한다.

예를 들어

t1 → t2 → t3
t4 → t5 → t6

처럼 배치한다.

즉 영상의 시간 정보를 별도의 복잡한 구조로 전달하는 대신 시간 순서가 유지된 이미지 배열을 통해 간접적으로 전달한다.

Image VLM이 한 이미지 안에 존재하는 여러 영역과 객체 사이의 관계를 이해할 수 있기 때문에

Grid 안에 시간 순서대로 배열된 여러 장면 사이에서도 어느 정도 변화와 관계를 추론할 수 있다는 것이 핵심이다.

8. 논문을 읽기 위해 따로 공부했던 용어들

이번에는 논문을 읽다가 모르는 단어가 나와도 그냥 넘어가지 않고 반복해서 등장하는 개념들은 따로 찾아보았다.

Video QA

Video Question Answering.

영상을 입력으로 받고 영상 내용에 대한 질문에 답하는 태스크이다.

Frame Sampling

영상의 모든 프레임을 사용하는 것이 아니라 일정한 기준에 따라 일부 프레임을 선택하는 과정이다.

영상에는 매우 많은 프레임이 존재하기 때문에 모든 프레임을 처리하면 계산량이 커진다.

Spatial Information

하나의 장면 내부에 존재하는 공간적인 정보이다.

예를 들어

사람이 자동차 옆에 서 있다.

와 같은 관계가 해당한다.

Temporal Information

시간의 흐름에 따라 발생하는 변화와 사건의 순서에 대한 정보이다.

예를 들어

문을 연다 → 방으로 들어간다 → 의자에 앉는다.

와 같은 관계다.

Zero-shot

특정 태스크를 위해 별도로 추가 학습하지 않고 기존 모델이 가지고 있는 능력을 이용하여 문제를 해결하는 설정이다.

Benchmark

모델의 성능을 평가하고 다른 방법들과 비교하기 위한 표준 데이터셋 또는 평가 환경이다.

Ablation Study

제안한 방법의 구성 요소를 하나씩 제거하거나 변경해보면서 어떤 요소가 실제 성능 향상에 영향을 주는지 확인하는 실험이다.

논문에서 처음에는 그냥 어려운 영어 단어처럼 보였던 용어들이 하나씩 연결되기 시작하면서 전체 내용을 이해하기가 훨씬 쉬워졌다.

9. 논문을 읽은 순서

처음에는 영어 논문을 첫 페이지부터 한 문장씩 모두 해석하려고 했다.

하지만 그렇게 읽다 보니 앞부분에서 시간이 너무 오래 걸리고 전체적인 내용이 머릿속에 잘 연결되지 않았다.

그래서 논문의 구조를 먼저 잡는 방향으로 읽는 방식을 바꾸었다.

Abstract
↓
Introduction
↓
Related Works
↓
Method
↓
Experiments
↓
Analysis & Ablation Studies
↓
Conclusion

그리고 각 Section마다 하나의 질문을 가지고 읽었다.

Abstract

이 논문은 결국 무엇을 제안하는가?

Introduction

기존 연구에는 어떤 문제가 있었는가?

Related Works

기존 연구들과 어떤 관계에 있는가?

Method

실제로 Video를 어떤 과정으로 처리하는가?

Experiments

어떤 Benchmark와 모델을 이용해 성능을 검증했는가?

Analysis & Ablation Studies

어떤 요소가 실제 성능에 영향을 주는가?

Conclusion

결국 저자들이 주장하고 싶은 핵심은 무엇인가?

이렇게 읽으니 문장을 하나씩 번역하는 것보다 논문의 전체적인 논리를 훨씬 쉽게 따라갈 수 있었다.

10. 논문의 표를 읽는 것도 하나의 공부였다

논문을 읽으면서 생각보다 많은 시간이 들었던 부분은 실험 결과 Table이었다.

처음에는 단순히

“숫자가 가장 높은 모델이 가장 좋은 모델이겠지.”

라고 생각했다.

하지만 실제로는 먼저 여러 조건을 확인해야 했다.

어떤 Benchmark인가?
어떤 Task를 평가하는가?
Open-ended 방식인가?
Multiple-choice 방식인가?
어떤 Base Model을 사용하는가?
동일한 조건의 모델들을 비교하고 있는가?

같은 Benchmark라고 생각했던 데이터셋도 실제 평가 방식이나 실험 설정에 따라 구분될 수 있었다.

그래서 단순히 결과 숫자만 보는 것이 아니라,

이 숫자가 어떤 조건에서 나온 결과인지

를 확인하는 것이 중요하다는 것을 알게 되었다.

이 경험 이후에는 논문의 Table이 단순히 모델들의 순위를 보여주는 성적표가 아니라,

저자가 자신의 연구 주장을 증명하기 위해 제시하는 근거

라는 관점으로 조금씩 보이기 시작했다.

11. Ablation Study를 보면서 연구의 질문을 이해하다

이번 논문에서 흥미롭게 본 부분 중 하나는 Ablation Study였다.

처음 논문을 읽었을 때는

“왜 비슷해 보이는 실험을 이렇게 많이 하지?”

라는 생각이 들었다.

하지만 Ablation Study의 목적을 알고 나니 의미가 달라졌다.

단순히

“우리 모델의 성능이 좋습니다.”

라고 주장하는 것만으로는 충분하지 않다.

연구에서는

“그렇다면 어떤 요소 때문에 성능이 좋아진 것인가?”

까지 설명할 필요가 있다.

그래서 Image Grid 구성 방법이나 사용하는 이미지의 수 등 여러 조건을 바꾸면서 결과가 어떻게 달라지는지 확인한다.

이를 단순화하면,

아이디어 제안
↓
실험
↓
성능 확인
↓
조건 변경
↓
원인 분석

이라는 흐름이다.

이 부분을 보면서 연구는 단순히 새로운 아이디어를 떠올리는 것이 아니라,

아이디어를 실험으로 검증하고 그 결과의 원인까지 설명하는 과정

이라는 것을 조금 이해하게 되었다.

12. 이번 과제를 하며 달라진 논문 읽는 방식

이번 일주일 동안 가장 크게 배운 것은 IG-VLM이라는 특정 모델의 구조보다 논문을 바라보는 방식이었다.

이전에는 논문을 보면

“어떤 모델을 만들었지?”

부터 확인하려고 했다.

하지만 지금은 다음과 같은 흐름을 먼저 보려고 한다.

Problem
↓
Existing Approach
↓
Limitation
↓
Research Question
↓
Proposed Method
↓
Experiment
↓
Result
↓
Analysis

결국 논문은

“새로운 모델을 만들었습니다.”

라는 설명문이 아니라,

“이러한 문제가 존재하고, 기존 방식에는 이러한 한계가 있어서, 이런 방법을 제안했고, 실험을 통해 실제로 효과가 있는지 확인했습니다.”

라는 하나의 논리적인 이야기였다.

이 구조를 이해하고 나니 논문의 각 Section이 왜 존재하는지도 조금씩 이해할 수 있었다.

13. 관련 논문을 읽는 이유도 조금 이해했다

이번 과제를 하면서 Related Works의 의미도 이전보다 명확해졌다.

처음에는 교수님이나 연구실에서 논문을 주시면

“이 논문을 완벽하게 이해해야 하는 건가?”

라는 부담이 있었다.

하지만 이번에 읽은 IG-VLM은 현재 연구실에서 그대로 진행하는 연구가 아니라,

박사님께서 진행 중인 연구를 이해하기 위한 여러 선행 연구 중 하나였다.

중요한 것은 논문의 모든 문장과 실험 숫자를 외우는 것이 아니라,

이 연구가 어떤 문제를 해결하는지
어떤 핵심 아이디어를 사용하는지
기존 연구와 어떤 차이가 있는지
우리가 진행하려는 연구와 어디에서 연결되는지

를 파악하는 것이었다.

결국 Related Works를 공부한다는 것은

현재 연구가 어디에서 출발했고, 주변에 어떤 연구들이 존재하는지 지도를 그리는 과정

이라는 생각이 들었다.

14. 9월 9일, 첫 일주일을 마무리한 랩미팅

9월 9일 수요일 오후 1시에는 일주일 동안 공부한 내용을 가지고 랩미팅에 참여했다.

이번에는 별도의 PPT나 발표자료를 만들지는 않았다.

처음 받았던 연구 과제 PDF와 IG-VLM 논문 PDF를 직접 펼쳐놓고, 일주일 동안 읽으면서 이해한 내용을 설명하는 방식으로 진행했다.

단순히 준비한 발표를 처음부터 끝까지 하는 형식이라기보다,

“나는 이 부분을 이렇게 이해했다.”

라고 설명하면 교수님과 박사님께서 추가적인 내용을 알려주시고,

이해가 잘 되지 않았던 부분에서는 직접 질문하면서 설명을 듣는 방식이었다.

논문을 혼자 읽을 때는

“내가 이해한 것이 맞나?”

라는 의문이 계속 있었는데,

랩미팅에서 직접 설명해보니 내가 정확히 이해한 부분과 아직 부족한 부분이 훨씬 명확하게 보였다.

특히 누군가에게 내용을 설명하려고 하면 단순히 눈으로 읽을 때와는 다르게

정말 내가 이해하고 있는가

가 바로 드러난다는 것을 느꼈다.

내가 설명한 내용을 기반으로 교수님과 박사님께서 다시 연구의 맥락을 설명해주시고,

논문을 읽으면서 생겼던 질문들을 직접 물어보면서 내가 혼자 공부했던 내용들이 조금씩 연결되었다.

첫 랩미팅이 단순한 과제 검사라기보다,

혼자 읽고 이해하기
↓
내 언어로 설명하기
↓
질문하기
↓
연구자의 설명 듣기
↓
잘못 이해한 부분 수정하기

의 과정에 가까웠다는 점이 좋았다.

15. 9월 2일 ~ 9월 9일, 학부연구생 첫 일주일

이렇게 9월 2일 처음 과제를 받은 이후 9월 9일 랩미팅까지 학부연구생으로서 첫 한 주가 지나갔다.

돌이켜보면 일주일 전에는

Video QA
VLM
Image Grid
Temporal Reasoning
Frame Sampling
Benchmark
Zero-shot
Ablation Study

같은 용어 대부분이 낯설었다.

처음에는 영어 논문의 긴 문장과 수많은 실험 표를 보면서 어디까지 이해해야 하는지도 감이 잘 오지 않았다.

하지만 모르는 용어를 하나씩 찾아보고,

논문의 각 Section이 어떤 역할을 하는지 생각하면서 읽고,

마지막에는 직접 PDF를 펼쳐놓고 다른 사람에게 설명해보면서 처음보다 훨씬 많은 내용이 연결되었다.

물론 IG-VLM 논문의 모든 내용을 완벽하게 이해했다고 할 수는 없다.

실험 세부 설정이나 각각의 Benchmark, 모델별 구조 차이 등 아직 공부해야 할 부분이 많이 남아 있다.

하지만 적어도 지금은 IG-VLM을

영상의 여러 프레임을 시간 순서에 따라 하나의 Image Grid로 구성하고, 이를 기존 Image VLM에 입력하여 Video QA를 수행하는 접근

이라고 내 언어로 설명할 수 있게 되었다.

무엇보다 이번 한 주를 통해

연구실에서 논문을 공부한다는 것이 어떤 느낌인지

처음 경험해볼 수 있었다.

마무리

2026년 9월 2일부터 9월 9일까지.

학부연구생으로서 처음 보낸 일주일 동안 현재 연구실에서 진행 중인 연구의 일부를 읽고, 그와 관련된 IG-VLM 논문을 공부했다.

처음에는 단순히

“영어 논문 한 편을 읽어야 한다.”

는 느낌이 강했다.

하지만 일주일 동안 공부하고 첫 랩미팅까지 참여하고 나니 이번 과제가 단순한 논문 읽기 과제가 아니었다는 생각이 든다.

이번 과정은 오히려

현재 연구의 문제 파악
↓
관련 연구 탐색
↓
필요한 개념 공부
↓
논문의 전체 흐름 이해
↓
Method와 Experiment 확인
↓
내 언어로 설명
↓
질문과 피드백

이라는 연구 공부의 기본적인 흐름을 처음 경험해본 시간에 가까웠다.

그리고 이번에 가장 인상 깊었던 IG-VLM의 아이디어는 생각보다 단순했다.

영상을 여러 이미지로 만들고,
여러 이미지를 하나의 Grid로 만들고,
이미 강력한 Image VLM에게 보여준다.

하지만 그 단순한 아이디어 뒤에는

기존 Image VLM의 능력을 어떻게 Video Understanding 문제에 활용할 것인가?

라는 연구 질문이 있었다.

이번 경험을 통해 연구에서 중요한 것은 단순히 복잡한 모델을 만드는 것이 아니라,

문제를 어떻게 정의하고, 기존 연구를 어떻게 이해하고, 어떤 한계를 발견하며, 그것을 어떤 방식으로 해결할 것인지 생각하는 것

이라는 점을 조금씩 배우고 있다.

학부연구생으로서 아직 첫 일주일을 보냈을 뿐이지만,

앞으로는 논문을 읽는 것에서 멈추지 않고

논문 → 코드 → 직접 실행 → 실험 → 이해

까지 연결하면서 연구를 하나씩 배워가려고 한다.

학부연구생 첫 주, 일단 논문을 두려워하지 않고 끝까지 한 번 따라가 본 것부터 시작이다.

경제금융용어 공부 615 : 파레토최적(Pareto Optimality)

MKISOS — Mon, 7 Sep 2026 21:00:51 +0900

파레토최적(Pareto Optimality)

파레토최적은 누군가의 상태를 더 좋게 만들기 위해서는 반드시 다른 누군가의 상태를 나쁘게 만들어야 하는 자원배분 상태를 의미한다. 쉽게 말하면 현재 주어진 자원을 가지고 더 이상 아무도 손해 보지 않는 방식으로 개선할 방법이 없는 상태이다.

1. 한 줄 정의

파레토최적은 다른 사람의 효용을 감소시키지 않고서는 어느 누구의 효용도 더 증가시킬 수 없는 효율적인 자원배분 상태이다.

2. 기본 개념

경제에는 한정된 자원이 존재한다.

노동, 자본, 토지, 원재료 등을 어떻게 배분하느냐에 따라 생산되는 재화의 양과 사람들이 얻는 만족이 달라진다.

이때 자원배분을 변경해서

누구도 손해를 보지 않으면서 최소 한 명이라도 더 좋아질 수 있다면

현재 상태는 아직 효율적이지 않다.

반대로 그런 개선이 더 이상 불가능하다면 파레토최적 상태라고 한다.

핵심 질문은 이것이다.

"누구도 손해 보지 않게 하면서 누군가를 더 좋게 만들 방법이 남아 있는가?"

있다면 파레토최적이 아니고, 없다면 파레토최적이다.

3. 파레토개선과 함께 이해하기

파레토최적을 이해하려면 파레토개선(Pareto Improvement)을 먼저 이해하면 쉽다.

파레토개선은

누구의 상태도 나빠지지 않으면서 최소 한 사람의 상태가 좋아지는 변화

를 의미한다.

예를 들어 A와 B가 빵을 나누어 가지고 있다고 하자.

빵이 하나 남아 있는데 아무도 가지고 있지 않다면 그 빵을 A에게 줄 수 있다.

A는 더 좋아지고 B는 아무런 손해를 보지 않는다.

따라서 이것은 파레토개선이다.

이처럼 파레토개선이 가능한 상태는 아직 파레토최적이 아니다.

반대로 남아 있는 빵이 하나도 없어서 A에게 빵을 더 주려면 B의 빵을 가져와야 한다면 더 이상의 파레토개선이 불가능하다.

이 상태가 파레토최적이다.

4. 쉽게 이해하는 예시

A와 B 두 사람이 피자 10조각을 나누어 먹는다고 생각해보자.

현재

A = 4조각

B = 4조각

이고 피자 2조각이 남아 있다.

남은 피자를 A와 B에게 나누어주면

A = 5조각

B = 5조각

이 된다.

누구도 손해를 보지 않았고 두 사람 모두 좋아졌다.

따라서 처음의 4:4 배분은 파레토최적이 아니다.

이제 피자 10조각을 모두 나눠 가진 상태에서

A = 5조각

B = 5조각

이라고 하자.

A에게 한 조각을 더 주려면 B에게서 한 조각을 가져와야 한다.

그러면

A = 6조각

B = 4조각

이 된다.

A는 좋아졌지만 B는 나빠졌다.

따라서 누구도 손해 보지 않으면서 추가적으로 개선할 방법이 없다면 5:5 상태는 파레토최적이라고 볼 수 있다.

5. 생산 측면의 파레토최적

생산에서는 한 재화의 생산량을 늘리기 위해 반드시 다른 재화의 생산량을 줄여야 하는 상태가 파레토최적이다.

예를 들어 한 경제가 자동차와 컴퓨터를 생산한다고 하자.

현재 가진 노동자, 공장, 기계 등의 자원을 모두 효율적으로 사용하고 있다면 자동차 생산을 더 늘리기 위해서는 컴퓨터 생산에 사용하던 자원을 가져와야 한다.

즉,

자동차 생산 ↑

→ 컴퓨터 생산 ↓

가 반드시 발생한다.

반대로 자동차 생산도 늘리고 컴퓨터 생산도 늘릴 수 있다면 아직 사용하지 않는 자원이 있거나 자원이 비효율적으로 배분되어 있다는 의미이므로 파레토최적 상태가 아니다.

이 개념은 생산가능곡선(PPF)과 연결해서 이해하면 쉽다.

생산가능곡선 내부는 자원이 비효율적으로 사용되는 상태이고, 생산가능곡선 위에서는 한 재화의 생산을 늘리기 위해 다른 재화의 생산을 줄여야 한다.

6. 교환 측면의 파레토최적

소비자 간의 재화 배분에서도 파레토최적을 생각할 수 있다.

교환 측면에서 파레토최적은 어느 한 소비자의 효용을 증가시키기 위해서는 반드시 다른 소비자의 효용을 감소시켜야 하는 상태를 의미한다.

예를 들어 A와 B가 사과와 바나나를 가지고 있다고 하자.

A는 바나나보다 사과를 좋아하고, B는 사과보다 바나나를 좋아한다면 서로 교환해서 두 사람 모두 만족도를 높일 수 있다.

이 경우 아직 파레토개선이 가능하다.

계속 교환하여 더 이상 한 사람의 만족도를 높이면서 다른 사람의 만족도를 유지할 방법이 없다면 파레토최적에 도달한 것이다.

7. 가장 중요한 특징

7-1. 효율성을 판단하는 개념이다

파레토최적은 자원이 낭비되고 있는지를 판단하는 기준이다.

더 이상의 파레토개선이 불가능하다면 자원이 효율적으로 배분된 상태라고 볼 수 있다.

7-2. 공평함을 의미하지 않는다

파레토최적에서 가장 주의해야 할 부분이다.

파레토최적 = 공평한 상태

가 아니다.

예를 들어 피자 10조각을

A = 10조각

B = 0조각

으로 나눴다고 하자.

극단적으로 불공평해 보인다.

하지만 A의 피자를 B에게 한 조각 주면 A가 가진 피자가 줄어들기 때문에 A의 상태가 나빠진다고 가정할 수 있다.

따라서 누구도 손해 보지 않으면서 B를 더 좋게 만들 방법이 없다.

이 경우에도 파레토최적이 될 수 있다.

즉, 파레토최적은

"공평한가?"

가 아니라

"추가적인 효율성 개선이 가능한가?"

를 판단하는 개념이다.

8. 파레토최적은 하나만 존재하지 않는다

파레토최적 상태는 반드시 하나만 존재하는 것이 아니다.

피자 10조각의 사례에서

A 5 : B 5

뿐만 아니라

A 7 : B 3

A 9 : B 1

등도 조건에 따라 파레토최적이 될 수 있다.

이미 모든 피자가 배분되어 있어서 한 사람에게 더 주려면 다른 사람에게서 가져와야 하기 때문이다.

따라서 파레토최적만으로는

어떤 분배가 사회적으로 가장 바람직한가

를 결정할 수 없다.

9. 관련 개념과의 차이

파레토개선 vs 파레토최적

파레토개선

누구도 나빠지지 않으면서 최소 한 사람이 좋아지는 변화

파레토최적

그러한 파레토개선이 더 이상 불가능한 상태

따라서

파레토개선을 반복 → 더 이상 개선 불가능 → 파레토최적

이라는 흐름으로 기억하면 쉽다.

효율성 vs 형평성

효율성

주어진 자원을 얼마나 낭비 없이 사용하는가

형평성

자원이 얼마나 공정하게 분배되어 있는가

파레토최적은 기본적으로 효율성에 관한 개념이지 형평성에 관한 개념이 아니다.

10. 경제적 의미

생산 관점

한 재화의 생산을 증가시키려면 반드시 다른 재화의 생산을 포기해야 한다면 생산자원이 효율적으로 활용되고 있는 상태라고 볼 수 있다.

소비 관점

한 사람의 만족을 높이려면 반드시 다른 사람의 만족을 감소시켜야 한다면 더 이상의 상호이익이 가능한 교환이 남아 있지 않은 상태이다.

정책 관점

어떤 정책으로 누군가는 이익을 얻고 다른 누군가는 손해를 본다면 단순한 파레토 기준만으로 그 정책이 바람직한지 판단하기 어렵다.

현실의 정책은 세금, 복지, 규제처럼 이해관계자 간 이익과 손실이 발생하는 경우가 많기 때문에 효율성뿐 아니라 형평성도 함께 고려해야 한다.

11. 정리

파레토최적은 누군가의 효용을 더 증가시키기 위해서는 반드시 다른 누군가의 효용을 감소시켜야 하는 상태를 의미한다. 생산 측면에서는 한 재화의 생산량을 늘리려면 다른 재화의 생산량을 줄여야 하고, 교환 측면에서는 한 소비자의 효용을 높이려면 다른 소비자의 효용이 감소해야 한다. 더 이상의 파레토개선이 불가능하다는 점에서 효율적인 자원배분 상태이지만, 소득분배의 공평함을 보장하지 않으며 파레토최적 상태도 여러 개 존재할 수 있다.

핵심 암기

파레토개선 = 아무도 손해 보지 않고 누군가는 이득

파레토최적 = 그런 개선이 더 이상 불가능

파레토최적 ≠ 공평한 분배

경제금융용어 공부 614 : 특수목적기구(SPV, Special Purpose Vehicle)

MKISOS — Sun, 6 Sep 2026 21:00:39 +0900

특수목적기구(SPV, Special Purpose Vehicle)

특수목적기구(SPV)는 특정한 금융거래나 사업만을 수행하기 위해 별도로 설립되는 법적 실체이다. 자산유동화에서는 금융기관 등이 보유한 대출채권 등의 자산을 SPV에 넘기고, SPV가 그 자산을 기반으로 자산유동화증권(ABS)을 발행한다. 핵심은 원래 자산을 가지고 있던 회사와 해당 자산을 법적으로 분리하는 것이다.

1. 한 줄 정의

특수목적기구(SPV)는 특정 목적을 수행하기 위해 설립되는 별도의 법적 기구로, 자산유동화에서는 기초자산을 원래 보유자와 분리하여 ABS를 발행하는 역할을 한다.

2. 왜 SPV가 필요할까?

은행 A가 수많은 대출채권을 가지고 있다고 생각해보자.

은행은 이 대출채권에서 앞으로 받을 돈을 기다리지 않고 현재 시점에서 현금화하고 싶을 수 있다.

이때 대출채권들을 묶어서 투자자에게 직접 판매하는 방법도 생각할 수 있지만 문제가 있다.

만약 은행이 나중에 파산하면 투자자가 매입한 대출채권까지 은행의 다른 자산과 함께 파산절차에 들어갈 가능성이 있기 때문이다.

그래서 대출채권을 별도로 설립한 SPV에 넘긴다.

이렇게 하면 원래 자산보유자와 기초자산의 법률적 관계를 분리할 수 있다.

3. 자산유동화 구조

전체적인 구조를 단순화하면 다음과 같다.

자산보유자 → 기초자산 양도 → SPV → ABS 발행 → 투자자

그리고 투자자가 ABS를 구입하면서 지급한 돈은 SPV를 거쳐 자산보유자에게 전달된다.

즉,

① 자산보유자가 기초자산을 모은다

↓

② 기초자산을 SPV에 양도한다

↓

③ SPV가 기초자산을 바탕으로 ABS를 발행한다

↓

④ 투자자가 ABS를 구입한다

↓

⑤ SPV가 받은 판매대금을 자산보유자에게 지급한다

이 과정을 통해 자산보유자는 미래에 받을 돈을 현재 현금으로 바꿀 수 있다.

4. 쉽게 이해하는 예시

은행 A가 주택담보대출채권 1,000억 원을 가지고 있다고 가정해보자.

은행은 대출자들에게 앞으로 수년 동안 원금과 이자를 받을 예정이다.

하지만 은행이 지금 새로운 대출을 해주려면 당장 현금이 필요할 수 있다.

그래서 은행은 1,000억 원 규모의 대출채권을 모아 SPV에 넘긴다.

SPV는 이 대출채권을 기초자산으로 ABS를 발행한다.

투자자들이 ABS를 구입하면 SPV에 현금이 들어오고, SPV는 이 돈을 은행에 지급한다.

결과적으로 은행은 미래에 받을 대출 원리금을 기다리지 않고 현재 자금을 확보할 수 있다.

투자자는 이후 기초자산에서 발생하는 현금흐름을 바탕으로 ABS의 원금과 이자를 지급받는다.

5. 가장 중요한 개념: 자산의 법적 분리

SPV를 이해할 때 가장 중요한 부분이다.

자산보유자가 기초자산을 SPV에 양도하면 해당 자산은 법적으로 원래 자산보유자와 분리된다.

즉,

자산보유자

와

유동화 대상 자산

사이에 법적인 거리를 만드는 것이다.

이러한 구조를 통해 ABS 투자자는 원래 자산보유자의 상황과 기초자산의 위험을 어느 정도 분리해서 볼 수 있게 된다.

따라서 ABS를 분석할 때는 단순히 원래 금융회사의 신용도만 보는 것이 아니라 SPV가 보유한 기초자산의 질과 현금흐름도 중요하다.

6. SPV의 주요 역할

6-1. 기초자산 인수

자산보유자로부터 대출채권 등 유동화할 자산을 양도받는다.

6-2. ABS 발행

양도받은 기초자산을 기반으로 자산유동화증권을 발행한다.

6-3. 자금 전달

투자자에게 ABS를 판매해 받은 자금을 자산보유자에게 자산 양도의 대가로 지급한다.

6-4. 자산의 법적 분리

기초자산을 원래 자산보유자의 다른 자산과 법적으로 분리하는 역할을 한다.

7. 자산유동화 참여자

자산유동화에는 SPV만 참여하는 것이 아니다.

자산보유자

대출채권 등 기초자산을 원래 가지고 있던 금융기관이나 기업이다.

기초자산을 모아 SPV에 양도한다.

SPV

기초자산을 넘겨받고 이를 기반으로 ABS를 발행한다.

투자자

SPV가 발행한 ABS를 구입한다.

자산관리자

SPV를 대신해 기초자산을 실제로 관리한다.

예를 들어 대출채권이라면 채무자로부터 돈을 회수하는 추심이나 채무자 관리 등의 업무를 담당한다.

신용평가기관

ABS의 신용위험을 분석하고 신용등급을 평가한다.

8. 왜 자산관리자가 따로 필요할까?

SPC는 실질적인 직원과 조직을 갖춘 일반적인 회사라기보다 특정한 자산유동화를 위해 만들어진 서류상의 회사에 가까울 수 있다.

따라서 직접 수많은 대출채권을 관리하고 채무자로부터 돈을 받아내는 업무를 수행하기 어렵다.

이 때문에 자산관리자가 대신

채권 관리
채무자 관리
원리금 회수
채권 추심

등의 실무를 담당한다.

일반적으로 기초자산을 가장 잘 알고 있는 기존 자산보유자가 자산관리자 역할을 수행하기도 한다.

9. SPV와 SPC의 차이

두 용어가 비슷해서 혼동하기 쉽다.

SPV

Special Purpose Vehicle

특정 목적을 수행하기 위해 만들어진 법적 기구를 포괄적으로 의미한다.

SPC

Special Purpose Company

특수목적기구 중 회사 형태로 설립된 것을 의미한다.

따라서 개념적으로는

SPV가 더 넓은 개념이고 SPC는 SPV의 한 형태

라고 이해하면 쉽다.

자산유동화에서는 SPC뿐 아니라 신탁회사 등이 SPV 역할을 할 수도 있다.

10. SPV와 ABS의 차이

SPV

자산유동화를 수행하기 위해 만들어진 기구

ABS

SPV가 기초자산을 기반으로 발행하는 증권

쉽게 말하면,

SPV = ABS를 발행하는 그릇

ABS = 그 그릇을 통해 투자자에게 판매되는 금융상품

이라고 이해하면 된다.

11. 전체 구조 한 번에 이해하기

예를 들어 은행이 1,000억 원의 대출채권을 가지고 있다고 하자.

은행

대출채권 1,000억 원 보유

↓

SPV 설립 및 대출채권 양도

은행과 대출채권을 법적으로 분리

↓

SPV

대출채권을 기초자산으로 ABS 발행

↓

투자자

ABS 매입

↓

투자자 자금 → SPV → 은행

은행은 미래에 받을 돈을 현재 현금화

↓

대출자들의 원리금 상환

↓

ABS 투자자의 원리금 지급에 활용

이것이 자산유동화에서 SPV가 사용되는 기본적인 구조이다.

12. 경제적 의미

금융기관 관점

대출채권처럼 장기간 묶여 있는 자산을 유동화하여 현금을 확보할 수 있다.

확보한 자금으로 새로운 대출이나 투자를 할 수도 있다.

투자자 관점

ABS라는 새로운 투자상품을 통해 대출채권 등의 현금흐름에 투자할 수 있다.

다만 투자자는 기초자산의 부실 가능성과 구조적인 위험을 확인해야 한다.

금융시장 관점

SPV를 활용하면 거래 목적에 맞게 자산을 분리하고 이를 증권화할 수 있어 자금조달 방식이 다양해진다.

결과적으로 금융기관의 자금순환과 자본시장의 효율성을 높이는 데 활용될 수 있다.

13. 정리

특수목적기구(SPV)는 특정 금융거래를 수행하기 위해 별도로 만들어지는 법적 기구이다. 자산유동화에서는 금융기관 등이 보유한 대출채권 등의 기초자산을 SPV에 양도하고, SPV가 이를 기반으로 ABS를 발행하여 투자자에게 판매한다. 이를 통해 자산보유자는 미래에 받을 현금흐름을 현재 자금으로 바꿀 수 있으며, 기초자산을 원래 자산보유자와 법적으로 분리할 수도 있다. SPV는 자산유동화의 '그릇', ABS는 그 그릇을 통해 발행되는 '증권'이라고 기억하면 이해하기 쉽다.

경제금융용어 공부 613 : 특별인출권(SDR, Special Drawing Rights)

MKISOS — Sat, 5 Sep 2026 21:00:04 +0900

특별인출권(SDR, Special Drawing Rights)

특별인출권(SDR)은 세계적으로 외환이 부족해지는 상황에 대비하기 위해 국제통화기금(IMF)이 만들어 회원국에 배분하는 국제준비자산이다. 쉽게 말하면 특정 국가가 발행하는 화폐는 아니지만, IMF 회원국들이 외환이 필요할 때 활용할 수 있는 일종의 국제적인 준비자산이다.

1. 한 줄 정의

특별인출권(SDR)은 국제유동성 부족에 대응하기 위해 IMF가 창출하여 회원국에 배분하는 국제준비자산이다.

2. 왜 만들어졌을까?

SDR을 이해하려면 당시의 브레튼우즈 체제를 알아야 한다.

브레튼우즈 체제에서는 미국 달러가 세계의 중심적인 기축통화 역할을 했고,

금 1온스 = 35달러

라는 비율로 달러를 금과 교환할 수 있었다.

하지만 1960년대 들어 세계경제가 성장하면서 국제거래에 필요한 달러의 양도 계속 증가했다.

미국이 세계에 달러를 계속 공급하면 달러가 지나치게 많아져 금태환 능력과 달러 가치에 대한 신뢰가 떨어질 수 있었다.

반대로 달러 공급을 줄이면 국제무역에 필요한 유동성이 부족해질 수 있었다.

이러한 국제통화체제의 문제에 대응하기 위해 IMF가 새로운 국제준비자산으로 만든 것이 SDR이다.

3. 쉽게 이해하는 예시

각 나라가 해외에서 물건을 사거나 외채를 갚으려면 달러 같은 국제적으로 인정되는 자산이 필요하다.

그런데 세계적인 금융위기가 발생해 여러 국가가 동시에 달러를 필요로 한다고 생각해보자.

달러 공급이 부족해지면 국가 간 거래와 외채 상환에 문제가 발생할 수 있다.

이때 IMF가 회원국들에게 SDR을 배분하면 각국은 이를 국제준비자산으로 보유하거나 필요한 경우 다른 회원국과 교환하여 외화를 확보할 수 있다.

즉, SDR은 세계경제에 비상용 국제유동성을 추가로 공급하는 장치라고 이해하면 쉽다.

4. SDR은 실제 화폐일까?

SDR은 달러나 원화처럼 사람들이 일상적으로 사용하는 화폐가 아니다.

마트에서

"SDR로 계산할게요."

라고 할 수 있는 것이 아니다.

SDR은 IMF 회원국과 일부 국제기관 사이에서 활용되는 국제준비자산이자 회계단위에 가깝다.

즉,

달러 = 실제 통화

SDR = IMF가 만든 국제준비자산

으로 구분해서 이해하면 된다.

5. SDR의 가치는 어떻게 결정될까?

처음 SDR이 도입될 당시에는 금과 달러를 기준으로 가치가 정해졌다.

당시에는

1 SDR = 1.2635달러 = 금 0.888671g

으로 설정되었다.

하지만 이후 달러 가치가 변하면서 SDR을 달러 하나에만 연결하는 방식에 문제가 생겼다.

그래서 1974년부터 여러 주요 통화를 묶어서 SDR의 가치를 결정하는 통화바스켓 방식을 사용하게 되었다.

현재 SDR 바스켓은 다음 5개 통화로 구성된다.

미국 달러(USD)
유로(EUR)
중국 위안(CNY)
일본 엔(JPY)
영국 파운드(GBP)

따라서 SDR의 가치는 특정 통화 하나가 아니라 주요 국제통화들의 가치를 종합해서 결정된다.

6. SDR은 어떻게 만들어질까?

SDR은 일반 화폐처럼 중앙은행이 마음대로 발행하는 것이 아니다.

IMF의 의사결정을 통해 SDR을 새롭게 창출하고 회원국에 배분한다.

국제적으로 유동성이 부족하다고 판단되면 IMF가 SDR을 추가로 배분하여 회원국들의 국제준비자산을 늘려줄 수 있다.

7. SDR은 어떻게 배분될까?

대표적인 방식은 일반배분이다.

일반배분에서는 IMF 회원국의 IMF 쿼타(Quota)를 기준으로 SDR이 배분된다.

예를 들어 IMF에서 차지하는 쿼타 비중이 높은 국가는 상대적으로 더 많은 SDR을 배분받는다.

따라서 SDR 배분 규모를 이해하려면 IMF 쿼타 개념도 함께 알아두는 것이 좋다.

8. SDR을 받으면 무엇을 할 수 있을까?

SDR을 배분받은 국가는 이를 국제준비자산으로 보유할 수 있다.

필요한 경우 SDR을 다른 회원국과 교환하여

달러
유로
엔
파운드
위안

등 실제 국제통화를 확보할 수도 있다.

특히 외환보유액이 부족하거나 국제수지가 악화된 국가에는 외화 유동성을 확보하는 수단이 될 수 있다.

9. 관련 개념과의 차이

SDR vs 달러

SDR

IMF가 창출
국제준비자산
일반적인 지급수단이 아님
여러 통화로 가치 결정

달러

미국이 발행
실제 화폐
국제결제에 직접 사용
대표적인 기축통화

SDR이 달러를 완전히 대체하는 세계화폐인 것은 아니다.

SDR vs 외환보유액

SDR

국제준비자산의 한 종류

외환보유액

중앙은행 등이 보유하는 전체 대외지급 준비자산

따라서 SDR은 외환보유액을 구성할 수 있는 자산 중 하나라고 이해하면 된다.

SDR vs IMF 구제금융

SDR 배분

IMF 회원국에 국제준비자산을 배분
일반적으로 IMF 쿼타 등을 기준으로 배분

IMF 구제금융

외환위기 등에 처한 국가가 IMF로부터 자금을 지원받음
일반적으로 정책 조건과 협상이 수반될 수 있음

둘 다 IMF와 관련되어 있지만 작동 방식은 다르다.

10. 트리핀 딜레마와의 관계

앞에서 살펴본 트리핀 딜레마와 연결하면 SDR이 만들어진 이유를 더 쉽게 이해할 수 있다.

달러가 세계의 핵심 준비통화 역할을 하면 미국이 세계에 달러를 계속 공급해야 한다.

하지만 달러를 지나치게 많이 공급하면 달러의 신뢰가 약해질 수 있다.

반대로 달러 공급을 줄이면 세계적으로 국제유동성이 부족해질 수 있다.

따라서 특정 국가의 통화에만 의존하지 않고 국제유동성을 보완하기 위한 준비자산의 필요성이 커졌고, 이러한 배경에서 SDR이 등장했다.

11. 경제적 의미

국제경제 관점

SDR은 세계적인 금융위기나 국제유동성 부족 상황에서 각국의 외환 부족 문제를 완화할 수 있는 수단이다.

IMF 관점

IMF는 SDR을 통해 국제통화체제에 추가적인 준비자산을 공급할 수 있다.

국가 관점

SDR을 배분받으면 외환보유액을 보완하고 대외지급 능력을 강화하는 효과를 얻을 수 있다.

투자 관점

SDR 자체는 개인투자자가 일반적인 금융상품처럼 투자하는 대상은 아니다.

다만 SDR 바스켓의 구성과 IMF의 대규모 SDR 배분은 국제금융시장과 글로벌 유동성을 이해하는 데 중요한 의미를 가진다.

12. 정리

특별인출권(SDR)은 국제유동성 부족에 대응하기 위해 IMF가 만든 국제준비자산이다. 특정 국가가 발행하는 화폐가 아니며, 일반인이 직접 사용하는 결제수단도 아니다. SDR의 가치는 미국 달러, 유로, 중국 위안, 일본 엔, 영국 파운드 등 주요 통화로 구성된 바스켓을 기준으로 결정된다. IMF는 필요에 따라 SDR을 창출하여 회원국에 배분하며, 회원국은 이를 외환보유액의 일부로 보유하거나 필요한 외화로 교환할 수 있다. 특히 트리핀 딜레마와 함께 이해하면 SDR이 왜 국제통화체제에 필요한지 쉽게 이해할 수 있다.

경제금융용어 공부 612 : 트리핀 딜레마(Triffin's Dilemma)

MKISOS — Fri, 4 Sep 2026 21:00:08 +0900

트리핀 딜레마(Triffin's Dilemma)

세계의 기축통화는 국제무역과 금융거래를 위해 충분히 공급되어야 한다. 하지만 기축통화를 많이 공급하려면 해당 국가가 지속적으로 대외적자를 내야 할 수 있고, 적자가 너무 커지면 오히려 그 통화에 대한 신뢰가 약해진다. 이처럼 기축통화를 세계에 충분히 공급해야 한다는 필요와 통화가치를 안정적으로 유지해야 한다는 필요가 충돌하는 문제를 트리핀 딜레마라고 한다.

1. 한 줄 정의

트리핀 딜레마는 기축통화국이 세계에 충분한 유동성을 공급하려면 적자를 내야 하지만, 적자가 계속되면 기축통화에 대한 신뢰가 약해지는 구조적 모순이다.

2. 기본 개념

트리핀 딜레마(Triffin's Dilemma)는 미국 경제학자 로버트 트리핀(Robert Triffin)이 1960년 제기한 기축통화체제의 구조적 문제이다.

당시 세계는 브레튼우즈 체제를 운영하고 있었다.

브레튼우즈 체제에서는 미국 달러를 국제결제의 중심통화로 사용했고, 미국은 달러를 금과 일정한 비율로 교환해 주기로 약속했다.

당시 기준은 다음과 같았다.

금 1온스 = 35달러

다른 나라들은 달러를 보유하면서 국제무역과 금융거래에 활용했다.

문제는 세계경제가 성장할수록 더 많은 달러가 필요하다는 점이었다.

미국이 세계에 달러를 공급하려면 미국에서 해외로 달러가 계속 빠져나가야 했고, 이는 미국의 대외수지 적자로 이어질 수밖에 없었다.

3. 왜 중요한가

기축통화는 세계경제에서 일종의 공용화폐 역할을 한다.

국가들은 국제무역을 하거나 외환보유액을 확보하기 위해 기축통화를 필요로 한다.

따라서 기축통화국은 세계에 충분한 통화를 공급해야 한다.

하지만 지나치게 많은 통화를 공급하면 기축통화국의 부채와 적자가 커지고 해당 통화의 가치에 대한 신뢰가 떨어질 수 있다.

반대로 기축통화국이 적자를 줄이고 통화가치를 지키려고 하면 세계에 공급되는 기축통화가 부족해져 국제무역과 금융거래가 위축될 수 있다.

이 두 목표를 동시에 완벽하게 달성하기 어렵다는 것이 트리핀 딜레마의 핵심이다.

4. 쉽게 이해하는 예시

실생활 예시

학교 축제에서 특정 학생이 만든 상품권을 모든 부스의 공용화폐로 사용한다고 가정해보자.

축제가 커질수록 더 많은 상품권이 필요하다.

그래서 해당 학생이 상품권을 계속 발행하면 거래는 활발해진다.

하지만 상품권이 너무 많이 발행되면 사람들이

"이 상품권 정말 나중에도 가치가 있을까?"

라고 의심하기 시작할 수 있다.

반대로 상품권의 신뢰를 지키겠다고 발행량을 지나치게 줄이면 축제에서 사용할 돈이 부족해 거래가 어려워진다.

이것이 트리핀 딜레마와 비슷한 구조이다.

브레튼우즈 체제 예시

세계경제가 성장하면서 각국은 국제결제를 위해 더 많은 달러를 필요로 했다.

미국은 해외에 달러를 공급하기 위해 지속적으로 달러를 내보냈다.

그 결과 해외에서 보유한 달러가 크게 증가했다.

그런데 미국이 보유한 금보다 해외에 존재하는 달러가 지나치게 많아지면

"미국이 정말 모든 달러를 금으로 바꿔줄 수 있는가?"

라는 의문이 생길 수밖에 없다.

결국 달러에 대한 신뢰가 흔들리면서 브레튼우즈 체제에도 부담이 커졌다.

5. 핵심 특징

5-1. 기축통화국의 적자가 필요하다

세계에 기축통화를 충분히 공급하려면 기축통화국에서 해외로 통화가 지속적으로 공급되어야 한다.

이 과정에서 기축통화국은 대외수지 적자를 기록할 수 있다.

5-2. 적자가 커지면 신뢰가 떨어진다

기축통화국의 적자와 부채가 계속 증가하면 해당 통화의 가치와 신용에 대한 불안이 커질 수 있다.

5-3. 흑자를 유지해도 문제가 발생한다

기축통화국이 통화가치를 지키기 위해 지속적인 흑자를 유지하면 세계시장에 공급되는 기축통화가 부족해질 수 있다.

그 결과 국제무역과 금융거래가 위축될 수 있다.

5-4. 기축통화체제 자체의 구조적 문제이다

트리핀 딜레마는 특정 정부의 잘못된 정책만으로 발생하는 문제가 아니다.

한 국가의 통화가 세계 기축통화 역할을 수행할 때 발생할 수 있는 구조적인 모순이다.

6. 관련 개념과의 차이

트리핀 딜레마 vs 브레튼우즈 체제

트리핀 딜레마

기축통화체제가 가진 구조적인 모순
국제 유동성 공급과 통화 신뢰 사이의 충돌을 설명함

브레튼우즈 체제

달러를 중심으로 운영된 국제통화체제
달러를 금과 일정한 가격으로 교환하도록 설계됨

즉, 브레튼우즈 체제는 당시의 국제통화제도이고 트리핀 딜레마는 그 체제가 가진 문제를 설명하는 이론이다.

기축통화 vs 일반 통화

기축통화

국제무역과 금융거래에서 널리 사용됨
각국 중앙은행이 외환보유액으로 보유함
대표적으로 달러가 사용됨

일반 통화

주로 해당 국가 내부에서 사용됨
국제적인 활용 범위가 상대적으로 제한적임

기축통화는 국내뿐 아니라 세계경제 전체에 충분한 유동성을 공급해야 한다는 추가적인 역할을 가진다.

트리핀 딜레마 vs 경상수지 적자

경상수지 적자

한 국가의 상품·서비스 거래 등에서 외화 유출이 유입보다 많은 상태

트리핀 딜레마

기축통화국이 세계에 통화를 공급하기 위해 적자를 지속해야 하지만, 그 적자가 통화 신뢰를 훼손할 수 있다는 구조적 문제

경상수지 적자는 하나의 경제현상이고, 트리핀 딜레마는 기축통화국의 적자와 국제통화체제 사이의 모순을 설명하는 개념이다.

7. 경제적 의미

국가경제 관점

기축통화국은 자국 경제뿐 아니라 세계경제에 필요한 유동성까지 고려해야 하는 특별한 위치에 있다.

국내 경제 안정과 국제금융시장의 요구가 서로 충돌할 수 있다는 점에서 정책 운용이 어려워진다.

국제경제 관점

세계경제가 성장하려면 국제거래에 사용할 충분한 기축통화가 필요하다.

하지만 특정 국가의 통화에 지나치게 의존하면 해당 국가의 재정과 대외수지 문제가 세계 금융시스템 전체의 불안으로 연결될 수 있다.

금융시장 관점

기축통화에 대한 신뢰가 흔들리면 환율, 채권시장, 금 가격, 외환보유액 운용 등 글로벌 금융시장 전반에 큰 영향을 줄 수 있다.

따라서 기축통화국의 재정적자와 대외수지, 통화정책은 전 세계 투자자들이 중요하게 살펴보는 변수이다.

투자 관점

트리핀 딜레마를 이해하면 미국의 무역적자나 재정적자를 단순히 일반 국가의 적자와 동일하게 해석해서는 안 된다는 점을 알 수 있다.

달러가 국제 기축통화 역할을 하는 한 세계경제가 달러 유동성을 필요로 하기 때문에 미국의 대외적자와 글로벌 달러 공급은 서로 밀접하게 연결되어 있기 때문이다.

8. 정리

트리핀 딜레마는 기축통화국이 세계에 충분한 통화를 공급하려면 지속적인 대외적자가 필요하지만, 적자가 누적될수록 기축통화에 대한 신뢰가 약해지는 구조적 모순을 의미한다. 반대로 적자를 줄이면 통화의 신뢰는 높일 수 있지만 세계에 공급되는 유동성이 부족해질 수 있다. 로버트 트리핀은 이러한 문제를 통해 브레튼우즈 체제의 내재적 한계를 설명했다. 트리핀 딜레마는 오늘날에도 달러 중심 국제통화체제의 구조를 이해하는 데 중요한 경제 개념이다.

경제금융용어 공부 611 : 투자은행(Investment Bank)

MKISOS — Thu, 3 Sep 2026 21:00:09 +0900

투자은행(Investment Bank)

투자은행은 일반 은행처럼 고객의 예금을 받아 대출하는 곳이 아니다. 기업이 주식이나 채권을 발행해 자금을 조달하도록 돕고, 인수합병과 기업공개, 자산관리와 파생상품 거래 등을 수행하는 금융회사이다. 쉽게 말해 기업과 자본시장을 연결하는 역할을 하는 금융기관이다.

1. 한 줄 정의

투자은행은 기업의 주식·채권 발행, 인수합병, 자산관리 등을 통해 자본시장에서 자금조달을 지원하는 금융회사이다.

2. 기본 개념

투자은행(Investment Bank)은 기업이나 정부가 자본시장에서 자금을 조달할 수 있도록 지원하는 금융회사이다.

상업은행이 예금을 받아 개인이나 기업에 대출하는 전통적인 은행업을 중심으로 한다면, 투자은행은 주식과 채권 같은 유가증권을 발행하고 판매하는 업무를 중심으로 한다.

대표적인 업무는 다음과 같다.

기업공개(IPO) 주관
회사채 발행 지원
인수합병(M&A) 자문
유가증권 인수 및 판매
자산관리
파생상품 거래
자기자본 투자

투자은행은 증권회사와 유사한 성격을 가지며 기업과 투자자를 연결하는 딜러 또는 브로커 역할을 한다.

3. 왜 중요한가

기업이 성장하려면 많은 자금이 필요하다.

은행대출만으로는 대규모 공장 건설, 해외 진출, 기업 인수와 같은 사업에 필요한 자금을 모두 마련하기 어려울 수 있다.

이때 투자은행은 기업이 주식이나 채권을 발행해 시장에서 직접 자금을 조달하도록 돕는다.

또한 기업가치를 분석하고 적절한 발행가격을 결정하며 투자자를 모집하는 역할도 수행한다.

따라서 투자은행은 자본이 필요한 기업과 투자처를 찾는 투자자를 연결해 자금이 효율적으로 이동하도록 만드는 핵심 금융기관이다.

4. 쉽게 이해하는 예시

스타트업 예시

성장한 스타트업이 코스닥 상장을 준비한다고 가정해보자.

회사는 상장 절차와 적정 기업가치, 공모가격을 스스로 결정하기 어렵다.

투자은행은 기업을 분석하고 상장 절차를 설계하며 기관투자자와 일반 투자자에게 주식을 판매할 수 있도록 지원한다.

이 과정이 기업공개 주관 업무이다.

기업 인수 예시

A기업이 해외의 B기업을 인수하려고 한다.

하지만 B기업의 가치가 얼마인지, 어떤 방식으로 자금을 마련해야 하는지, 계약 조건은 어떻게 정해야 하는지 판단하기 어렵다.

투자은행은 B기업의 가치를 평가하고 인수구조와 자금조달 방식을 설계하며 협상을 지원한다.

회사채 발행 예시

대기업이 신규 공장을 건설하기 위해 1조 원이 필요하다고 가정해보자.

투자은행은 회사채의 만기와 금리를 설계하고 채권을 매입할 투자자를 모집한다.

기업은 은행대출이 아니라 자본시장을 통해 필요한 자금을 확보할 수 있다.

5. 핵심 특징

5-1. 자본시장을 통한 자금조달을 지원한다

투자은행은 기업이 주식과 채권을 발행하여 투자자에게 직접 자금을 조달하도록 돕는다.

이를 직접금융이라고 한다.

5-2. 기업금융 업무를 수행한다

기업공개, 회사채 발행, 인수합병, 구조조정 등 기업의 중요한 재무 의사결정을 지원한다.

5-3. 위험이 높은 업무도 수행한다

투자은행은 자기자본으로 금융상품이나 기업에 직접 투자하기도 한다.

이 과정에서 높은 수익을 얻을 수 있지만 손실 위험도 크다.

5-4. 전문성과 정보력이 중요하다

기업가치 평가, 시장분석, 금융상품 설계, 투자자 모집 등 복잡한 업무를 수행하므로 높은 수준의 금융 전문성이 필요하다.

6. 관련 개념과의 차이

투자은행 vs 상업은행

투자은행

주식과 채권 발행을 지원함
인수합병과 기업공개 업무를 수행함
자본시장 중심임
수수료와 투자수익이 주요 수익원임

상업은행

예금을 받아 대출함
개인과 기업의 예금·대출 업무를 수행함
예대마진이 주요 수익원임
비교적 안정적인 은행업 중심임

상업은행은 예금과 대출을 연결하고, 투자은행은 기업과 자본시장을 연결한다.

투자은행 vs 증권회사

투자은행

기업금융과 대형 자금조달에 초점을 둠
IPO, 회사채, M&A 자문 등을 수행함
자기자본 투자와 구조화 금융도 수행할 수 있음

증권회사

주식과 채권 매매 중개 업무를 수행함
개인투자자의 거래를 지원함
자산관리와 금융상품 판매도 수행함

우리나라에서는 대형 증권회사가 투자은행 업무를 함께 수행하는 경우가 많아 두 개념의 경계가 겹치는 부분이 있다.

투자은행 vs 자산운용사

투자은행

기업의 자금조달과 거래를 중개함
주식·채권 발행과 M&A를 지원함

자산운용사

투자자로부터 모은 돈을 주식, 채권 등에 투자함
펀드 운용이 중심임

투자은행은 거래와 자금조달을 설계하고, 자산운용사는 자금을 실제로 운용한다.

7. 경제적 의미

국가경제 관점

투자은행은 자금이 필요한 기업에 대규모 자본을 공급해 산업 성장과 기업 투자를 촉진한다.

또한 기업 구조조정과 인수합병을 지원해 자원이 효율적으로 재배치되도록 돕는다.

기업 관점

기업은 투자은행을 통해 대규모 자금을 조달하고 상장, 인수합병, 해외 진출 같은 복잡한 거래를 추진할 수 있다.

다만 수수료가 높고 시장 상황에 따라 자금조달이 어려워질 수 있다.

금융시장 관점

투자은행은 기업과 투자자를 연결하고 새로운 금융상품을 공급해 자본시장의 유동성과 효율성을 높인다.

반면 과도한 레버리지와 고위험 투자가 확대되면 금융시장 불안을 키울 수 있다.

글로벌 금융위기 당시 일부 대형 투자은행이 고위험 주택담보 관련 상품에 과도하게 투자하면서 큰 손실을 입은 사례가 이를 보여준다.

투자 관점

투자자는 IPO, 회사채, M&A 거래를 분석할 때 주관 투자은행의 역할을 살펴볼 필요가 있다.

다만 투자은행이 거래를 주관했다고 해서 투자 성공이 보장되는 것은 아니다. 발행기업의 실적과 기업가치, 시장 상황을 별도로 분석해야 한다.

8. 정리

투자은행은 기업이 주식과 채권을 발행해 자금을 조달하도록 돕고, 기업공개와 인수합병, 자산관리와 파생상품 거래 등을 수행하는 금융회사이다. 예금과 대출을 중심으로 하는 상업은행과 달리 자본시장과 기업금융 업무에 초점을 둔다. 투자은행은 기업 성장과 자본시장 발전에 중요한 역할을 하지만, 자기자본 투자와 복잡한 금융상품 거래로 인해 높은 위험을 부담하기도 한다. 우리나라에서는 대형 증권회사가 투자은행 업무를 수행하며 기업금융과 자본시장 활성화를 지원하고 있다.

경제금융용어 공부 610 : 투자율(Investment Rate)

MKISOS — Wed, 2 Sep 2026 21:00:23 +0900

투자율(Investment Rate)

투자율은 한 나라가 일정 기간 동안 벌어들인 소득 중 얼마나 많은 부분을 미래를 위해 투자했는지를 나타내는 경제지표이다. 투자율이 높을수록 현재 소비보다 미래의 생산능력을 늘리는 데 더 많은 자금을 사용하고 있다는 의미이며, 장기적인 경제성장과 밀접한 관련이 있다.

1. 한 줄 정의

투자율은 국민총처분가능소득 중 투자에 사용된 금액의 비율을 의미한다.

2. 투자율이란?

국민경제는 생산을 통해 소득을 얻고, 그 소득을 소비하거나 저축한다.

저축된 자금은 다시 기업의 설비투자, 건설투자, 연구개발(R&D) 등 미래 생산능력을 높이는 투자로 이어진다.

즉,

"벌어들인 소득 가운데 얼마나 미래를 위해 투자했는가?"

를 나타내는 지표가 투자율이다.

3. 투자율 계산

투자율 = 투자액 ÷ 국민총처분가능소득 × 100

예를 들어,

국민총처분가능소득 : 2,000조 원
총투자 : 500조 원

이라면,

투자율은 **25%**이다.

즉, 국민이 벌어들인 소득의 25%를 미래 생산능력을 높이는 데 투자했다는 의미이다.

4. 투자의 종류

투자는 투자 대상에 따라 두 가지로 나뉜다.

국내총투자

국내에서 이루어지는 투자이다.

예를 들어

공장 건설
기계 구입
아파트 건설
연구개발(R&D)
사회간접자본(SOC) 투자

등이 모두 포함된다.

국외투자

해외에 이루어지는 투자이다.

예를 들어

해외 공장 설립
해외 기업 인수(M&A)
해외 부동산 투자
해외 주식 투자

등이 해당된다.

5. 총저축률과의 관계

국민경제에서는 저축과 투자가 항상 연결된다.

국민이 저축한 돈은 결국 투자 재원이 되기 때문이다.

따라서 다음과 같은 관계가 성립한다.

총저축률 = 총투자율 = 국내총투자율 + 국외투자율

즉,

국민이 저축한 돈은 국내에 투자되거나 해외에 투자된다.

6. 쉽게 이해하는 예시

개인의 경우

연봉이 5,000만 원이라고 하자.

이 중

생활비 : 3,500만 원
투자 : 1,000만 원
저축 : 500만 원

이라면,

투자율은

1,000 ÷ 5,000 = 20%

가 된다.

즉, 번 돈의 20%를 미래 자산을 늘리는 데 사용한 것이다.

국가의 경우

국민총처분가능소득이 1,000조 원이고,

국내투자 : 220조 원
해외투자 : 30조 원

이라면,

총투자율은

250 ÷ 1,000 = 25%

이며,

국내총투자율 : 22%
국외투자율 : 3%

가 된다.

7. 투자율이 높은 경우

투자율이 높다는 것은 미래 생산능력을 키우기 위한 투자가 활발하다는 의미이다.

장점

경제성장 기반 확대
생산성 향상
일자리 증가
기술혁신 촉진

단점

현재 소비 감소
과잉투자 가능성
부동산·설비 버블 위험

8. 투자율이 낮은 경우

투자가 줄어든 상태를 의미한다.

장점

현재 소비 증가
단기 경기 부양 가능

단점

성장잠재력 감소
생산능력 둔화
장기 경제성장 둔화

9. 관련 개념 비교

투자율 vs 저축률

투자율

소득 중 실제 투자된 비율

저축률

소득 중 소비하지 않고 남긴 비율

국민경제 전체에서는 저축이 결국 투자로 이어지므로 두 지표는 밀접한 관계를 가진다.

투자율 vs 소비율

투자율

미래를 위한 지출

소비율

현재 생활을 위한 지출

소비와 투자는 국민소득을 사용하는 대표적인 두 방법이다.

국내총투자 vs 국외투자

국내총투자

국내 공장, 건설, 설비 등에 투자

국외투자

해외 기업, 공장, 부동산 등에 투자

둘을 합한 것이 총투자이다.

10. 경제적 의미

정부 관점

투자율은 경제의 성장잠재력을 판단하는 중요한 지표이다.

투자가 지나치게 감소하면 경기부양 정책을 검토할 수 있다.

기업 관점

기업들은 투자율이 높은 시기에 설비투자와 생산 확대를 추진하는 경우가 많다.

투자자 관점

투자율이 꾸준히 높은 국가는 장기적으로 경제성장 가능성이 높아질 수 있다.

다만 투자율이 지나치게 높으면 과잉투자나 자산 버블이 발생할 가능성도 함께 고려해야 한다.

11. 정리

투자율은 국민총처분가능소득 중 미래 생산능력을 높이기 위한 투자에 사용된 비율을 의미한다. 투자율이 높을수록 경제의 성장 기반이 확대될 가능성이 크지만, 과도한 투자로 인한 비효율이나 버블 위험도 존재한다. 국민경제에서는 총저축률 = 총투자율 = 국내총투자율 + 국외투자율이라는 관계가 성립하며, 투자율은 국가의 성장성과 경제 활력을 평가하는 대표적인 거시경제지표이다.

[UNIKER] 10주간 CampusLog를 만들며 배운 것｜아이디어에서 실제 서비스까지

MKISOS — Tue, 1 Sep 2026 23:26:44 +0900

2026년 여름, 약 10주 동안 참여했던 커널아카데미 대학생 AI 크루 UNIKER 1기 활동이 끝났다.
6월 발대식에서 처음 팀을 만들고 아이디어를 이야기했던 것이 얼마 전 같은데 어느새 서비스를 기획하고 개발하고 사용자에게 보여주고 마지막 데모데이에서 직접 발표까지 마쳤다.

이번 활동에서 우리 팀 ‘핏줄’은 대학생의 경험을 기록하고 다시 활용할 수 있도록 도와주는 AI 경험 관리 서비스 CampusLog를 만들었다.
수상이라는 결과까지 가져오지는 못했지만 오히려 마지막 발표와 다른 팀들의 서비스를 보면서 앞으로 개발하거나 서비스를 만들 때 기억하고 싶은 것들이 훨씬 선명해졌다.

이번 글에서는 CampusLog를 만들었던 지난 10주와 UNIKER 1기 최종 데모데이, 그리고 활동을 마치며 느낀 점을 정리해보려고 한다.

STEP 1. 아이디어 하나에서 시작한 CampusLog

UNIKER는 AI를 활용해 대학생활 속 문제를 직접 서비스로 해결해보는 프로그램이었다.
발대식에서 처음 팀을 구성한 뒤 우리 팀은 ‘핏줄’이라는 이름으로 활동을 시작했다.
그리고 우리가 처음 주목했던 문제는 대학생들이 취업이나 인턴, 대외활동에 지원할 때마다 반복해서 겪는 일이었다.
“내가 지금까지 무엇을 했었지?”
대학생활을 하다 보면 프로젝트, 공모전, 대외활동, 동아리 등 다양한 경험을 하게 된다.
하지만 당시 작성했던 문서와 사진, Notion, 블로그, GitHub 기록들은 여러 곳에 흩어진다.
시간이 지난 뒤 자기소개서를 작성하거나 면접을 준비하려고 하면 예전에 무엇을 했는지 다시 찾아보고, 그 경험에서 내가 무엇을 배웠는지 다시 정리해야 했다.
그래서 생각했다.
대학생활 동안의 경험을 평소에 기록해두고, 필요한 순간 AI가 그 경험을 다시 꺼내준다면 어떨까?
그렇게 시작한 서비스가 CampusLog였다.

STEP 2. 기획에서 실제 작동하는 서비스까지

처음에는 아이디어 정도였지만 10주 동안 조금씩 형태를 만들어갔다.
사용자가 프로젝트나 대외활동 경험을 기록하면 AI가 내용을 분석하고, 단순한 일기 형태의 기록을 이후 활용할 수 있는 ‘경험 데이터’로 바꾸는 것을 목표로 했다.
CampusLog에서는 경험 기록을 바탕으로 AI가 내용을 분석하고 STAR 구조로 정리하며, 자기소개서나 면접, 채용공고와 같은 목적에 맞춰 적합한 경험을 다시 추천할 수 있도록 했다.
개발 과정에서는 단순히 화면 몇 개를 만드는 데서 끝내고 싶지는 않았다.
실제로 다른 사람이 접속해서 사용할 수 있도록 서비스를 배포하고, AI 기능을 연결하고, 로그인부터 경험 기록·분석·추천까지 하나의 사용자 흐름으로 이어지도록 계속 수정했다.
개발 막바지에는 테스트와 안정성도 집중적으로 확인했다.
최종적으로 243개의 테스트를 통과하고 35개의 사용자 시나리오를 검증하면서 데모 상황에서도 최대한 안정적으로 동작할 수 있도록 준비했다.

AI에게 단순히 코드를 만들어달라고 하는 것이 아니라 프로젝트의 구조와 규칙, 테스트 방법을 이해시키고 함께 개발하는 방법도 많이 배울 수 있었다.

STEP 3. 기능을 만드는 것보다 어려웠던 ‘사용자 경험’

서비스가 어느 정도 완성되면서 직접 사람들에게 사용을 부탁하기 시작했다.
지인들에게 CampusLog를 사용하게 하고, 실제 사용 과정에서 어떤 부분이 불편한지 확인했다.
이 과정에서 개발할 때는 생각하지 못했던 문제들이 계속 발견됐다.
회원가입이나 로그인 과정부터 처음 화면에서 어디로 가야 하는지, AI 분석 결과를 어디에서 확인해야 하는지, 경험 목록이 너무 길지는 않은지 등 실제 사용자의 시선은 개발자의 시선과 많이 달랐다.

피드백을 바탕으로 화면 구조를 수정하고, 목록을 정리하고, AI 분석 과정에서도 사용자가 다른 작업을 할 수 있도록 개선하는 등 여러 UX를 계속 수정했다.

그런데 프로젝트가 끝나고 나니 여기서 한 단계 더 나갔어야 했다는 생각도 들었다.
지인 몇 명에게 사용을 부탁하는 것을 넘어 실제로 다양한 사용자를 모았으면 어땠을까?
SNS나 커뮤니티를 통해 CampusLog를 알리고,

몇 명이 서비스에 들어왔는지
몇 명이 실제 경험을 등록했는지
AI 분석까지 사용한 사람은 몇 명인지
다시 서비스를 사용한 사람은 얼마나 되는지

이런 데이터를 만들었다면 서비스의 가능성을 훨씬 구체적으로 이야기할 수 있었을 것이다.
이번 활동을 통해 처음으로 강하게 느꼈다.
서비스 개발은 기능을 완성했다고 끝나는 것이 아니었다.

STEP 4. 8월 31일, UNIKER 1기 최종 데모데이

2026년 8월 31일.
서울 센터필드 EAST 3층 회의실에서 UNIKER 1기 마지막 일정인 최종 데모데이가 진행됐다.
행사는 오후 2시 30분부터 6시까지 진행됐고, 총 10개의 팀이 지난 10주 동안 만든 서비스를 발표했다.

발표 순서는
트리온 → 운이-커 → 편리하대 → 캐치업 → 내가너좋아하면안되나 → 핏줄 → 몽키즈 → 쩜팔 → 번아웃을-막아조 → 딸깍
순서였다.

우리 팀 핏줄은 여섯 번째였다.
현장에서 UNIKER 공식 티셔츠를 입고, 지난 10주 동안 개발했던 CampusLog의 문제 정의부터 기획 과정, 서비스 구조와 실제 데모까지 발표했다.

실제 발표에 올라가니 역시 아쉬운 부분은 있었다.
특히 다른 팀들의 발표를 보면서 서비스를 잘 만드는 것과 그것을 잘 전달하는 것은 또 다른 능력이라는 것을 많이 느꼈다.
앞으로는 개발뿐 아니라 발표 역시 하나의 기술이라고 생각하고 조금 더 체계적으로 연습해보고 싶어졌다.

~~그리고 개인적으로 하나 더.~~
~~발표할 때만큼은 사투리도 조금 고쳐보고 싶어졌다. ㅎㅎ~~

STEP 5. 다른 팀들의 발표에서 받은 자극

이번 데모데이에서는 우리 발표만큼이나 다른 팀들의 서비스를 보는 경험도 인상 깊었다.

편리하대 — 제품처럼 느껴졌던 높은 완성도

특히 기억에 남았던 팀 중 하나는 편리하대였다.
인플루언서가 옷을 추천해주는 형태의 서비스였는데 처음 봤을 때부터 전체적인 디자인과 서비스의 완성도가 상당히 높아 보였다.
단순히 기능이 작동한다는 느낌보다 실제로 출시된 제품을 보는 것 같은 인상이 있었다.
이번 CampusLog를 만들면서 기능 구현에 많은 관심을 두었는데, 편리하대의 발표를 보면서 사용자가 처음 서비스를 보는 순간 느끼는 시각적인 완성도 역시 제품의 중요한 경쟁력이라는 것을 다시 느꼈다.

몽키즈 — 10주 동안 이렇게까지 달라질 수 있구나

몽키즈 역시 상당히 인상적이었다.
중간 데모데이 때 봤던 모습과 비교하면 서비스가 정말 많이 발전해 있었다.
특히 메타버스와 여러 컴퓨터 비전 기술을 서비스 안에서 구현한 모습을 보면서 많이 놀랐다.
학교에서 컴퓨터 그래픽스 수업을 통해 기술을 접했던 경험은 있었지만 그것이 실제 사용자 서비스의 형태로 구현되는 모습은 또 다르게 다가왔다.
짧은 기간 동안 아이디어를 크게 발전시키고 기술적으로 구현해낸 과정 자체가 많은 자극이 됐다.

번아웃을-막아조와 트리온 — ‘근거가 있는 발표’

번아웃을-막아조와 트리온의 발표에서는 또 다른 점을 배울 수 있었다.
두 팀 모두
왜 이 문제를 선택했는지 → 어떤 문제인지 → 왜 이런 해결 방법을 선택했는지
가 자연스럽게 연결됐다.

특히 발표에서 하는 주장 하나하나에 근거가 있다는 느낌을 받아서 서비스에 대한 신뢰가 생겼다.
그 모습을 보면서 좋은 발표는 단순히 말을 잘하는 것이 아니라,
‘내가 왜 이런 판단을 했는지 상대방이 납득할 수 있도록 만드는 과정’
이라는 생각이 들었다.

사실 특정 몇 팀뿐만 아니라 이날 발표했던 모든 팀이 정말 발표를 잘했다.
각자 완전히 다른 문제를 바라보고, 10주 동안 그것을 실제 결과물로 만들어낸 모습을 보면서 많은 아이디어와 자극을 받을 수 있었다.

STEP 6. 최종 발표 이후 받은 피드백

CampusLog 발표 이후에도 서비스의 다음 방향에 대한 좋은 조언을 받을 수 있었다.

가장 기억에 남는 것은 초기 사용자의 진입 장벽이었다.
현재 CampusLog는 사용자가 자신의 경험을 직접 하나씩 기록해야 한다.
하지만 실제 사용자는 이미 Notion이나 블로그 같은 곳에 자신의 활동을 기록하고 있을 가능성이 높다.
따라서 앞으로는 Notion이나 블로그 등 기존 기록을 CampusLog로 가져올 수 있는 Import 기능을 제공하면 처음 서비스를 사용하는 부담을 크게 낮출 수 있다는 피드백을 받았다.

또 하나는 시각화였다.
CampusLog가 경험을 분석한 이후 제공하는 정보가 아직 텍스트 중심이기 때문에 결과를 조금 더 직관적으로 이해할 수 있도록 개선할 필요가 있다는 것이었다.
예를 들어 전공이나 분야, 역량 등에 따라 자신의 경험을 시각적으로 탐색하거나, 단순히 여러 행의 텍스트로 보여주는 것이 아니라 사용자가 자신의 경험을 한눈에 이해할 수 있는 형태로 만드는 것이다.
개발자는 정보를 정확하게 출력하는 것에 만족하기 쉽지만, 사용자는 그 정보를 ‘이해하기 쉬운 형태’로 받아야 한다.
이번 피드백을 통해 기능 구현 이후의 제품 디자인이 얼마나 중요한지도 다시 생각하게 됐다.

STEP 7. 수상은 하지 못했지만, 더 크게 배운 것

이번 UNIKER 최종 데모데이에서 우리 팀은 수상하지 못했고 UNIKER 1기 수료로 활동을 마무리했다.
당연히 아쉽지 않았다면 거짓말이다.
10주 동안 꽤 많은 시간을 투자했고 마지막까지 열심히 준비했기 때문에 좋은 결과까지 따라왔다면 더 기뻤을 것이다.

하지만 다른 팀들의 서비스를 보고 최종 피드백을 들으면서 우리가 앞으로 더 보완해야 할 부분이 무엇인지도 생각해볼 수 있었다.
CampusLog는 기능 개발과 안정성 측면에서는 상당히 많이 발전했지만, 서비스를 실제 사용자에게 넓게 알리고 ‘사람들이 정말 이 서비스를 원하는가?’를 증명하는 과정은 충분하지 않았다.

이번 경험을 통해 앞으로 서비스를 만든다면 개발 범위를 조금 다르게 생각해야겠다고 느꼈다.
Build → Distribute → Measure → Learn
만드는 것에서 멈추지 않고,
사람들에게 알리고,
실제로 사용하게 하고,
행동과 데이터를 측정하고,
그 결과로 다시 제품을 개선하는 것.
서비스와 비즈니스의 가능성을 확인하려면 여기까지가 하나의 과정이어야 한다.

STEP 8. 10주 동안 얻은 세 가지

이번 UNIKER 활동을 정리하면서 내가 얻은 것을 세 가지로 압축한다면 제품, 사업, 전달이라고 생각한다.

1. 제품 — 기능 구현이 끝이 아니다

좋은 기능이 있다고 좋은 서비스가 되는 것은 아니다.
사용자가 쉽게 시작할 수 있어야 하고, 화면을 보고 바로 이해할 수 있어야 하며, 다시 사용할 이유가 있어야 한다.
이번에 받은 Import 기능과 시각화에 대한 피드백 역시 결국 같은 이야기였다.

2. 사업 — 사용자가 있어야 가능성을 확인할 수 있다

개발자는 무엇인가를 만드는 과정 자체에서 재미를 느끼기 쉽다.
하지만 서비스라면 결국 실제로 누군가가 사용해야 한다.
앞으로 프로젝트를 할 때는 기능의 개수뿐 아니라
몇 명에게 서비스를 보여줄 것인지, 어떤 방법으로 사용자를 모을 것인지, 무엇을 지표로 확인할 것인지
까지 처음부터 함께 고민해보고 싶다.

3. 전달 — 좋은 결과물을 제대로 설명하는 것도 실력이다

다른 팀들의 발표를 보면서 가장 많이 느낀 부분이다.
좋은 아이디어와 기술을 가지고 있어도 상대방이 이해하지 못하면 그 가치를 온전히 전달할 수 없다.
문제 정의부터 근거, 해결 방법, 결과까지 논리적으로 연결하고 제한된 시간 안에 상대방을 설득하는 능력.
앞으로 개발 능력과 함께 꼭 키우고 싶은 역량이다.

STEP 9. UNIKER 1기를 마치며

10주 동안 정말 많은 것을 경험했다.
훌륭한 강사님의 AI와 Codex 강의를 들었고, 매주 실무 경험이 많은 멘토님들과 프로젝트에 대해 이야기하며 방향을 수정했다.
팀원들과 아이디어를 정하고, 기능을 기획하고, 개발하고, 문제가 생기면 다시 수정했다.
중간 데모데이에서는 아직 부족한 서비스를 보여줬고, 이후 사용자 피드백을 받아 다시 고쳤다.
그리고 마지막에는 실제 배포된 CampusLog를 사람들 앞에서 직접 시연했다.

무엇보다 다른 학교, 다른 전공을 가진 사람들이 각자 대학생활에서 발견한 문제를 전혀 다른 방식으로 해결하는 모습을 볼 수 있었던 것이 재미있었다.
신박한 아이디어들을 보면서 내가 앞으로 개발을 하거나 사업을 시작할 때 문제를 바라보는 시야도 조금 더 넓어질 것 같다.
이번 활동은 수상으로 끝나지는 않았다. 아이디어 하나를 가지고 팀을 만들고, 실제 서비스를 기획하고, 개발하고, 배포하고, 사용자에게 보여주고, 피드백을 받고, 마지막으로 사람들 앞에서 발표하는 과정까지 경험했다.

그래서 이번 10주는 단순히 하나의 대외활동을 수료했다는 것으로만 남지는 않을 것 같다.

서비스를 ‘만드는 것’과 서비스를 ‘검증하는 것’은 다르다는 것.
그리고 앞으로는
만드는 것에서 끝내지 않고,
실제 사람에게 사용하게 하고,
데이터를 통해 가능성까지 증명하는 개발자가 되고 싶다.

UNIKER 1기와 CampusLog를 통해 얻은 가장 큰 배움이다.

경제금융용어 공부 609 : 투입계수(Input Coefficient)

MKISOS — Tue, 1 Sep 2026 21:00:58 +0900

투입계수(Input Coefficient)

어떤 산업이 제품을 생산하려면 원재료, 부품, 전기, 연료, 운송 등 다른 산업의 생산물을 함께 사용해야 한다. 이때 제품 1단위를 생산하기 위해 다른 산업의 생산물이 얼마나 필요한지를 나타내는 지표가 바로 투입계수(Input Coefficient)이다. 투입계수는 산업 간 연결 관계를 분석하는 산업연관표(Input-Output Table)의 핵심 개념이다.

1. 한 줄 정의

투입계수는 특정 산업이 생산물 1단위를 생산하기 위해 다른 산업으로부터 얼마나 많은 중간재를 사용하는지를 나타내는 비율이다.

2. 기본 개념

투입계수(Input Coefficient)는 각 산업이 생산활동을 하기 위해 다른 산업으로부터 구입한 원재료, 부품, 연료 등 중간재 투입액을 총투입액으로 나눈 값이다.

즉,

"제품 하나를 만들기 위해 어떤 산업의 생산물이 얼마나 필요한가?"

를 수치로 나타낸 것이다.

투입계수는 산업 간 생산 구조를 분석하는 가장 중요한 지표 중 하나이다.

3. 왜 중요한가

현대 산업은 대부분 여러 산업이 서로 연결되어 있다.

자동차를 만들기 위해서는

철강
반도체
플라스틱
전기
운송서비스

등이 모두 필요하다.

투입계수를 알면 산업 간 의존관계를 분석할 수 있고, 특정 산업이 성장하거나 위축될 때 다른 산업에 어떤 영향을 미치는지도 예측할 수 있다.

4. 쉽게 이해하는 예시

빵집 예시

빵 1개를 만들기 위해

밀가루 40%
설탕 10%
버터 15%
우유 10%

등이 필요하다고 하자.

이 각각의 비율이 투입계수의 개념과 비슷하다.

즉,

빵 생산량이 늘어나면 밀가루와 버터의 수요도 함께 증가한다.

자동차 산업 예시

자동차 1대를 생산하기 위해

철강
반도체
유리
타이어
플라스틱

등이 필요하다.

자동차 산업의 생산이 증가하면 이러한 산업들의 생산도 함께 증가한다.

바로 이러한 관계를 투입계수로 분석한다.

5. 투입계수의 의미

예를 들어 자동차 산업의 철강 투입계수가 0.2라면,

자동차를 100억 원어치 생산하기 위해 철강이 20억 원어치 필요하다는 의미이다.

즉, 투입계수가 높을수록 해당 산업에 대한 의존도가 높다는 뜻이다.

6. 중간투입률과의 관계

한 산업에는 여러 종류의 중간재가 투입된다.

각 중간재의 투입계수를 모두 더하면 중간투입률이 된다.

예를 들어

중간재투입계수

철강	0.20
플라스틱	0.10
반도체	0.15
전력	0.05

합계

0.20 + 0.10 + 0.15 + 0.05 = 0.50

즉,

제품 생산액의 50%가 다른 산업으로부터 구매한 중간재라는 의미이다.

나머지 50%는 임금, 기업이익, 세금 등 부가가치가 된다.

7. 어떻게 계산할까?

투입계수는 다음과 같이 계산한다.

투입계수 = 특정 중간재 투입액 ÷ 총투입액

예를 들어

총투입액 : 100억 원

철강 구입액 : 25억 원

이라면

철강의 투입계수는 0.25가 된다.

즉,

제품 생산에 필요한 비용 중 25%가 철강이라는 의미이다.

※ 실제 산업연관표에서는 모든 산업의 투입계수를 금액 기준으로 계산한다.

8. 관련 개념과의 차이

투입계수 vs 중간투입률

투입계수

특정 중간재 하나의 비율

중간투입률

모든 투입계수를 합한 값

즉,

투입계수 여러 개를 더하면 중간투입률이 된다.

투입계수 vs 부가가치율

투입계수

다른 산업으로부터 구매한 원재료의 비중

부가가치율

임금
영업이익
세금 등

기업이 새롭게 만들어낸 가치의 비중

둘을 합하면 전체 생산비용이 된다.

투입계수 vs 최종수요

투입계수

생산 과정에서 사용하는 중간재

최종수요

소비자가 최종적으로 구매하는 수요

생산 과정인지, 최종 소비인지가 가장 큰 차이이다.

9. 경제적 의미

국가경제 관점

투입계수는 산업 간 연관관계를 분석하는 핵심 자료이다.

정부는 이를 활용해 산업정책과 경제정책을 수립한다.

기업 관점

기업은 생산비용에서 어떤 원재료의 비중이 큰지 분석하여 원가절감 전략을 세울 수 있다.

산업 분석 관점

반도체나 철강처럼 다른 산업에서 많이 사용하는 산업은 투입계수가 높아 경제 전체에 미치는 영향도 크다.

이러한 산업을 전방·후방 연관효과가 큰 산업이라고 한다.

투자 관점

투자자는 특정 산업의 생산이 증가할 경우 어떤 산업이 함께 성장할지를 투입계수를 통해 예측할 수 있다.

예를 들어 자동차 산업이 성장하면 철강, 반도체, 배터리, 화학소재 기업들도 함께 수혜를 받을 가능성이 높다.

10. 정리

투입계수는 특정 산업이 생산물 1단위를 만들기 위해 다른 산업의 생산물을 얼마나 사용하는지를 나타내는 비율이다. 산업 간 생산 구조와 연관관계를 분석하는 핵심 지표이며, 여러 투입계수를 합하면 중간투입률이 된다. 정부는 산업정책 수립에, 기업은 원가분석에, 투자자는 산업 간 연관효과를 분석하는 데 활용하는 중요한 경제지표이다.

[주간회GO 26년 8월 5주차] 개강 직전 대외활동 2개, 발표 2개, 청주 -> 대구-> 부산 -> 서울

MKISOS — Tue, 1 Sep 2026 09:53:44 +0900

[주간회GO 26년 8월 5주차]

26년 8월 5주차

26년 8월 24일 월요일

수술 3일차 조금이라도 움직이기~
1,2주 이후 부터 하라고 하셨는데 헬스장 아니니

양안 1.2 1.2 하루만에 대박이다….!
검진 완료

비싸다
= 맛있고 성분이 좋다!!

영훈이에게 감사를 표한다 ㅠㅠ

아 이번달 읽어야 하는데 눈 아프고 시간이 없다…
조금씩 읽어두긴 했지만
내가 대구가서 읽을 수 있을까?.?

대구 도착~

눈 따가워서 뭐 아무것도 못하고 휴식 취했다…

26년 8월 25일 화요일

운동 하지말라고 하셔서 헬스장 안가고 집에서 덤벨로 깔짝했다.

팀플을 가장한 동현집에서 놀기 ㅎㅎ

첫 맛찬들 경험
진짜 너무 맛있다 우리 동네에 이런 곳이 담에 애들 데려와야지

먹고 5시간 열 일

대구와서 맛찬들에 은통까지 후회없다 ㄹㅇ
명호 서비스 고마워 ㅠ

골프 점점 늘어가는 중
기민이가 퍼터 알려줘서 내 실력 아닌가 싶은데 좀 더 칠 필요가 있다.

26년 8월 26일 수요일

운동하지 말랬지만 진짜 깔짝 집에서 있는 걸로 아침에 움직여 주고 샤워하고 하루를 시작했다.

휴가라 일찍 일어나면 너무 심심하다

밥도 집밥 먹으면서 행복했고

내일이 최종 발표라서 행복하게 발표준비
팀원들 한테 폐 끼치지 않기 위해서 뒤늦게 눈이 회복 되자마자 열심히 했다,,,

맛저와 저녁 10시에 디저트 윤영어머니 빙수 찬스 ㅎㅎ 감사합니다.

26년 8월 27일 목요일

운동 그냥 일주일 지나면 헬스 그냥 다닐까 싶다
어떤 유튜브에서는 바로 해도 된다하고 우리 병원은 기다리라하고,,

발표 덕분에 더운 날씨에 먼 길 떠나야한다 ㅎㅎ

구청장상 획득~

26년 8월 28일 금요일

오운완 맛있는 아침

본가오면 푸파 ㅎㅎ
하루종일 먹고 노트북으로 할 거 하고 반 복

다경누나 어머니 찬스 감사합니다~

26년 8월 29, 30일 토,일요일 주말

대구 마지막 식사? 식단 뭐

동대구역 가는 집앞 버정에서 엠티가는 창훈이 자만추 ㅎㅎ
그리고 부산갈때 무궁화타는데 69,72 좌석 뒤에 콘센트 매우 좋음

영훈이 집에 황준이랑 짐 두고 더워 죽겠어서 비비스테이션 가는길에 아이스크림 먹방했다.

김상민 대표님 대단하시고 여기 리더분들도 각자 모두 대단한 것 같다.
이런거 보면 진짜 학벌이 다가 아닌가 싶기도 하고 각자의 위치에서 최선을 다하면서 노력하는 사람들은 멋있고 자극된다.
나도 내 꿈을 생각하면 절대 안주하지말고 더 고생하자.
진짜 나중에 지쳐서 도저히 못하겠다 싶을때 포기할 수 있게 지금 고생하자

요즘 힘든 것 같지만 행복하다고 느끼는데
행복하면 불안하달까
내가 노력한 대가로 행복을 좀 누려도 되는 거 겠지

팀플 버스 탔다…
팀원 모두 최고

영훈이의 은혜

보름달 99%

딸기화채에는 더기가 맛있다
더기 더기

그리고 바퀴벌레 발바닥은 다홍색이라고 한다 ㅋ

담배피는 쥐

아침 7시에 영훈 집 들어와서 2시간 자고 정리하고 쉬었다.
영 후 니에게 너무 고맙다 위스키로 마음을 표했지만 부족하다고 생각하고 꼭 은혜를 갚을 것이다.

국밥집 웨이팅 포기하고 옆에서 그냥 먹음 존맛탱
혼자 구석에서 먹으니 유튜버 된 것 같음

부산 -> 서울 입석 기절
잠도 못잤는데 컨디션 최악이다

건우집 도착해서 샤워하고 빨래도 하고 ㅎㅎㅎ
소갈비살 먹고 전역축하주고 마시고 바로 취해서
홈플러스 장보고 들어왔다

하라는 발표준비는 안하고…

하라는 발표준비는 안하고 222

들어와서 새벽까지 마무리 준비 했다
막상하니 시간 부족해서 좀 자고 일어나서 하기로 했음…

경제금융용어 공부 608 : 통화지표(Monetary Aggregates)

MKISOS — Mon, 31 Aug 2026 21:00:32 +0900

통화지표(Monetary Aggregates)

경제가 원활하게 돌아가기 위해서는 시중에 돈이 너무 많아서도, 너무 적어서도 안 된다. 중앙은행은 물가와 경제를 안정시키기 위해 시중에 얼마나 많은 돈이 유통되고 있는지를 지속적으로 확인하는데, 이를 측정하는 기준이 통화지표(Monetary Aggregates)이다. 우리나라에서는 대표적으로 M1, M2를 통화지표로 사용하며, 이보다 범위가 넓은 Lf, L을 유동성지표로 활용하고 있다.

1. 한 줄 정의

통화지표는 시중에 얼마나 많은 돈이 유통되고 있는지를 측정하는 경제지표이다.

2. 기본 개념

통화지표(Monetary Aggregates)는 경제에서 실제로 유통되는 통화의 양을 측정하기 위한 지표이다.

중앙은행은 통화량이 너무 많으면 인플레이션이 발생하고, 반대로 너무 적으면 소비와 투자가 위축되어 디플레이션이나 경기침체가 발생할 수 있기 때문에 적정한 통화량을 유지하려고 한다.

이를 위해 시중의 통화량을 여러 범위로 나누어 관리하는데, 대표적인 지표가 M1과 M2이다.

또한 통화보다 더 넓은 개념인 유동성지표(Lf, L)도 함께 활용한다.

3. 왜 중요한가

경제 규모에 맞는 적절한 통화량은 물가안정과 경제성장의 핵심 요소이다.

중앙은행은 통화지표를 통해 현재 유동성이 얼마나 공급되어 있는지 파악하고, 이를 바탕으로 기준금리나 공개시장운영 등의 통화정책을 결정한다.

현재는 통화지표 자체를 정책 목표로 사용하기보다는 경기와 물가를 판단하는 중요한 참고자료로 활용하고 있다.

4. 쉽게 이해하는 예시

실생활 예시

한 가정의 자산을 생각해 보자.

지갑 속 현금
체크카드 통장 잔액
정기예금
적금
채권과 펀드

자산의 범위를 어디까지 포함하느냐에 따라 금액이 달라진다.

통화지표도 마찬가지로 어디까지를 '돈'으로 볼 것인가에 따라 여러 종류로 나뉜다.

경제 예시

현금만 보면 실제 경제의 유동성을 정확히 알기 어렵다.

그래서 한국은행은

현금
요구불예금
정기예금
금융상품

등을 단계적으로 포함하여 여러 통화지표를 작성한다.

5. 우리나라의 대표적인 통화지표

5-1. M1 (협의통화)

가장 좁은 의미의 통화이다.

즉시 결제에 사용할 수 있는 돈만 포함한다.

구성 항목

현금
요구불예금
결제성예금

특징

지급결제 기능을 가장 잘 반영한다.
실제 소비 활동과 밀접하다.

5-2. M2 (광의통화)

우리나라에서 가장 많이 활용되는 통화지표이다.

M1에 저축성 금융상품까지 포함한다.

구성 항목

M1
정기예금
적금
시장성 금융상품
금융채
거주자 외화예금

특징

시중 유동성을 가장 대표적으로 나타낸다.
경제분석에서 가장 많이 활용된다.

6. 유동성지표

통화보다 더 넓은 범위의 금융자산까지 포함한 지표이다.

6-1. Lf (금융기관 유동성)

M2보다 더 넓은 범위이다.

추가 포함

만기 2년 이상의 정기예금
장기 금융채
보험계약준비금
금전신탁
증권금융 예수금

6-2. L (광의 유동성)

가장 넓은 개념이다.

Lf에 다음 자산까지 포함한다.

기업어음(CP)
회사채
국공채
기타 유가증권

즉, 경제 전체의 유동성을 가장 넓게 측정하는 지표이다.

7. 통화지표 비교

구분포함 범위특징

M1	현금 + 결제성예금	가장 좁은 통화
M2	M1 + 저축성예금 + 금융상품	가장 대표적인 통화지표
Lf	M2 + 장기 금융상품	넓은 유동성
L	Lf + 채권·기업어음 등	가장 넓은 유동성지표

범위는 다음과 같이 점점 넓어진다.

M1 → M2 → Lf → L

8. 우리나라 통화정책과의 관계

과거에는 한국은행이 M2 증가율을 정책 목표로 삼는 통화량목표제를 운영했다.

즉,

"M2를 일정 수준만큼 증가시키겠다."

라는 방식으로 통화정책을 수행하였다.

하지만 1990년대 후반 이후

금융상품의 다양화
금융시장 발전
전자금융 확대

등으로 통화량과 물가의 관계가 약해졌다.

이에 따라 한국은행은 1998년부터 물가안정목표제를 도입하였다.

현재는 통화지표를 직접 관리하는 것이 아니라,

물가
경기
금융시장 상황

을 분석하는 정보변수로 활용하고 있다.

9. 관련 개념과의 차이

통화지표 vs 유동성지표

통화지표

실제 통화 중심
M1
M2

유동성지표

금융상품까지 포함
Lf
L

유동성지표가 통화지표보다 범위가 훨씬 넓다.

M1 vs M2

즉시 사용할 수 있는 돈

저축성 예금까지 포함

M2가 경제 전체 유동성을 더 잘 반영한다.

통화지표 vs 통화승수

통화지표

현재 시중에 존재하는 통화량

통화승수

본원통화가 얼마나 많은 통화를 만들어냈는지

두 개념은 서로 다른 지표이다.

10. 경제적 의미

국가경제 관점

통화지표는 시중의 유동성이 과도한지 부족한지를 판단하는 핵심 자료이다.

중앙은행 관점

한국은행은 통화지표를 통해 경제 상황을 분석하고 통화정책의 효과를 점검한다.

현재는 정책 목표가 아니라 경제를 읽는 중요한 정보변수로 활용된다.

금융시장 관점

M2 증가율이 빠르게 높아지면 시중 유동성이 풍부해졌다는 의미로 해석될 수 있으며, 반대로 증가율이 둔화되면 유동성이 줄어드는 신호로 받아들여질 수 있다.

투자 관점

투자자는 M2와 같은 통화지표의 증가율을 통해 시장에 얼마나 많은 자금이 공급되고 있는지를 파악할 수 있다.

일반적으로 유동성이 풍부하면 주식시장과 부동산시장에 긍정적인 영향을 줄 가능성이 있으며, 반대로 유동성이 감소하면 금융시장에 부담으로 작용할 수 있다.

11. 정리

통화지표는 시중에 유통되는 통화량을 측정하는 경제지표이다. 우리나라에서는 M1과 M2를 통화지표로, Lf와 L을 유동성지표로 활용한다. 현재 한국은행은 과거처럼 통화량을 직접 정책 목표로 관리하지는 않지만, 통화지표를 물가와 경기, 금융시장 상황을 분석하는 중요한 참고자료로 활용하고 있다.

경제금융용어 공부 607 : 통화정책체계(Monetary Policy Framework)

MKISOS — Sun, 30 Aug 2026 21:00:39 +0900

통화정책체계(Monetary Policy Framework)

중앙은행이 기준금리만 결정한다고 통화정책이 끝나는 것은 아니다. 어떤 목표를 달성할 것인지, 어떤 경제지표를 중심으로 정책을 운영할 것인지, 실제로 어떤 수단을 사용할 것인지, 그리고 누가 정책을 결정하고 책임질 것인지까지 모두 포함한 전체 시스템이 필요하다. 이러한 통화정책의 전체 운영 시스템을 통화정책체계(Monetary Policy Framework)라고 한다.

1. 한 줄 정의

통화정책체계는 중앙은행이 통화정책을 수행하기 위한 목표, 운영 방식, 정책수단, 의사결정 제도 등을 모두 포함한 전체 정책 시스템이다.

2. 기본 개념

통화정책체계(Monetary Policy Framework)는 중앙은행이 통화정책을 효과적으로 수행하기 위해 구축한 전체적인 운영 구조를 의미한다.

단순히 기준금리를 결정하는 것뿐 아니라,

무엇을 목표로 할 것인지
어떤 경제지표를 관리할 것인지
어떤 정책수단을 사용할 것인지
누가 정책을 결정할 것인지

등이 모두 통화정책체계에 포함된다.

쉽게 말해 통화정책의 설계도라고 이해하면 된다.

3. 왜 중요한가

중앙은행은 물가안정이라는 목표만 가지고는 정책을 수행할 수 없다.

목표를 실제 경제에 연결해 주는 중간 단계와 실행 수단이 필요하다.

체계가 명확할수록 정책의 신뢰성이 높아지고 시장도 중앙은행의 정책 방향을 예측하기 쉬워진다.

4. 쉽게 이해하는 예시

실생활 예시

서울에서 부산까지 자동차를 타고 간다고 생각해보자.

최종 목적지 → 부산
내비게이션 경로 → 이동 경로
속도계 → 현재 상태 확인
핸들·브레이크·액셀 → 실제 운전 도구

통화정책도 이와 비슷하다.

최종목표를 향해 가기 위해 중간 목표와 운용목표를 확인하고, 정책수단을 이용해 경제를 조정한다.

경제 예시

한국은행은 물가안정을 목표로 한다.

↓

물가상승률을 중심으로 정책을 운영한다.

↓

단기시장금리를 관리한다.

↓

기준금리와 공개시장운영 등을 활용한다.

↓

최종적으로 물가안정을 달성하려고 한다.

5. 통화정책체계의 구성요소

5-1. 최종목표(Final Target)

통화정책이 궁극적으로 달성하려는 목표이다.

대표적으로

물가안정
금융안정
지속 가능한 경제성장

등이 있다.

우리나라 한국은행의 가장 중요한 목표는 물가안정이다.

5-2. 명목기준지표(Nominal Anchor)

최종목표와 밀접한 관련이 있어 중앙은행이 중점적으로 관리하는 경제지표이다.

대표적으로

물가상승률
통화량
환율

등이 있다.

현재 우리나라는 물가상승률을 가장 중요한 명목기준지표로 활용한다.

5-3. 중간목표(Intermediate Target)

최종목표를 달성하기 위해 관리하는 중간 단계의 목표이다.

대표적으로

통화량
환율

등이 활용될 수 있다.

다만 물가안정목표제에서는 물가상승률 자체가 명목기준지표이므로 별도의 중간목표를 두지 않는 경우가 많다.

5-4. 운용목표(Operating Target)

중앙은행이 직접 조절할 수 있는 변수이다.

대표적으로

단기시장금리
지급준비금

등이 사용된다.

한국은행은 주로 단기시장금리(기준금리와 연계)를 운용목표로 활용한다.

5-5. 정책수단(Policy Tools)

운용목표를 실제로 조절하기 위한 정책 도구이다.

대표적인 정책수단은 다음과 같다.

공개시장운영
지급준비제도
중앙은행 여수신제도

6. 의사결정 제도도 포함된다

통화정책체계에는 정책 내용뿐 아니라 이를 결정하는 제도도 포함된다.

대표적으로

금융통화위원회
중앙은행의 독립성
정책의 책임성(Accountability)
정책의 투명성(Transparency)

등이 있다.

즉, 누가 어떻게 정책을 결정하고 국민에게 설명하는가도 통화정책체계의 중요한 구성요소이다.

7. 관련 개념과의 차이

통화정책체계 vs 통화정책 운영체제

통화정책체계

정책 목표
명목기준지표
운용목표
정책수단
의사결정 제도

등을 모두 포함하는 넓은 개념이다.

통화정책 운영체제

어떤 명목기준지표를 중심으로 정책을 운영할 것인지에 관한 방식이다.

즉,

운영체제는 통화정책체계의 일부이다.

통화정책체계 vs 통화정책

통화정책체계

정책을 수행하는 전체 시스템

통화정책

실제 기준금리 조정과 유동성 관리

통화정책체계는 설계도, 통화정책은 실행이라고 볼 수 있다.

명목기준지표 vs 운용목표

명목기준지표

최종목표와 연결되는 핵심 경제지표
물가상승률, 통화량 등

운용목표

중앙은행이 직접 조절 가능한 변수
단기시장금리, 지급준비금 등

운용목표는 정책수단으로 직접 조정할 수 있지만, 명목기준지표는 직접 통제하기 어렵다.

8. 경제적 의미

국가경제 관점

통화정책체계가 명확할수록 중앙은행의 정책 신뢰도가 높아지고 경제주체들의 예측 가능성이 커진다.

중앙은행 관점

최종목표와 정책수단을 체계적으로 연결함으로써 보다 효과적인 통화정책 수행이 가능하다.

또한 중앙은행의 독립성과 책임성도 함께 확보할 수 있다.

금융시장 관점

시장 참가자들은 중앙은행의 통화정책체계를 이해하면 앞으로의 금리와 정책 방향을 보다 정확하게 예측할 수 있다.

투자 관점

투자자는 기준금리뿐 아니라 중앙은행이 어떤 명목기준지표를 중요하게 생각하고, 어떤 정책수단을 활용하는지를 이해하면 금리와 환율, 주식시장 등의 흐름을 해석하는 데 도움이 된다.

9. 정리

통화정책체계는 중앙은행이 통화정책을 수행하기 위한 전체 운영 시스템을 의미한다. 최종목표, 명목기준지표, 중간목표, 운용목표, 정책수단, 의사결정 제도 등을 모두 포함하는 가장 포괄적인 개념이다. 현재 우리나라는 물가안정을 최종목표로 하고, 물가상승률을 명목기준지표로 삼으며, 기준금리와 공개시장운영 등을 활용하여 통화정책을 수행하고 있다.

경제금융용어 공부 606 : 통화정책수단(Monetary Policy Instruments)

MKISOS — Sat, 29 Aug 2026 21:00:30 +0900

통화정책수단(Monetary Policy Instruments)

중앙은행은 물가안정과 금융안정을 위해 통화정책을 수행한다. 하지만 목표만 있다고 정책이 실행되는 것은 아니다. 실제로 경제에 영향을 주기 위해서는 다양한 정책 도구가 필요한데, 이를 통화정책수단이라고 한다. 우리나라 한국은행은 주로 공개시장운영, 지급준비제도, 중앙은행 여수신제도를 활용하여 시중의 통화량과 금리를 조절한다.

1. 한 줄 정의

통화정책수단은 중앙은행이 통화량과 금리를 조절하여 물가안정과 금융안정을 달성하기 위해 사용하는 정책 도구이다.

2. 기본 개념

통화정책수단(Monetary Policy Instruments)은 중앙은행이 통화정책 목표를 달성하기 위해 사용하는 다양한 정책 방법을 의미한다.

한국은행은 시중의 유동성을 늘리거나 줄이고, 금리 수준을 조절하기 위해 여러 정책수단을 활용한다.

대표적인 통화정책수단은 다음 세 가지이다.

지급준비제도
공개시장운영
중앙은행 여수신제도

이들은 모두 금융기관을 대상으로 작동하며, 최종적으로는 기업과 가계의 소비·투자 활동에 영향을 미친다.

3. 왜 중요한가

중앙은행은 직접 소비나 투자를 결정할 수 없다.

대신 금융기관의 자금사정을 변화시켜 시중금리와 통화량을 조절하고, 이를 통해 경제 전체에 영향을 미친다.

즉, 통화정책수단은 중앙은행이 경제를 움직이는 실제 실행 도구이다.

4. 쉽게 이해하는 예시

실생활 예시

자동차를 운전한다고 생각해보자.

목적지는 물가안정이고,

운전자가 한국은행이라면,

핸들, 브레이크, 액셀은 모두 통화정책수단에 해당한다.

목표는 같더라도 상황에 따라 사용하는 도구가 달라진다.

경제 예시

경기가 침체되면 한국은행은

공개시장운영으로 시중에 돈을 공급하거나
금융기관에 자금을 대출하거나
지급준비율을 인하하여

경제를 활성화하려고 한다.

반대로 물가가 급등하면 이러한 정책을 반대로 시행하여 시중 유동성을 줄인다.

5. 대표적인 통화정책수단

5-1. 공개시장운영(Open Market Operations)

가장 대표적이고 가장 많이 사용하는 정책수단이다.

한국은행이 금융기관을 대상으로 국채나 통화안정증권 등을 사고팔면서 시중 유동성을 조절한다.

유동성을 늘릴 때

국채 매입
RP 매입

→ 시중에 돈이 공급된다.

유동성을 줄일 때

국채 매도
통화안정증권 발행
RP 매도
통화안정계정 운영

→ 시중의 돈이 흡수된다.

현재 한국은행이 가장 적극적으로 활용하는 정책수단이다.

5-2. 지급준비제도(Reserve Requirement)

은행은 고객의 예금 중 일정 비율을 반드시 한국은행에 예치해야 한다.

이를 지급준비금이라고 한다.

한국은행이 지급준비율을 조정하면 은행의 대출 여력이 달라진다.

지급준비율 인상

대출 감소
통화량 감소

지급준비율 인하

대출 증가
통화량 증가

최근에는 공개시장운영의 활용도가 높아지면서 지급준비율 변경은 자주 사용되지 않는다.

5-3. 중앙은행 여수신제도(Standing Facilities)

한국은행이 금융기관과 직접 예금이나 대출 거래를 하는 제도이다.

대표적으로

한국은행 대출
한국은행 예금

등이 있다.

금융기관의 일시적인 유동성 부족이나 초과 유동성을 조절하는 데 활용된다.

6. 관련 개념과의 차이

통화정책수단 vs 통화정책

통화정책

물가안정과 금융안정을 위한 정책

통화정책수단

통화정책을 실제 실행하는 방법

즉,

통화정책은 목표와 방향,

통화정책수단은 실행 도구이다.

공개시장운영 vs 지급준비제도

공개시장운영

국채와 RP 등을 거래
시장친화적
가장 많이 활용

지급준비제도

지급준비율 조정
은행 대출여력 변화
상대적으로 활용 빈도가 낮음

공개시장운영 vs 중앙은행 여수신제도

공개시장운영

금융시장을 통한 간접 조절

중앙은행 여수신제도

금융기관과 직접 거래

둘 다 유동성을 조절하지만 방식이 다르다.

7. 시장친화적 수단과 직접조절수단

시장친화적 수단

시장의 가격 기능을 활용하여 통화정책을 수행하는 방식이다.

대표적으로

공개시장운영
지급준비제도
중앙은행 여수신제도

등이 있다.

현재 대부분의 선진국 중앙은행이 사용하는 방식이다.

직접조절수단

정부나 중앙은행이 행정적으로 금융기관을 직접 통제하는 방식이다.

예를 들어

대출한도 지정
대출금리 규제
예금금리 규제

등이 있다.

현재는 시장경제 발전으로 활용 빈도가 크게 줄어들었다.

8. 경제적 의미

국가경제 관점

통화정책수단은 물가안정과 금융안정을 유지하는 가장 중요한 정책 도구이다.

경제 상황에 따라 유동성을 공급하거나 흡수하여 경기변동을 완화한다.

중앙은행 관점

한국은행은 경제 상황에 따라 여러 정책수단을 함께 활용한다.

특히 공개시장운영을 중심으로 지급준비제도와 여수신제도를 보완적으로 사용한다.

금융시장 관점

금융기관은 한국은행의 정책수단 변화에 가장 먼저 영향을 받는다.

이후 시장금리, 대출금리, 채권금리 등이 변화하면서 경제 전체로 효과가 확산된다.

투자 관점

투자자는 기준금리뿐 아니라 한국은행이 어떤 정책수단을 적극적으로 활용하는지도 함께 살펴볼 필요가 있다.

예를 들어 통화안정증권 발행 확대나 RP 매각 증가는 시중 유동성을 줄이려는 신호로 해석될 수 있으며, 반대로 국채 매입이나 RP 매입 확대는 완화적인 통화정책 신호로 볼 수 있다.

9. 정리

통화정책수단은 중앙은행이 물가안정과 금융안정을 달성하기 위해 사용하는 정책 도구이다. 대표적인 수단으로 공개시장운영, 지급준비제도, 중앙은행 여수신제도가 있으며, 이들을 통해 시중의 통화량과 금리를 조절한다. 현재 대부분의 국가에서는 공개시장운영이 가장 핵심적인 통화정책수단으로 활용되고 있으며, 지급준비제도와 중앙은행 여수신제도는 이를 보완하는 역할을 수행하고 있다.

경제금융용어 공부 605 : 통화정책 파급경로(Monetary Policy Transmission Mechanism)

MKISOS — Fri, 28 Aug 2026 21:00:25 +0900

통화정책 파급경로(Monetary Policy Transmission Mechanism)

한국은행이 기준금리를 인상하거나 인하하면 바로 경제가 변하는 것은 아니다. 기준금리 변화는 여러 경로를 거쳐 소비, 투자, 환율, 자산가격 등에 영향을 미치고, 결국 생산과 물가를 변화시킨다. 이처럼 통화정책이 실물경제에 영향을 전달하는 과정을 통화정책 파급경로라고 한다.

1. 한 줄 정의

통화정책 파급경로는 중앙은행의 통화정책이 금리, 자산가격, 환율, 신용 등을 거쳐 소비·투자·생산·물가에 영향을 미치는 과정이다.

2. 기본 개념

한국은행은 기준금리를 조정하거나 시중 유동성을 변화시키는 통화정책을 시행한다.

하지만 기준금리 변화가 곧바로 물가나 경제성장으로 이어지는 것은 아니다.

금리 변화는 여러 경제 변수에 영향을 주고, 이러한 변화가 다시 소비와 투자에 영향을 미쳐 최종적으로 경제 전체에 전달된다.

이러한 전달 과정을 통화정책 파급경로(Transmission Mechanism)라고 한다.

3. 왜 중요한가

중앙은행은 기준금리를 조정하지만 실제 목표는 물가안정과 경제성장이다.

따라서 기준금리 자체보다 그 영향이 어떤 경로를 통해 경제에 전달되는지를 이해하는 것이 더욱 중요하다.

또한 경제 상황에 따라 어떤 파급경로는 강하게 작동하고, 어떤 경로는 거의 작동하지 않을 수도 있다.

4. 쉽게 이해하는 예시

실생활 예시

도미노를 생각해보자.

첫 번째 도미노를 쓰러뜨리면 바로 마지막 도미노가 쓰러지는 것이 아니라 여러 개를 거쳐 마지막까지 전달된다.

통화정책도 기준금리라는 첫 번째 변화가 여러 단계를 거쳐 소비와 물가에 영향을 준다.

경제 예시

한국은행이 기준금리를 인하했다.

↓

은행 대출금리가 하락한다.

↓

기업은 투자를 늘리고 가계는 소비를 늘린다.

↓

기업의 생산이 증가한다.

↓

경제성장률과 물가가 상승하는 효과가 나타난다.

5. 주요 통화정책 파급경로

5-1. 금리경로(Interest Rate Channel)

가장 대표적인 통화정책 전달 경로이다.

한국은행이 기준금리를 인하하면

↓

시장금리와 대출금리가 함께 하락한다.

↓

기업은 투자 비용이 줄어들어 투자를 확대한다.

↓

가계는 대출 부담이 줄어 소비를 늘린다.

↓

생산과 고용이 증가하고 물가가 상승한다.

핵심 흐름

기준금리 ↓ → 시장금리 ↓ → 소비·투자 ↑ → 생산 ↑ → 물가 ↑

5-2. 자산가격경로(Asset Price Channel)

금리가 하락하면 예금보다 주식과 부동산 투자 매력이 높아진다.

↓

주식과 부동산 가격이 상승한다.

↓

국민의 자산가치가 증가한다.

↓

소비와 투자가 확대된다.

이를 부의 효과(Wealth Effect)라고 한다.

핵심 흐름

기준금리 ↓ → 자산가격 ↑ → 자산가치 ↑ → 소비·투자 ↑

5-3. 환율경로(Exchange Rate Channel)

금리가 하락하면 원화 자산의 수익률이 낮아진다.

↓

투자자들이 달러 등 해외자산을 선호한다.

↓

원화가치가 하락하고 환율이 상승한다.

↓

수출은 증가하고 수입은 감소한다.

↓

생산과 물가가 상승한다.

핵심 흐름

기준금리 ↓ → 원화가치 ↓ → 수출 ↑ → 생산 ↑

5-4. 기대경로(Expected Channel)

중앙은행의 정책뿐 아니라 앞으로의 정책 방향에 대한 기대도 경제에 큰 영향을 준다.

예를 들어 한국은행이

"앞으로도 금리를 낮게 유지할 가능성이 높다."

라고 발표하면 기업과 가계는 미래에도 자금조달 비용이 낮을 것으로 예상하여 소비와 투자를 늘릴 수 있다.

즉, 실제 금리보다 미래에 대한 기대가 경제를 움직이는 경우도 많다.

5-5. 신용경로(Credit Channel)

기준금리가 하락하면 은행의 대출 여력이 커진다.

↓

기업과 가계가 더 쉽게 대출을 받을 수 있다.

↓

투자와 소비가 증가한다.

↓

경제활동이 활발해진다.

금리 자체보다 대출 공급이 얼마나 증가하는지가 핵심이다.

5-6. 위험선호경로(Risk-Taking Channel)

저금리가 장기간 지속되면 금융기관은 더 높은 수익을 얻기 위해 위험이 큰 자산에도 투자하려는 경향이 생긴다.

↓

고위험 대출과 투자가 증가한다.

↓

신용공급이 확대된다.

↓

소비와 투자가 증가한다.

하지만 장기간 지속되면 금융불안과 자산버블이 발생할 수도 있다.

6. 관련 개념과의 차이

통화정책 vs 통화정책 파급경로

통화정책

기준금리 조정
공개시장운영
지급준비율 변경

통화정책 파급경로

이러한 정책이 경제에 전달되는 과정

즉, 통화정책은 원인, 파급경로는 전달 과정이다.

금리경로 vs 신용경로

금리경로

금리 변화 자체가 소비와 투자에 영향을 줌

신용경로

금융기관의 대출 공급 변화가 경제에 영향을 줌

둘 다 기준금리에서 시작하지만 작동 방식이 다르다.

자산가격경로 vs 환율경로

자산가격경로

주식·부동산 가격 상승을 통한 소비 증가

환율경로

환율 변화를 통한 수출 증가

자산가격은 국내 소비, 환율은 대외무역에 더 큰 영향을 준다.

7. 경제적 의미

국가경제 관점

통화정책은 다양한 파급경로를 통해 경제 전체에 영향을 미친다.

경제 상황에 따라 어떤 경로가 더 강하게 작동하는지는 달라질 수 있다.

중앙은행 관점

중앙은행은 기준금리뿐 아니라 각 파급경로가 제대로 작동하는지를 함께 분석하여 정책 효과를 평가한다.

금융시장 관점

주식시장, 채권시장, 부동산시장, 외환시장은 각각 다른 파급경로를 통해 통화정책의 영향을 받는다.

따라서 금융시장은 기준금리 변화뿐 아니라 한국은행의 향후 정책 방향에도 민감하게 반응한다.

투자 관점

투자자는 금리 변화가 어떤 경로를 통해 자신의 투자자산에 영향을 미칠지 이해해야 한다.

예를 들어

금리경로 → 채권과 예금
자산가격경로 → 주식과 부동산
환율경로 → 수출기업과 환율
신용경로 → 은행주와 금융업

등 각각 다른 방식으로 투자시장에 영향을 줄 수 있다.

8. 정리

통화정책 파급경로는 중앙은행의 기준금리와 통화정책이 금리, 자산가격, 환율, 기대, 신용, 위험선호 등의 경로를 거쳐 소비와 투자, 생산과 물가에 영향을 미치는 전달 과정을 의미한다. 대표적인 경로는 금리경로, 자산가격경로, 환율경로, 기대경로, 신용경로, 위험선호경로이며, 이들이 함께 작동하면서 통화정책의 효과가 경제 전반으로 확산된다.

[공모전 후기] 110팀 중 12팀 본선·입상｜2026 달서 전국 대학생 AI활용 아이디어 콘테스트 ‘달서 미리온(ON)’

MKISOS — Fri, 28 Aug 2026 10:50:58 +0900

2026년 여름, 대구광역시 달서구에서 열린 「2026년 달서 전국 대학생 AI활용 아이디어 콘테스트」에 팀 미리온으로 참가했다.

이번 대회에서 우리가 제안한 아이디어는

도움이 필요한 동네를 먼저 찾고,
주민이 받을 수 있는 복지를 먼저 알려주는 AI 복지 서비스
‘달서 미리온(ON)’

이었다.

결과부터 이야기하면,
총 110팀이 지원했고, 12팀이 최종 발표심사에 진출했으며 우리 팀은 최종 입상했다.

조금 더 높은 상을 기대했던 만큼 결과에 대한 아쉬움도 있었다.
그런데 대회를 마치고 전체 과정을 다시 돌아보니 이번 프로젝트에서는 상의 등급보다 훨씬 많은 것이 남았다.
구청에서 근무하며 느꼈던 작은 문제의식이 하나의 아이디어가 되었고, 데이터와 AI를 이용한 서비스로 발전했으며, 실제 시제품을 만들어 전국 대학생들과 경쟁하는 본선 무대에서 발표했다.

그리고 무엇보다, 앞으로 또 같이 무언가를 만들어보고 싶은 사람들을 만났다.

이번 글에서는 그 과정을 기록해보려고 한다.

1. 2026년 달서 전국 대학생 AI활용 아이디어 콘테스트

이번 대회는 AI를 활용해 공공서비스를 개선하거나 혁신할 수 있는 아이디어를 발굴하는 전국 대학생 대상 공모전이었다.
참가 대상은 전국 대학교 재·휴학생으로, 개인 또는 4인 이하의 팀으로 참가할 수 있었다.

대회 개요

대회명: 2026년 달서 전국 대학생 AI활용 아이디어 콘테스트
주제: AI를 활용한 공공서비스 분야 개선 및 혁신 아이디어
참가 대상: 전국 대학교 재·휴학생
신청 기간: 2026.06.15 ~ 2026.07.13
1차 서류심사 결과 발표: 2026.08.07
최종 발표심사 및 시상식: 2026.08.27
최종 발표 장소: 대구광역시 달서구청
전체 지원: 110팀
최종 본선: 12팀

서류심사를 통과한 12팀은 달서구청에서 직접 아이디어를 발표했고, 최종 심사 후 시상까지 같은 날 진행됐다.
이번 대회의 재미있는 점은 단순히 AI 기술 자체를 겨루는 대회가 아니라는 것이었다.
“지역사회와 행정에서 실제로 어떤 문제가 존재하는가?”
그리고
“그 문제를 해결하는 과정에서 AI가 어떤 역할을 할 수 있는가?”
를 고민하는 대회에 가까웠다.

실제로 본선에 올라온 아이디어들도 복지, 의료, 교통, 환경, 보육, 안전, 산업현장 등 정말 다양한 공공문제를 다루고 있었다.

2. 후배의 제안으로 합류하게 된 팀 ‘미리온’

이번 공모전은 내가 직접 팀원들을 모집해서 시작한 프로젝트는 아니었다.
다른 서포터즈와 공모전, 대외활동을 하면서 알게 된 같은 학교 후배가 먼저 함께해보자고 제안했다.
당시 후배가 속해 있던 팀에는 이미 데이터를 전문적으로 다루는 팀원과 디자이너가 함께하고 있었다.
다른 활동을 통해 흥미롭게 지켜보던 팀이기도 했기 때문에 함께하자는 제안을 받고 흔쾌히 합류했다.
그렇게 총 4명이 ‘미리온’이라는 이름으로 이번 프로젝트를 준비하게 됐다.

나는 프로젝트 과정에서 아이디어와 발표 내용을 함께 다듬고, 최종적으로 본선 발표를 담당했다.

3. 도움이 필요한 동네를 먼저 찾는 AI 복지, ‘달서 미리온(ON)’

우리가 처음 집중했던 문제는 복지 사각지대였다.
복지 분야에는 이미 수많은 지원제도가 존재한다.
그런데 제도가 존재한다고 해서 모든 사람이 그 제도를 이용할 수 있는 것은 아니다.
내가 구청에서 약 21개월 동안 근무하면서도 반복적으로 느꼈던 문제가 하나 있었다.

좋은 제도가 없는 것이 아니라,
필요한 사람에게 제때 닿지 않는다는 것.

대부분의 행정서비스는 여전히 주민이 먼저 정보를 찾아보고, 자신이 대상인지 판단하고, 담당 기관을 찾아가야 시작된다.
하지만 정보에 익숙하지 않은 사람이나 고령층, 사회적으로 고립된 사람일수록 이 과정 자체가 어렵다.

같은 달서구 안에서도 복지 수요는 크게 달랐다

자료를 조사하면서 특히 흥미로웠던 것은 같은 달서구 안에서도 동네에 따라 복지 수요가 크게 다르다는 점이었다.
최종 발표자료에서는 실제 공공데이터를 바탕으로 달서구 23개 행정동의 기초생활수급률을 비교했다.
가장 높은 상인3동은 34.0%, 가장 낮은 유천동은 0.9%였다.
같은 달서구 안에서도 약 38배의 차이가 존재했다.

그렇다면 질문은 자연스럽게 하나로 이어졌다.

모든 지역을 똑같이 찾아가기보다, 도움이 더 시급할 가능성이 높은 지역부터 먼저 찾아갈 수 없을까?

그리고 이것이 미리온의 첫 번째 엔진이 됐다.

사각지대 예측 엔진 — 어디부터 먼저 찾아갈 것인가?

미리온의 첫 번째 기능은 복지 사각지대 가능성이 높은 지역의 우선순위를 정하는 것이다.

공공데이터를 이용해

고령 1인가구
노후주택
연립·다세대주택
복지시설 접근성
전입 증가율
고령화 속도

등의 지표를 분석한다.

그리고 복지 수요는 높지만 공급과 접근성이 부족한 지역을 찾아내기 위해 우리가 설계한 지표가

DBI(Dalseo Blind-spot Index)

즉 달서 복지 사각지대 지수다.
중요한 점은 특정 주민 개인을 AI가 위험가구라고 지목하지 않는다는 것이다.
미리온의 예측 범위는 동네 단위까지다.
“OOO 씨가 위험하다”가 아니라,

“이 지역은 상대적으로 복지 수요가 높고 접근성이 낮으니 행정 인력을 조금 더 우선적으로 배치해보자.”

에 가까운 방식이다.
개인정보 없이 공개·집계 데이터를 중심으로 분석하도록 설계한 것도 이 때문이다.

AI 자격판정 엔진 — 이 주민은 어떤 복지를 받을 수 있을까?

두 번째 문제는 복지제도가 너무 복잡하다는 것이었다.
예를 들어,

“기준 중위소득 70% 이하이며 65세 이상 독거, 단 특정 수급자는 제외”

같은 문장을 주민이 보고 자신이 대상자인지 바로 판단하기는 쉽지 않다.

그래서 미리온의 두 번째 엔진은 AI가 최신 복지 공고문을 읽고 주민 상황과 비교하도록 설계했다.
흐름은 다음과 같다.

주민 상황 입력
→ 관련 복지 공고문 탐색
→ AI가 자격조건 해석
→ 숫자로 확인 가능한 조건은 규칙으로 다시 검증
→ 대상 여부·이유·필요서류·신청 장소 안내

특히 AI 판단만 그대로 믿지 않도록 설계했다.
나이, 소득, 가구원 수처럼 명확한 숫자로 확인할 수 있는 조건은 규칙 기반으로 한 번 더 확인하고, AI와 규칙의 판단이 다르면 자동으로 탈락시키는 대신 ‘확인 필요’ 상태로 사람에게 넘긴다.
AI는 가능성을 알려주고, 최종 결정은 사람이 하는 구조다.

말로만 제안하지 않고 실제 시제품까지

이번 프로젝트에서 개인적으로 좋았던 점은 아이디어 제안으로 끝나지 않았다는 것이다.

실제 웹 시제품을 제작해

주민용 AI 복지 자격판정
공고문 기반 RAG 지식베이스
AI ↔ 규칙 이중검증
복지 사각지대 지도
공무원용 아웃리치 대시보드
신규 복지 공고문 자동 반영
지역별 인수인계 브리핑
복지등기·안내문 생성

등을 구현했다.

최종 제출본에는 실제 배포된 시제품 화면들도 함께 포함했다.
서비스의 브랜드와 UI 또한 모바일과 웹뿐 아니라 실제 복지관이나 행정기관에서 사용할 수 있는 오프라인 접점까지 디자인되어 있었다.
처음에는 하나의 공모전 아이디어였지만, 준비를 계속하다 보니 실제로 어떻게 작동할지 보여줄 수 있는 서비스에 가까워졌다.

4. 최종 발표를 준비하며 배운 것 — 좋은 발표는 ‘근거’까지 준비하는 것

최종 제출본은 총 26장이었다.
하지만 실제 발표는 처음부터 본편 14장을 기준으로 준비했다.
나머지는 발표하면서 모두 보여주기 위한 슬라이드가 아니었다.

본편 14장
보강자료 4장
부록 8장

으로 구성해, 짧은 발표에서 전달해야 할 이야기는 본편으로 압축하고 심사위원이 추가로 확인할 수 있는 내용은 뒤에 따로 준비했다.

예상 질문에 대한 페이지를 미리 만들어둔다

이번 과정에서 내가 팀원들에게 특히 배운 부분이다.
나는 발표를 맡았기 때문에 처음에는
“어떻게 하면 5분 동안 내용을 잘 전달할 수 있을까?”
에 집중했다.

그런데 팀원들은 그 다음 단계까지 생각하고 있었다.
“이 발표를 들은 심사위원이라면 무엇을 궁금해할까?”
를 먼저 생각하고, 예상되는 질문에 바로 보여줄 수 있는 슬라이드를 미리 만들어두었다.

예를 들어,
“이미 복지멤버십이나 복지부 AI 상담이 있는데 미리온이 왜 필요한가?”
라는 질문에는 기존 서비스와 미리온의 작동 시점과 범위를 비교한 페이지를 준비했다.

“먼저 찾아가는 방식이 실제로 효과가 있나?”
라는 질문에는 구미시의 사례를 넣었다.
구미시는 위기 징후가 포착된 1,200가구에 안내우편을 발송했고 934가구가 실제 복지서비스로 연계됐다.
약 77.8%다.

“제안한 학생들이 떠나면 누가 시스템을 관리하나?”
라는 질문에는 담당 공무원이 새로운 공고문을 등록하면 AI가 자격요건을 구조화해 지식베이스에 자동 반영하도록 설계한 구조를 보여줬다.

“AI로 사람을 감시하는 것 아닌가?”
라는 질문에도 원칙을 명확히 정했다.

지역 단위까지만 예측하고, 특정 개인을 지목하지 않는다.
대상자를 찾아 문을 두드리는 것이 아니라 전입신고 창구나 경로당처럼 누구나 이용하는 접점에서 보편적으로 안내한다.

개
인정보 최소화와 안전장치까지 별도의 페이지로 만들어두었다.

주장 하나에도 ‘왜?’와 ‘출처’가 있었다

또 하나 인상 깊었던 것은 문제의식과 해결과정에 거의 모두 근거와 출처가 붙어 있다는 점이었다.

예를 들어,

“DBI가 실제 복지 수요와 관련이 있는가?”

달서구 23개 행정동을 대상으로 사전검증한 결과

Pearson r = 0.82
Spearman ρ = 0.95
p < 0.001

이라는 결과가 나왔다.
그렇다고 이것을 “DBI의 정확도는 완벽하다”고 표현하지 않았다.
오히려 부록에

현재 검증한 것은 DBI 전체가 아니라 취약 수요 측이며, 행정동 단위 예비검증이라는 한계가 있다.

는 내용을 먼저 명시했다.

“데이터는 어디서 가져왔는가?”

국가데이터처 SGIS, KOSIS, 대구 D-데이터허브 등 사용 데이터와 역할, 분석단위, 갱신주기까지 별도의 표로 정리했다.

“실제로 운영하려면 돈이 얼마나 드는가?”

여기서도 단순히 “저렴하다”고 쓰지 않았다.
모델별 토큰 단가와 예상 사용량을 계산해 월 상담 3,000건 기준 약 9,300원이라는 추정값까지 만들었다.

“서비스를 도입하면 효과가 있는지는 어떻게 증명할 것인가?”

우선지역과 비우선지역의 실제 연계 발생률을 비교하는 방식 등 단계별 KPI까지 설계했다.
이런 준비방식을 보면서 개인적으로 생각이 많이 바뀌었다.

좋은 발표는 단순히 말을 잘하는 것이 아니었다.

주장을 했으면 왜 그런지 설명할 수 있어야 하고,
숫자를 말했다면 어디에서 나온 숫자인지 보여줄 수 있어야 하고,
한계가 있다면 그 한계까지 먼저 말할 수 있어야 했다.

앞으로 다른 공모전이나 프로젝트 발표를 준비할 때도 꼭 가져가고 싶은 방식이었다.

5분 안에 결국 한 사람의 이야기로

실제 발표에서는 이 모든 기술을 설명할 수 없었다.
그래서 기술보다 먼저 한 사람의 이야기에서 시작했다.
72세 1인 가구인 가상의 인물 ‘김순자 님’을 설정하고,
현재 받을 수 있는 제도가 있어도 본인이 모르면 신청할 수 없다는 문제를 보여줬다.

그리고 발표에서는 내가 실제 구청에서 근무하며 느꼈던 경험을 연결했다.

“제가 21개월 동안 구청에서 느꼈던 문제는 하나였습니다.
좋은 제도가 없는 것이 아니라, 필요한 사람에게 제때 닿지 않는다는 것.”

DBI와 RAG 같은 기술부터 설명했다면 5분 동안 이해시키기 어려웠을 것이다.

그래서
한 사람의 문제
→ 왜 지금 행정으로는 놓칠 수 있는가
→ 어느 지역부터 찾아갈 것인가
→ 주민에게 무엇을 알려줄 것인가
→ 실제로 가능한가

순서로 이야기를 만들었다.

5. 본선 12팀 — 하나의 ‘AI 공공서비스’를 이렇게 다양하게 풀 수 있었다

행사장에서 받은 발표 순서표를 다시 보니 주제만 봐도 상당히 다양했다.

최종 본선 아이디어

달서 민심 레이더
양보 순응도 기반 도시형 긴급출동 골든로드 최적화 서비스
SoundVisualizer
AI 기반 병원 수용확률 예측 & 최단시간 응급이송 내비게이션
브릿지원(Bridge One) — 달서구 보육현장의 교사·학부모 문의·민원을 구조화하는 공공 AI 소통창구
생애전환 예측 기반 복지 사각지대 선제 발굴·자격판정 AI 플랫폼 — 달서 미리온(ON)
신입 및 외국인을 위한 현장 맞춤형 음성 기반 AI 작업 에이전트
AI와 기상청 데이터를 융합한 3D 실내공기질(IAQ) 예측 시뮬레이터
달서AI 클린에어 — 성서산단 악취·미세먼지 등 생활권 대기환경 민원 예측 및 점검 우선순위 추천 서비스
달빛나침반 — AI 기반 야간 소아 응급 상담·접수 서비스
달서구 맞춤형 안심귀가 경로 추천 및 안전취약구간 관리 서비스
시니어 및 취약계층을 위한 음성 딥페이크 AI 판별 기술

주제만 봐도 정말 다양했다.
복지를 다룬 우리 팀뿐 아니라
긴급차량 출동, 응급환자 이송, 보육 민원, 산업현장 외국인 지원, 대기환경, 소아 응급의료, 여성·주민 안전, 딥페이크 범죄 대응
등 서로 완전히 다른 문제에 AI를 적용하고 있었다.

이번 본선을 보면서 흥미로웠던 것은 단순히 “어떤 AI 기술을 사용할까?” 에서 출발한 것이 아니라,

“실제 지역사회에서 어떤 문제가 존재하는가?”
“그 문제 중 사람이 반복적으로 판단하거나 예측해야 하는 부분은 무엇인가?”

를 찾아낸 아이디어들이 많았다는 점이었다.

나 역시 개발 프로젝트를 할 때 새로운 기술이나 기능에서 출발하는 경우가 많았는데, 이번 대회를 보면서 다시 한번 기술보다 문제를 먼저 보는 것의 중요성을 느꼈다.

이번 대회에 아쉬운 점은 다른 팀의 발표를 함께 듣지 못한다는 점이다. 다른 사람들의 아이디어와 문제 정의 그리고 해결과정 기술 스택 등 그리고 발표 태도까지 너무 궁금했고 이것까지 볼 수 있었으면 더 큰 인사이트를 얻어 갈 수 있었을텐데 라는 아쉬움이 들었다.

6. 110팀 중 12팀, 그리고 최종 입상

모든 발표가 끝난 뒤 심사를 거쳐 최종 결과가 발표됐다.
우리 팀의 결과는 입상이었다.

최종 결과

110팀 지원
→ 12팀 본선 진출
→ 최종 입상
→ 상금 20만 원
솔직히 말하면 아쉬움이 없었던 것은 아니다.

본선까지 올라왔고, 실제 시제품부터 데이터 검증, 발표자료와 예상질문까지 상당히 많은 준비를 했기 때문에 조금 더 높은 상을 기대했던 것도 사실이다.
최종 수상자들은 모두 같은 달서구청장상을 받았지만 그 안에서 수상 등급이 나뉘었고, 우리는 입상이었다.

결과를 처음 들었을 때는
“조금만 더 잘했으면 더 높은 결과를 받을 수도 있지 않았을까?”
라는 생각도 들었다.

하지만 집으로 돌아와 프로젝트 전체를 다시 생각해보니, 이번 경험을 단순히 상의 등급만 가지고 평가하기에는 남은 것이 훨씬 많았다.
특히 가장 많이 생각난 것은 함께했던 사람들이었다.

7. 결국 가장 많이 남은 것은 함께했던 사람들

이번 공모전을 돌아봤을 때 가장 만족스러운 부분을 하나 고르라면 나는 팀이라고 말할 것 같다.
처음에는 후배의 제안으로 합류했지만, 막상 프로젝트를 같이 진행해보니 각자의 분야에서 정말 열정적으로 일하는 사람들이었다.

불도저 같은 실행력의 후배

나에게 같이 해보자고 제안했던 후배는 ISTJ다.
MBTI가 사람의 모든 것을 설명할 수는 없지만, 정말 인상적인 특징이 하나 있었다.
실행력이 굉장히 강했다.
필요한 것이 있다고 판단하면 고민만 길게 하기보다 일단 움직이고 만들어보는 스타일이었다.
무언가 새로운 일을 시작하는 데 거리낌이 없고, 한번 시작한 것은 어떻게든 끝까지 해결해내는 느낌이라 개인적으로는 거의 불도저 같은 실행력이라고 생각했다.
나 역시 무언가를 생각하는 데서 끝내기보다 일단 일을 벌이고 해결해나가는 방식을 좋아하는 편이라 프로젝트 내내 잘 맞았다.

데이터도, 창업도 경험해본 동갑내기 팀원

데이터를 담당한 팀원은 나와 동갑인 ESFJ였다.
이미 직접 창업을 해본 경험도 있었고, 그 과정에서 실패도 경험한 사람이었다.
개인적으로 이 부분에서 대화가 굉장히 재미있었다.
나는 실패를 무조건 피해야 할 사건이라기보다

실제로 무언가를 시도했기 때문에 얻을 수 있는 경험

이라고 생각하는 편이다.

그런 가치관이 잘 맞다 보니 데이터 이야기에서 시작해 창업이나 사업 이야기까지 자연스럽게 이어지는 경우가 많았다.
프로젝트를 같이하는 것뿐 아니라 이야기를 나누는 것 자체가 즐거웠던 팀원이었다.

디테일에 강했던 막내 디자이너

막내 팀원은 ISTJ 디자이너였다.
예고 출신에 국민대학교 미술대학에 재학 중이었고, 국무총리상과 장관상 등을 포함해 이미 굉장히 많은 수상 경험을 가진 사람이었다.
처음에는 경력만 보고도 상당히 놀랐다.
그런데 실제로 함께 작업하면서 더 인상 깊었던 것은 꼼꼼함이었다.
PPT 한 장, 문장 하나, 작은 디자인 요소 하나도 쉽게 넘어가지 않았다.

그리고 나는 ENTJ였다.
재미있게도 결국 팀원 네 명이 전부 J였다.
물론 MBTI가 업무 스타일을 전부 설명해주는 것은 아니지만, 이번 팀에는 확실한 공통점이 하나 있었다.

일을 열정적으로 벌였고, 벌인 일은 결국 어떻게든 해결했다.

나 역시 일을 벌이는 것을 좋아하는 편이라 이런 팀의 속도감이 굉장히 마음에 들었다.
공모전을 하다 보면 결과물을 제출하는 순간 팀이 자연스럽게 끝나는 경우도 많다.
그런데 이번 팀은 조금 다르게 느껴졌다.
이번 공모전 한 번으로 끝나기보다는 앞으로 또 다른 프로젝트나 공모전을 함께해보고 싶다.
조금 더 먼 미래에는 누군가 더 큰 프로젝트를 시작하거나 창업을 하게 됐을 때 서로 도움을 주고받을 수 있는 관계가 된다면 더 좋을 것 같다.

이번 경험을 통해 좋은 대외활동의 결과가 꼭 상장 하나만은 아니라는 것도 느꼈다.
“나중에 이 사람이 무언가를 한다면 함께해보고 싶다.”
라는 생각이 드는 사람을 만나는 것 역시 상당히 큰 결과였다.

8. 입상보다 더 많이 남은 프로젝트

결과만 보면 입상이었다.
조금 아쉬웠다.
하지만 이번 경험 자체가 아쉬운 경험이었냐고 묻는다면 전혀 아니다.
오히려 상당히 만족스럽다.

다른 대외활동에서 만난 후배의 한마디로 시작해서,
서로 다른 전공과 경험을 가진 네 사람이 모였고,

구청에서 느꼈던 하나의 문제를 다시 정의했고,
공공데이터를 분석하고,
AI를 어디에 사용할지 고민하고,
실제 웹 시제품을 만들고,
주장에 대한 근거와 한계를 검증하고,
전국 110팀 중 12팀의 본선 무대에서 직접 발표했다.

무엇보다 나는 이번 프로젝트에서 두 가지를 크게 배웠다.
첫 번째는,

AI를 어디에 사용할 것인가보다
어떤 문제를 해결할 것인가를 먼저 정의해야 한다는 것.

그리고 두 번째는,

좋은 발표란 말을 잘하는 것이 아니라
내가 한 주장에 대해 ‘왜?’라고 물었을 때 보여줄 근거를 준비해두는 것이라는 것.

여기에 한 가지를 더한다면,

좋은 프로젝트는 결과물뿐 아니라
앞으로 다시 함께하고 싶은 사람을 남기기도 한다는 것.

앞으로 다시 함께하고 싶은 사람들을 남긴 프로젝트였다.
다음에는 이 사람들과 또 어떤 일을 벌이게 될지 기대된다.

프로젝트 요약

구분	내용
프로젝트	달서 미리온(ON)
대회	2026년 달서 전국 대학생 AI활용 아이디어 콘테스트
주제	AI 활용 공공서비스 개선·혁신
핵심 아이디어	복지 사각지대 우선지역 예측 + AI 복지 자격판정
주요 기술/방식	공공데이터 분석, DBI, RAG, AI·규칙 이중검증
결과물	실제 웹 시제품 + 공무원 대시보드
전체 참가	110팀
본선	12팀
결과	입상
상금	20만 원

경제금융용어 공부 604 : 통화정책 커뮤니케이션(Monetary Policy Communication)

MKISOS — Thu, 27 Aug 2026 21:00:55 +0900

통화정책 커뮤니케이션(Monetary Policy Communication)

과거에는 중앙은행이 기준금리만 결정하면 시장이 이를 받아들이는 방식이었다. 하지만 오늘날에는 정책 자체만큼이나 정책의 의도와 향후 방향을 시장에 어떻게 전달하느냐가 중요해졌다. 중앙은행의 말 한마디가 주식시장, 채권시장, 환율까지 움직일 수 있기 때문이다. 이러한 소통 과정을 통화정책 커뮤니케이션이라고 한다.

1. 한 줄 정의

통화정책 커뮤니케이션은 중앙은행이 통화정책의 내용과 의도, 향후 정책 방향을 시장과 국민에게 설명하고 소통하는 활동이다.

2. 기본 개념

통화정책 커뮤니케이션(Monetary Policy Communication)은 중앙은행이 가계, 기업, 금융시장, 정부 등과 통화정책에 대해 소통하는 모든 과정을 의미한다.

단순히 기준금리를 발표하는 것만이 아니라,

정책을 왜 결정했는지
앞으로 어떤 방향으로 정책을 운영할 것인지
현재 경제를 어떻게 판단하고 있는지

등을 국민과 시장에 설명하는 과정까지 포함한다.

또한 시장의 반응을 확인하고 이를 정책에 반영하는 피드백 과정도 통화정책 커뮤니케이션의 일부이다.

3. 왜 중요한가

금융시장은 미래를 먼저 반영한다.

따라서 시장 참가자들은 현재 금리보다 앞으로 금리가 어떻게 변할지를 더 중요하게 생각한다.

중앙은행이 정책 방향을 명확하게 설명하면 시장의 불확실성이 줄어들고, 통화정책의 효과도 더욱 커질 수 있다.

반대로 중앙은행의 메시지가 모호하거나 일관성이 없으면 금융시장의 변동성이 커질 수 있다.

4. 쉽게 이해하는 예시

실생활 예시

선생님이 시험 전날 아무 말도 하지 않는 것보다,

"이번 시험은 계산보다 개념 이해를 중심으로 출제하겠다."

라고 미리 알려주면 학생들은 그 방향에 맞춰 공부한다.

중앙은행도 시장이 예상 가능한 방향으로 움직이도록 정책 의도를 미리 설명한다.

한국은행 예시

한국은행 금융통화위원회가 기준금리를 결정한 후,

곧바로 결정 내용을 발표하고 한국은행 총재가 기자회견을 통해

왜 금리를 올렸는지
경제를 어떻게 보고 있는지
앞으로 어떤 점을 중요하게 볼 것인지

를 설명한다.

이러한 과정이 모두 통화정책 커뮤니케이션이다.

금융시장 예시

한국은행 총재가

"당분간 물가 상승 압력이 지속될 것으로 판단한다."

라고 발언하면 시장은 앞으로 금리가 더 오를 가능성을 예상하게 된다.

이처럼 실제 금리 변경이 없어도 발언 자체만으로 시장이 움직일 수 있다.

5. 핵심 특징

5-1. 정책의 의도를 전달한다

단순히 금리만 발표하는 것이 아니라 정책의 배경과 목적까지 설명한다.

5-2. 시장의 기대를 관리한다

시장 참가자들의 금리와 물가에 대한 기대를 안정시키는 것이 중요한 목적이다.

5-3. 정책 효과를 높인다

시장이 중앙은행의 정책 방향을 이해하면 정책이 실제 경제에 더 효과적으로 전달될 수 있다.

5-4. 책임성과 투명성을 높인다

중앙은행은 정책 결정 과정을 공개함으로써 국민의 신뢰를 높이고 책임성을 강화한다.

6. 통화정책 커뮤니케이션의 대표적인 방법

기준금리 발표

금융통화위원회가 기준금리를 결정하면 즉시 발표한다.

총재 기자회견

기준금리 결정 직후 한국은행 총재가 정책 결정 배경과 향후 경제 전망을 설명한다.

금융통화위원회 의사록 공개

회의에서 어떤 논의가 있었는지를 일정 기간이 지난 후 공개한다.

이를 통해 시장은 위원들의 생각과 정책 방향을 이해할 수 있다.

통화신용정책보고서

한국은행은 정기적으로 국회와 국민에게 통화정책 운영 현황과 경제 상황을 보고한다.

연설 및 인터뷰

총재와 금융통화위원들은 강연, 인터뷰, 학술대회 등을 통해 경제 전망과 정책 방향을 설명한다.

7. 관련 개념과의 차이

통화정책 커뮤니케이션 vs 통화정책

통화정책

기준금리 결정
공개시장운영
지급준비율 조정

통화정책 커뮤니케이션

정책의 배경 설명
시장과의 소통
향후 정책 방향 전달

즉, 통화정책은 실제 행동, 커뮤니케이션은 그 행동을 설명하는 과정이다.

통화정책 커뮤니케이션 vs 포워드 가이던스

통화정책 커뮤니케이션

중앙은행의 모든 소통 활동

포워드 가이던스(Forward Guidance)

앞으로의 금리나 정책 방향을 미리 안내하는 커뮤니케이션 기법

포워드 가이던스는 통화정책 커뮤니케이션의 한 방법이다.

통화정책 커뮤니케이션 vs 물가안정목표제

통화정책 커뮤니케이션

정책을 설명하는 과정

물가안정목표제

중앙은행이 일정한 물가상승률 목표를 유지하는 통화정책 운영체제

물가안정목표제를 성공적으로 운영하기 위해서는 적극적인 커뮤니케이션이 필수적이다.

8. 경제적 의미

국가경제 관점

정확한 정책 설명은 경제주체들의 불확실성을 줄이고 물가와 경제를 안정시키는 데 도움이 된다.

중앙은행 관점

시장과의 신뢰를 구축하면 실제 금리를 크게 움직이지 않아도 정책 효과를 높일 수 있다.

즉, 말 자체가 하나의 정책수단이 될 수 있다.

금융시장 관점

시장 참가자들은 기준금리뿐 아니라 한국은행 총재의 기자회견과 발언, 의사록 등을 매우 중요하게 분석한다.

때로는 금리 결정 자체보다 발언 내용이 시장에 더 큰 영향을 주기도 한다.

투자 관점

투자자는 금리 발표뿐 아니라 한국은행 총재의 기자회견, 금융통화위원회 의사록, 통화신용정책보고서 등을 함께 확인해야 한다.

주식시장과 채권시장, 환율은 이러한 커뮤니케이션에 매우 민감하게 반응하기 때문이다.

9. 정리

통화정책 커뮤니케이션은 중앙은행이 통화정책의 내용과 의도, 향후 정책 방향을 시장과 국민에게 설명하고 소통하는 활동이다. 기준금리 발표, 총재 기자회견, 금융통화위원회 의사록 공개, 통화신용정책보고서 등이 대표적인 사례이며, 시장의 기대를 안정시키고 통화정책의 효과를 높이는 중요한 역할을 한다. 오늘날에는 실제 금리 결정만큼 중앙은행의 메시지와 소통이 금융시장에 큰 영향을 미치는 핵심 정책수단으로 평가받고 있다.

경제금융용어 공부 603 : 통화정책 운영체제(Monetary Policy Regime)

MKISOS — Wed, 26 Aug 2026 21:00:22 +0900

통화정책 운영체제(Monetary Policy Regime)

중앙은행은 물가를 안정시키고 경제를 성장시키기 위해 통화정책을 수행한다. 하지만 모든 국가가 같은 방식으로 정책을 운영하는 것은 아니다. 어떤 나라는 통화량을 중심으로 관리하고, 어떤 나라는 환율을 중시하며, 또 다른 나라는 물가상승률을 가장 중요한 목표로 삼는다. 이러한 통화정책의 운영 방식 자체를 통화정책 운영체제(Monetary Policy Regime)라고 한다.

1. 한 줄 정의

통화정책 운영체제는 중앙은행이 통화정책을 수행할 때 가장 중요하게 관리하는 목표지표(명목기준지표)를 중심으로 운영하는 정책 체계이다.

2. 기본 개념

통화정책 운영체제는 중앙은행이 통화정책을 수행할 때 어떤 경제지표를 가장 중요한 기준으로 삼을 것인지를 의미한다.

이때 가장 중요하게 관리하는 지표를 명목기준지표(Nominal Anchor)라고 한다.

명목기준지표는 중앙은행이 최종 목표인 물가안정과 경제안정을 달성하기 위해 집중적으로 관리하는 변수이다.

국가마다 경제구조와 금융시장 발전 정도가 다르기 때문에 각국은 서로 다른 통화정책 운영체제를 선택한다.

3. 왜 중요한가

경제는 매우 복잡하기 때문에 중앙은행이 모든 경제지표를 동시에 관리하기는 어렵다.

따라서 가장 신뢰할 수 있는 하나의 기준을 중심으로 정책을 운영하는 것이 효율적이다.

어떤 지표를 기준으로 삼느냐에 따라 기준금리 결정 방식과 통화정책의 방향도 달라질 수 있다.

4. 쉽게 이해하는 예시

실생활 예시

자동차를 운전할 때도 속도계, 연료계, 엔진온도 등 여러 계기가 있다.

하지만 고속도로에서는 대부분 속도계를 가장 중요하게 본다.

통화정책도 마찬가지로 여러 경제지표가 있지만 중앙은행은 하나의 핵심 지표를 중심으로 정책을 운영한다.

국가 예시

어떤 국가는 물가안정을 가장 중요하게 생각하여 물가상승률을 중심으로 정책을 운영한다.

반면 수출 비중이 매우 높은 국가는 환율 안정을 더 중요하게 생각할 수도 있다.

경제 예시

우리나라 한국은행은 현재 물가안정목표제(Inflation Targeting)를 운영하고 있다.

즉, 물가상승률을 가장 중요한 기준으로 삼아 기준금리를 조정한다.

5. 대표적인 통화정책 운영체제

5-1. 통화량목표제(Monetary Targeting)

중앙은행이 통화량 증가율을 목표로 관리하는 방식이다.

통화량과 물가가 밀접하게 연결되어 있다는 가정에 기반한다.

장점

정책 목표가 명확하다.
통화량 관리가 비교적 쉽다.

단점

금융혁신으로 통화량과 물가의 관계가 약해질 수 있다.
금융시장 변화에 대응하기 어렵다.

5-2. 환율목표제(Exchange Rate Targeting)

중앙은행이 환율을 일정 수준으로 유지하는 방식이다.

자국 통화를 특정 국가의 통화에 연동하거나 환율 변동폭을 제한한다.

장점

환율 변동성이 작아진다.
국제무역과 투자 안정성이 높아진다.

단점

독자적인 통화정책 수행이 어렵다.
외환보유액 관리 부담이 커질 수 있다.

5-3. 물가안정목표제(Inflation Targeting)

중앙은행이 물가상승률 목표를 미리 발표하고 그 수준을 유지하도록 통화정책을 운영하는 방식이다.

현재 우리나라를 비롯해 미국, 영국, 캐나다 등 많은 국가가 채택하고 있다.

장점

정책의 신뢰성이 높다.
물가안정을 달성하기 쉽다.

단점

경기침체 대응이 늦어질 수 있다.
금융시장 안정 등 다른 목표와 충돌할 수 있다.

6. 관련 개념과의 차이

통화정책 운영체제 vs 통화정책

통화정책 운영체제

통화정책을 어떤 기준으로 운영할 것인지에 대한 체계

통화정책

실제로 기준금리나 통화량을 조절하는 정책

즉, 운영체제는 정책의 틀, 통화정책은 실제 실행이다.

통화정책 운영체제 vs 물가안정목표제

통화정책 운영체제

여러 운영 방식 전체를 의미

물가안정목표제

운영체제의 한 종류

물가안정목표제는 다양한 통화정책 운영체제 가운데 하나이다.

명목기준지표(Nominal Anchor)

명목기준지표는 중앙은행이 가장 중요하게 관리하는 경제지표이다.

대표적인 명목기준지표는 다음과 같다.

통화량
환율
물가상승률

최근에는 명목 GDP를 기준으로 삼자는 논의도 이루어지고 있다.

7. 경제적 의미

국가경제 관점

경제구조와 금융시장 환경에 따라 가장 적합한 통화정책 운영체제를 선택하는 것이 중요하다.

운영체제가 경제 현실과 맞지 않으면 정책 효과가 크게 떨어질 수 있다.

중앙은행 관점

운영체제는 기준금리 결정과 공개시장운영 등 모든 통화정책의 방향을 결정하는 기준이 된다.

따라서 중앙은행의 정책 철학을 가장 잘 보여주는 요소 중 하나이다.

금융시장 관점

시장 참여자들은 중앙은행이 어떤 운영체제를 채택하고 있는지를 알면 앞으로의 금리와 통화정책 방향을 예측하는 데 도움이 된다.

투자 관점

투자자는 중앙은행이 무엇을 가장 중요하게 생각하는지 이해해야 한다.

예를 들어 물가안정목표제를 운영하는 국가에서는 물가상승률이 예상보다 높아질 경우 기준금리 인상 가능성이 커질 수 있다.

8. 정리

통화정책 운영체제는 중앙은행이 통화정책을 수행할 때 가장 중요하게 관리하는 명목기준지표를 중심으로 운영하는 정책 체계이다. 대표적으로 통화량목표제, 환율목표제, 물가안정목표제가 있으며, 현재 우리나라는 물가상승률을 핵심 기준으로 하는 물가안정목표제를 채택하고 있다. 어떤 운영체제를 선택하느냐에 따라 통화정책의 방향과 경제에 미치는 영향도 달라질 수 있다.

경제금융용어 공부 602 : 통화정책(Monetary Policy)

MKISOS — Tue, 25 Aug 2026 21:00:25 +0900

통화정책(Monetary Policy)

경제가 과열되면 물가가 오르고, 경기가 침체되면 소비와 투자가 줄어든다. 이러한 경제 상황을 안정시키기 위해 중앙은행이 금리와 통화량을 조절하는 정책이 바로 통화정책(Monetary Policy)이다. 우리나라에서는 한국은행이 통화정책을 수행하며, 가장 대표적인 수단이 기준금리 조정이다.

1. 한 줄 정의

통화정책은 중앙은행이 통화량과 금리를 조절하여 물가안정과 금융안정을 달성하고 지속 가능한 경제성장을 유도하는 정책이다.

2. 기본 개념

통화정책(Monetary Policy)은 중앙은행이 기준금리와 통화량을 조절하여 경제를 안정적으로 운영하는 정책이다.

우리나라에서는 한국은행이 통화정책을 담당하며, 금융통화위원회를 통해 기준금리를 결정한다.

통화정책의 가장 중요한 목표는 물가안정이다.

물가가 안정되어야 기업은 투자 계획을 세우기 쉽고, 가계도 안정적인 소비 활동을 할 수 있기 때문이다.

최근에는 금융위기 경험이 늘어나면서 금융안정도 중요한 정책 목표로 함께 고려되고 있다.

3. 왜 중요한가

경제는 항상 경기침체와 경기과열을 반복한다.

경기가 과열되면 물가가 급등하고 자산시장에 거품이 생길 수 있다.

반대로 경기가 침체되면 소비와 투자, 고용이 감소한다.

중앙은행은 통화정책을 통해 이러한 경기 변동을 완화하고 경제의 안정적인 성장을 지원한다.

4. 쉽게 이해하는 예시

실생활 예시

자동차의 액셀과 브레이크를 생각해보자.

경제가 너무 빠르게 달리면 브레이크를 밟아 속도를 줄이고,

경제가 너무 느려지면 액셀을 밟아 다시 속도를 높인다.

통화정책도 이와 같은 역할을 한다.

경기침체 예시

경기가 나빠지면 한국은행은 기준금리를 인하한다.

그러면 대출금리가 낮아져 기업은 투자를 늘리고, 가계는 소비를 늘릴 가능성이 높아진다.

결국 경제활동이 활발해지는 효과를 기대할 수 있다.

경기과열 예시

물가가 빠르게 상승하면 한국은행은 기준금리를 인상한다.

대출이 줄고 소비와 투자가 감소하면서 물가 상승 압력이 완화될 수 있다.

5. 핵심 특징

5-1. 중앙은행이 수행한다

우리나라에서는 한국은행이 통화정책을 담당한다.

5-2. 물가안정이 가장 중요한 목표이다

지속적인 경제성장을 위해서는 안정적인 물가가 필수적이다.

5-3. 기준금리가 핵심 수단이다

기준금리를 조정하면 시장금리와 예금·대출금리에도 영향을 미쳐 경제 전반에 파급된다.

5-4. 금융안정도 함께 고려한다

최근에는 물가뿐 아니라 금융시장 안정과 가계부채 문제 등도 중요한 정책 목표가 되고 있다.

6. 주요 통화정책 수단

기준금리 조정

가장 대표적인 통화정책 수단이다.

기준금리를 올리면 시중금리가 상승하고,

기준금리를 내리면 시중금리가 하락하는 경향이 있다.

공개시장운영

한국은행이 국채나 통화안정증권 등을 매매하여 시중 유동성을 조절하는 방식이다.

대표적인 수단은 다음과 같다.

환매조건부채권(RP)
통화안정증권
통화안정계정

지급준비율 조정

은행이 반드시 보유해야 하는 지급준비금 비율을 조정하여 시중의 통화량을 변화시키는 정책이다.

대출제도

한국은행이 금융기관에 자금을 공급하거나 회수하여 금융시장의 유동성을 조절한다.

7. 관련 개념과의 차이

통화정책 vs 재정정책

통화정책

주체: 한국은행(중앙은행)
수단: 금리, 통화량
목적: 물가안정, 금융안정

재정정책

주체: 정부
수단: 세금, 정부지출
목적: 경기부양, 복지, 고용 등

즉, 통화정책은 중앙은행, 재정정책은 정부가 수행한다.

긴축적 통화정책 vs 완화적 통화정책

긴축적 통화정책

기준금리 인상
통화량 감소
물가안정 목적

완화적 통화정책

기준금리 인하
통화량 증가
경기부양 목적

통화정책 vs 양적완화(QE)

통화정책

금리와 통화량을 조절하는 모든 정책

양적완화

기준금리를 더 이상 내리기 어려울 때 시행하는 비전통적 통화정책

양적완화는 통화정책의 한 종류이다.

8. 경제적 의미

국가경제 관점

통화정책은 물가안정과 경제성장을 동시에 달성하기 위한 핵심 거시경제정책이다.

경제가 과열되면 물가를 안정시키고, 경기침체기에는 경제를 회복시키는 역할을 한다.

기업 관점

기준금리가 낮아지면 기업의 자금조달 비용이 줄어들어 투자 확대에 도움이 된다.

반대로 금리가 상승하면 차입 부담이 커져 투자 계획을 조정할 수 있다.

금융시장 관점

기준금리 변화는 채권금리, 주식시장, 환율, 부동산시장 등 거의 모든 금융시장에 영향을 미친다.

따라서 통화정책은 금융시장의 가장 중요한 변수 중 하나이다.

투자 관점

투자자는 한국은행의 기준금리 결정과 통화정책 방향을 반드시 확인해야 한다.

금리 인상기에는 채권금리 상승과 성장주 약세가 나타날 수 있으며,

금리 인하기에는 소비와 투자 증가로 주식시장에 긍정적인 영향을 줄 가능성이 있다.

9. 정리

통화정책은 중앙은행이 금리와 통화량을 조절하여 물가안정과 금융안정을 달성하고 지속 가능한 경제성장을 유도하는 정책이다. 우리나라에서는 한국은행이 기준금리 조정, 공개시장운영, 지급준비제도 등을 활용하여 통화정책을 수행한다. 특히 기준금리 변화는 소비, 투자, 환율, 주식시장, 부동산시장 등 경제 전반에 영향을 미치는 가장 중요한 거시경제정책 중 하나이다.

[주간회GO 26년 8월 4주차] 일본 -> 부산 -> 대구 -> 청주 -> 서울 -> 청주, 새 취미 : 스크린 골프, 렌즈삽입수술

MKISOS — Tue, 25 Aug 2026 17:34:12 +0900

[주간회GO 26년 8월 4주차]

26년 8월 4주차

26년 8월 17일 월요일

일본 마지막날
밤에 대구 도착했다. (글 적을 힘이 없음)
ㄹㅈㄷ 많이 먹고 쇼핑하고 쉬다가 왔다.

아 몸무게는 +5키로 쪘더라 ㅎㅎ 잘 놀고 먹었다는 거니 좋다. 금방 없애니까 뭐~ 오히려 힘 넘쳐서 좋은듯

26년 8월 18일 화요일

빠르게 일상복귀

저 우동 너무 맛있다 ㅎㅎ
본가지만 수박 시켜서 바로 잘라 먹음.

골프는 아직 감을 못잡겠음. ㅠㅠ 꼴찌함

개강 전 마지막 부산일 것 같다

자기전에 오랜만에 땡겨서 막 섞어서 먹음 ㅎ

26년 8월 19일 수요일

본가 떠나기 전 오운완
본가 + 일본 여행으로 먹은게 사라지지가 않네 ㅋㅋㅋㅋㅋ

대구 -> 오송
요즘 기차 너무 많이타서 지쳤다 (돈도 엄청쓰고^^)

인스타에서 개발자분이 선물로 주신 책이 집에 도착해있었다.

골프 잘치고 싶다…
내 돋보기,,,

집 정리 + 짐 정리 하니 잘 시간!
내일 오랜만에 출근이라 설렌다.

26년 8월 20일 목요일

뭔가 피곤했던 기억이
오랜만에 코인 좀 올라서 보고 운동다녀왔다.

요즘 내 돋보기가 바뀜
낼 반차니 한번 치러 가야겠음.

재진이형이 나 고생했다고 밥사주고
나도 후임들 오랜만에 모아서 커피 샀다 ㅋㅋㅋ
오랜만에 보니 재밌넹
내일이 마지막 출근 ㅇㅅㅇ

제미나이 다시 1년 승인되길

오랜만에 식단하니 입이 너무 심심해서,,,
집을 오래 비워서 집에 뭐 있는 게 없음(계란 두부 수박 고구마 감자 다 없어)

+ 아니 우리엄마는 회사에 중국어 학원 보내준다고 해도 거절, 중국 출장 보내줘도 거절, 미국 보내준다해도 거절 다 거절하는게 진짜 내가 대신 가고 싶음…

26년 8월 21일 금요일

벌써 금요일이다.
오운완했고 다시 여행 전 체중으로 돌아오고 있다.
이제 내일 수술하고 한 일주일 이상 운동 못하니까 오늘 빡세게 했다. 낼 수술 조금 떨린다. (나 눈을 오래 못뜨는데…;)

반차쓰고 집 근처에 스골 있어서 방문했다 ㅎㅎ

드디어 카나나의 시계가 움직인다.

이것도 어서 확인하고 공부하고 해야하는데 낼 시력 수술인데 얼른 회복하고 할 거 해야지

휴 ㅎㅎㅎ adsp 합격

26년 8월 22, 23일 토,일요일 주말

과외학생 너무 너무 귀엽다.

아침 일찍 서울로~

10:30분 예약인데 성격 급해서 9시에 도착해서 지하상가에서 쉬다가 올라갔다 …

수술 완
진짜 체감상 오른쪽 눈 먼저할때 한 7분 왼쪽눈 4분?
한쪽 해보니 과정이랑 시선 두는 곳 익숙해져서 훨씬 쉬웠다.
근데 다시하면 진짜 내키진 않지만 하면 할 수 있을 법한 느낌?

열심히 벌고 아껴서 투자한 돈을 의미있게 쓰고 있다는 생각에 뿌듯하다.
앞으로 더 관리(자기관리, 돈관리) 열심히 해서 미래의 가족들 주변사람들에게 도움을 줘야겠다.

집와서 가족끼리 먹방~

다시 일상으로 돌아와서 식단하고
멘토링하고 ~
저 상태로 멘토링해서 멘토님 2회 웃기기 성공 ㅎㅎ

아 그리고 할인이 크다고 하니 필요한 사람은 연락주세요~

[UNIKER] 지인 테스트와 35개 QA로 CampusLog를 점검하고, 최종 데모 준비에 들어가다

MKISOS — Tue, 25 Aug 2026 15:58:07 +0900

커널아카데미 대학생 AI 크루 UNIKER 1기 팀 핏줄은 대학생의 경험을 꾸준히 기록하고, 필요한 순간 AI를 통해 다시 활용할 수 있도록 돕는 CampusLog를 개발하고 있다.

이번 주인 8월 17일부터 8월 23일까지는 새로운 기능을 계속 늘리는 것보다 지금까지 만든 서비스를 실제 사용자 관점에서 점검하고, 최종 데모를 앞두고 안정성을 높이는 데 집중했다.

지난주부터 가까운 지인들을 대상으로 CampusLog 테스트를 진행하고 있었는데, 서비스를 직접 사용해달라고 요청하면서 개발팀 내부에서는 잘 보이지 않았던 작은 불편함과 오류들이 계속 발견되기 시작했다.

동시에 이제 최종 발표도 얼마 남지 않았기 때문에,

기능을 더 많이 만드는 것보다
지금 있는 기능을 얼마나 안정적으로 보여줄 수 있는가

가 중요해졌다.

그래서 이번 주에는 지인 테스트 피드백을 반영한 세부 UX 수정, 나의 활동 화면의 인터랙션 개선, AI를 활용한 QA 체계 구축, 그리고 ‘오늘의 기록’의 활용 범위를 미래 계획까지 확장하는 작업을 진행했다.

마지막 8월 23일 멘토링에서는 개발 이야기보다 최종 발표를 어떻게 구성하고 전달할 것인지를 중심으로 이야기를 나눴다.

STEP 1. 이번 주 목표 — 기능 추가보다 완성도와 검증

프로젝트 초반에는 경험 CRUD부터 AI 경험 분석, 자기소개서·면접·JD 기반 경험 추천까지 핵심 기능을 하나씩 구현하는 것이 가장 중요했다. 하지만 지금은 웬만한 핵심 기능이 모두 연결되어 있다.

사용자는 활동 중에는 오늘의 기록을 남길 수 있고, 활동이 끝나면 이를 하나의 경험으로 정리할 수 있다. 저장된 경험은 AI가 STAR 구조와 주요 성과를 중심으로 분석하고, 자기소개서·면접·JD와 같은 목적에 맞춰 다시 추천해준다.

이 단계부터는 새로운 기능 하나를 추가하는 것보다 기존 기능에서 발생하는 작은 어색함이 더 눈에 들어오기 시작했다.

실제 지인 테스트에서도 처음에는 디자인이나 버튼 위치처럼 바로 보이는 의견이 많이 들어왔다.

그래서 이번 주 목표를 크게 세 가지로 잡았다.

첫째, 지인 테스트에서 발견되는 작은 오류와 UX 문제를 계속 수정하기.

둘째, 사람이 직접 눌러보는 테스트뿐 아니라 AI와 자동화된 테스트를 이용해 전체 기능을 다시 검증하기.

셋째, 최종 발표를 앞두고 더 이상의 큰 기능 확장보다 안정화와 발표 준비로 무게중심을 옮기기.

작은 어색함까지 하나씩 줄여보기

8월 18일부터는 서비스 곳곳에서 발견한 세부적인 UX 문제를 집중적으로 수정했다.

AI 경험 분석을 실행하면 처리 상태에 따라 안내 문구가 바뀌는데, 분석을 시작하자마자 같은 첫 문장이 두 번 나타나는 현상이 있었다.

기능에는 문제가 없지만 사용자가 보기에는 화면이 순간적으로 다시 시작되는 것처럼 느껴질 수 있었다.

원인을 확인해보니 서버에서 새로운 상태 문구가 전달될 때마다 현재 문장 위치가 다시 첫 번째로 초기화되고 있었다.

그래서 문구 목록이 갱신되더라도 현재 순환 위치를 유지하도록 변경해 AI 처리 문장이 자연스럽게 이어지도록 수정했다.

나의 활동에서도 비슷한 작은 문제들이 있었다.

즐겨찾기와 모든 활동 목록의 크기가 바뀔 때 제목 글자가 순간적으로 늘어나거나 눌려 보였고, 우측 상세 화면을 닫을 때는 패널이 자연스럽게 사라지는 것이 아니라 왼쪽 아래 방향으로 움직이는 것처럼 보였다.

단순히 애니메이션 속도를 바꾸는 것으로 해결하지 않고, 왜 이런 움직임이 생기는지를 먼저 확인했다.

제목은 위치뿐 아니라 크기까지 함께 보간되면서 글자 자체가 변형되고 있었기 때문에 위치만 이동하도록 변경했다.

상세 화면 역시 선택 상태를 먼저 없애면서 목록이 넓어지는 동작과 상세 패널의 퇴장이 동시에 일어나고 있었다.

그래서

상세 패널 퇴장
→ 퇴장 완료
→ 목록 확장

순서로 동작하도록 분리했다.

기능만 보면 이전과 동일하지만, 실제로 여러 번 사용하다 보면 이런 미세한 차이가 서비스의 완성도에 꽤 큰 영향을 준다는 것을 느꼈다.

이제는 사람이 아니라 AI에게도 QA를 맡겨보기

이번 주에서 가장 의미 있었던 작업 중 하나는 CampusLog의 테스트 체계를 제대로 만든 것이었다.

이전에도 기능을 개발한 뒤

lint
TypeScript 검사
production build
구조 테스트
브라우저 직접 테스트

등을 반복하고 있었다.

하지만 기능이 많아지면서 “무엇을 어디까지 테스트했는지”를 한눈에 확인하기 어려워졌다.

특히 경험 기록, 활동 기록, AI 분석, 추천, 첨부 파일, 로그인, 계정별 데이터 분리 등 기능이 연결되면서 한 부분을 수정했을 때 다른 곳에서 문제가 생기지 않는지도 계속 확인해야 했다.

그래서 8월 20일에는 현재 실제 구현된 기능을 기준으로 반복 가능한 QA 문서 체계를 만들었다.

TEST_PLAN, TEST_CASES, TEST_RESULTS, TEST_HISTORY로 역할을 나누고 총 35개의 테스트 케이스를 정리했다.

단순히 체크리스트를 만드는 데서 끝내지 않고 실제로 테스트를 수행했다.

검증 범위에는 로그인·로그아웃과 세션 복구, 서로 다른 계정의 데이터 분리, 실제 DB CRUD, 모바일 화면, 첨부 자료 처리, AI 추천 등이 포함됐다.

실제 로그인 환경에서 두 계정 간 RLS 데이터 분리도 확인하고, 모바일 390px 환경에서 실제 데이터가 있는 주요 화면을 확인해 가로 overflow가 발생하지 않는지도 테스트했다.

OpenAI API를 사용하는 테스트는 비용도 발생할 수 있기 때문에 모든 케이스에서 무작정 실제 호출을 반복하지 않았다.

필요한 최소 범위에서 실제 AI 추천과 분석, 자기소개서 답변 생성을 실행하고, 실패나 취소와 같은 상황은 가능한 부분에서 mock과 fault injection을 활용해 검증했다.

최종적으로 현재 구현된 범위에서는 32개 테스트가 PASS, 아직 사용자 플로우 자체가 구현되지 않은 3개 항목은 NOT_IMPLEMENTED로 명확하게 분리했다.

FAIL, BLOCKED, NOT_RUN 상태로 남은 항목 없이 현재 코드 기반 QA를 마무리했다.

자동 테스트 역시 최종 Node 테스트 186개가 모두 통과했고 lint, typecheck, production build까지 다시 확인했다.

AI가 실패해도 사용자의 기존 기록은 지켜야 한다

AI 기능의 실패 상황도 별도로 확인했다.

CampusLog는 사용자가 자신의 경험을 직접 기록한 뒤 AI가 그 경험을 분석하는 구조다.

따라서 AI 요청이 실패하거나 사용자가 도중에 취소했다고 해서 기존 경험이나 이전에 성공적으로 생성된 분석 결과가 사라지면 안 된다.

이번 QA에서는 분석 실패와 취소 상황에서

새로운 분석 결과가 잘못 저장되지 않는지
사용자가 작성한 경험 원문이 유지되는지
마지막으로 정상 생성된 분석 결과가 보존되는지

를 회귀 테스트로 검증했다.

CampusLog가 중요하게 생각하는 것 중 하나가 AI보다 사용자의 실제 경험을 우선하는 것인데, 테스트 측면에서도 이 원칙이 유지되는지 확인한 셈이다.

‘오늘의 기록’을 과거 기록에서 미래 계획까지 확장하기

8월 21일에는 오늘의 기록에 새로운 활용 방식을 추가했다.

기존 캘린더는 오늘과 과거의 날짜를 중심으로 실제로 한 일을 기록하는 공간이었다.

그런데 사용하다 보니 활동이 시작되어 있는 상태라면 앞으로 해야 할 일도 같은 캘린더 안에서 미리 적어둘 수 있으면 좋겠다는 생각이 들었다.

결국 프로젝트 경험은

무엇을 했는가

뿐 아니라

앞으로 무엇을 해야 하는가

가 함께 이어지는 과정이기 때문이다.

그래서 캘린더를 오늘 기준 최대 12개월 뒤까지 이동할 수 있도록 확장하고, 진행 중이거나 시작 예정인 활동 기간 안에서는 미래 날짜에도 계획을 작성할 수 있도록 했다.

다만 여기서 중요한 문제가 하나 있었다.

CampusLog는 활동이 종료되면 날짜별 기록을 AI에 전달해 하나의 완료 경험으로 정리한다.

그렇다면 미래 계획까지 그대로 AI에 전달하면 아직 하지 않은 일을 이미 수행한 사실처럼 분석할 위험이 있다.

그래서 화면에서는 미래 기록을 명확히 계획으로 구분하고, 활동 종료 후 경험을 합성할 때는 오늘까지 실제로 수행한 기록만 AI 입력으로 전달하도록 제한했다.

예를 들어 다음 주 날짜에

“사용자 테스트 결과 정리”

라고 미리 작성했다고 해서 AI가 이를 이미 수행한 성과로 판단하지 않는다.

사용성만 늘리고 기존의 사실 기반 경험 분석 원칙은 그대로 유지한 것이다.

이 기능을 만들면서 새로운 기능을 추가할 때 기존 AI 흐름에 어떤 영향을 줄 수 있는지까지 함께 봐야 한다는 것을 다시 느꼈다.

지인 테스트에서 느낀 예상 밖의 어려움

이번 주에도 지인 테스트는 계속 진행했다.

초반에는 가까운 사람들에게 링크를 전달하고 사용하면서 불편한 점이나 오류를 알려달라고 요청하면 충분할 것이라고 생각했다.

하지만 실제로 테스트를 진행하면서 CampusLog는 일반적인 간단한 웹 서비스와 조금 다르다는 것을 느꼈다.

CampusLog의 진짜 가치는 버튼 하나를 눌러보는 것만으로는 잘 드러나지 않는다.

사용자가 자신의 활동을 등록하고, 날짜별 기록을 쌓고, 경험을 정리하고, AI 분석을 받은 다음 여러 경험이 축적된 상태에서 다시 자기소개서나 JD를 넣어봐야 한다.

즉 개인의 데이터가 어느 정도 쌓여야 핵심 가치가 보이는 서비스다.

그렇다 보니 짧은 기간 동안

“한번 써보고 피드백 주세요.”

라고 요청하는 방식만으로는 깊은 피드백을 얻기가 쉽지 않았다.

디자인이나 눈에 바로 보이는 불편은 빠르게 받을 수 있었지만, 경험 추천 품질이나 장기적인 기록 흐름은 사용자가 꽤 성실하게 데이터를 입력해야 확인할 수 있었다.

이 부분은 8월 23일 멘토링에서도 다시 이야기하게 됐다.

8월 23일 멘토링 — 이제 개발보다 발표를 고민할 시간

8월 23일 UNIKER 멘토링에서는 이번 주 진행 상황을 공유했다.

지인 테스트를 계속하면서 들어오는 요청과 작은 디자인 문제를 수정하고 있고, 이전 강의에서 들었던 AI에게 QA 테스트를 맡겨보는 방식도 실제로 적용해 전체 기능을 점검했다고 말씀드렸다.

제품 자체는 큰 수정이 필요한 단계는 어느 정도 지나갔다고 판단했고, 다음 주가 최종 발표인 만큼 이번 멘토링에서는 주제를 조금 바꿨다.

“8분이라는 짧은 시간 안에 CampusLog를 어떻게 보여줘야 기억에 남을까?”

멘토님께서는 발표를 구성할 때 양괄식 구조를 자주 사용한다고 말씀해주셨다.

여러 팀이 연속으로 발표하면 중간에 들었던 내용은 시간이 지나면서 기억이 흐려질 수 있다.

그래서 가장 강조하고 싶은 메시지를 발표 시작 부분에서 먼저 제시하고, 마지막에 다시 한 번 같은 메시지로 정리하면 상대적으로 기억에 남기 좋다는 이야기였다.

CampusLog도 기능을 하나씩 나열하기보다,

우리가 해결하려는 문제는 무엇인지
CampusLog가 그 문제를 어떻게 해결하는지

를 처음부터 명확하게 보여준 뒤 마지막에도 다시 연결할 필요가 있다고 느꼈다.

8분 발표는 생각보다 훨씬 짧다

이번 최종 발표 시간은 8분이다.

멘토님께서는 8분이 실제로 발표를 해보면 굉장히 짧은 시간이라고 강조하셨다.

PPT 한 장을 설명하는 데 보통 30~40초 정도를 기준으로 잡고, 내용이 많은 장표도 1분 이상 오래 머무르지 않도록 발표 전체 시간을 설계하는 것이 좋다고 조언해주셨다.

그리고 발표 경험이 많지 않을수록 대본을 구체적으로 작성하는 것이 좋다고 했다.

큰 흐름만 기억하고 현장에서 이야기하려고 하면 생각보다 시간이 늘어나거나 중요한 내용을 빠뜨릴 수 있기 때문이다.

그래서 최종 발표 전에는

PPT 제작
→ 실제 데모 동선 결정
→ 8분 대본 작성
→ 타이머를 켜고 연습
→ 영상 촬영
→ 습관과 불필요한 문장 수정

과정을 반복하기로 했다.

특히 직접 발표 영상을 찍어보면 자신도 몰랐던 말버릇이나 동작을 확인할 수 있다는 조언이 기억에 남았다.

실제 데모와 영상, 둘 중 하나만 고를 필요는 없다

CampusLog는 실제 서비스를 보여주는 것이 중요한 프로젝트이기 때문에 가능하면 직접 데모를 진행하는 것이 좋다는 의견도 들었다.

다만 생성형 AI가 포함된 서비스는 변수가 있다.

AI 분석이나 추천 결과가 생성되기까지 시간이 걸릴 수 있고, 네트워크나 API 상태에 따라 발표 도중 예상보다 오래 기다릴 수도 있다.

멘토님께서는 이런 부분에서는 반드시 모든 과정을 실시간으로 고집하기보다 시간이 오래 걸리는 구간을 미리 준비한 영상으로 빠르게 보여주는 방법도 사용할 수 있다고 말씀하셨다.

이 이야기를 들으며 중간 데모데이에서 AI 분석 도중 실제 오류가 발생했던 경험도 떠올랐다.

최종 발표에서는

라이브 데모를 기본으로 준비하되, 생성 대기나 돌발 오류를 대비할 백업 시나리오까지 함께 준비해야겠다.

단순히 기능이 잘 작동하기를 기대하는 것이 아니라 발표 자체도 하나의 사용자 시나리오처럼 설계할 필요가 있다.

AI로 PPT를 만들더라도 그대로 사용하지 않기

PPT 제작에 관한 질문도 드렸다.

요즘은 Claude나 ChatGPT 같은 AI를 활용하면 발표 자료도 굉장히 빠르게 만들 수 있다.

하지만 여러 팀이 모두 비슷한 도구를 사용하면 결과물의 패턴도 자연스럽게 비슷해질 수 있다.

멘토님께서는 AI를 사용했다는 것 자체가 문제가 되는 것은 아니지만, AI가 만들어준 결과를 그대로 가져온 것처럼 보이면 발표 자료의 차별성이 줄어들 수 있다고 이야기해주셨다.

따라서 AI를 활용하더라도 원하는 디자인 레퍼런스를 먼저 정하고, 생성된 결과를 팀의 서비스와 발표 목적에 맞게 충분히 수정하는 것이 중요하다.

웹 서비스들의 디자인 패턴을 정리한 자료나 특정 스타일을 참고해 AI에게 명확한 기준을 제공하는 방법도 소개해주셨다.

결국 AI를 쓰지 않는 것이 중요한 게 아니라,

AI가 만든 결과를 그대로 제출하는 사람이 아니라
AI를 이용해 우리 결과물을 더 잘 만드는 사람이 되는 것

이 더 중요하다고 느꼈다.

사용자 테스트에 대해서도 다시 생각해보다

멘토링 마지막에는 이번 지인 테스트의 어려움에 대해서도 이야기했다.

CampusLog는 사용자가 경험 하나만 입력해보고 끝나는 서비스가 아니다.

여러 경험과 날짜별 기록이 쌓이고, AI 분석을 거쳐 실제 자기소개서나 JD에서 다시 활용하는 전체 흐름을 경험해야 서비스의 핵심 가치를 제대로 확인할 수 있다.

멘토님도 이런 서비스 특성상 짧은 기간에 깊은 사용자 피드백을 얻는 것이 쉽지 않을 수 있다고 이야기해주셨다.

처음에는 테스트 인원을 늘리면 자연스럽게 많은 의견을 얻을 수 있을 것이라고 생각했다.

하지만 이번 테스트를 통해 인원수만큼 중요한 것이

한 명의 사용자가 얼마나 깊게 전체 흐름을 사용해봤는가 라는 것을 알게 됐다.

앞으로 CampusLog를 실제 서비스로 이어간다면 단발성 사용성 테스트뿐 아니라 일정 기간 동안 사용해보는 형태의 테스트도 필요할 것 같다.

STEP 3. 이번 주 Key Takeaways

이번 주는 지금까지 만든 CampusLog를 다시 점검하는 시간이 많았다.

그 과정에서 크게 세 가지를 배웠다.

1. 기능이 완성되기 시작하면 작은 UX가 더 크게 보인다

목록 폭, 화면 전환, 스크롤바, AI 처리 문구처럼 하나만 보면 사소한 문제들이 실제 서비스를 계속 사용할 때는 전체 인상을 결정한다.

처음에는 기능 구현이 우선이었다면 지금은 같은 기능을 얼마나 자연스럽게 사용할 수 있는지를 보게 됐다.

2. QA는 마지막 확인이 아니라 개발 과정의 일부다

35개의 테스트 케이스를 정리하고 실제로 돌려보면서 정상적인 상황에서는 보이지 않았던 로그인 오류까지 발견할 수 있었다.

자동화할 수 있는 것은 자동화하고, 실제 AI 호출이 필요한 부분만 최소한으로 확인하면서 테스트 비용까지 함께 관리하는 방법도 배웠다.

3. 사용자 테스트는 서비스 특성에 따라 방법이 달라져야 한다

CampusLog처럼 데이터가 누적되어야 가치가 생기는 서비스는 짧게 한두 번 사용하게 하는 것만으로 충분하지 않았다.

앞으로는 단순한 “써보고 알려주세요”보다 실제 활동과 경험을 넣고 전체 플로우를 일정 기간 사용하게 하는 방식도 고민해야 한다.

Next Step — 이제 최종 데모 준비

다음 주에는 큰 기능 개발보다 최종 데모 준비와 안정화에 집중한다.

개발 측면에서는 지인 테스트에서 새롭게 들어오는 치명적인 오류를 우선 수정하고, 현재 테스트 체계로 핵심 흐름을 다시 한 번 회귀 검증할 예정이다.

발표 준비에서는 8월 23일 멘토링 내용을 반영해 8분 발표 구조를 양괄식으로 설계하고, 핵심 메시지가 처음과 마지막에 다시 연결되도록 PPT를 구성한다.

실제 서비스 시연은 최대한 라이브로 준비하되, AI 응답 지연이나 예상하지 못한 오류에 대비해 백업 화면이나 데모 영상도 함께 준비한다.

팀 전체가 실제 발표 시간과 동일하게 타이머를 켜고 여러 차례 리허설하고, 가능하면 발표 영상을 촬영해 말버릇과 불필요한 동작까지 확인할 예정이다.

남은 기간에는 무엇을 더 만들었는지가 아니라,

왜 CampusLog가 필요한지, 그리고 실제로 얼마나 안정적으로 동작하는지

를 보여주는 데 집중하려고 한다.

마무리

UNIKER 프로젝트가 시작됐을 때는 아이디어를 실제 코드로 구현하는 것 자체가 가장 큰 목표였다.

이후에는 AI 분석과 추천을 연결하고, 로그인과 DB를 만들고, 날짜별 기록과 경험 합성까지 확장했다.

그리고 이번 주에는 조금 다른 질문을 계속 던졌다.

이 버튼은 자연스러운가?
AI가 실패해도 데이터는 안전한가?
다른 계정의 데이터는 정말 분리되는가?
모바일에서도 제대로 사용할 수 있는가?
이 서비스를 처음 사용하는 사람도 전체 흐름을 이해할 수 있는가?
그리고 우리는 이 모든 것을 8분 안에 설명할 수 있는가?

기능 개발에서 시작한 프로젝트가 이제 테스트와 운영, 사용자 경험, 발표까지 이어지고 있다.

커널아카데미 UNIKER 1기 활동도 정말 마지막을 향해 가고 있다.

남은 기간에는 새로운 것을 무리하게 추가하기보다 지금까지 팀 핏줄이 만든 CampusLog를 다시 한번 꼼꼼하게 검증하고, 최종 데모에서는 우리가 해결하고 싶었던 문제와 그동안의 개발 과정을 가장 명확하게 보여줄 수 있도록 준비해보려고 한다.

경제금융용어 공부 601 : 통화전쟁(Currency War)

MKISOS — Mon, 24 Aug 2026 21:00:18 +0900

통화전쟁(Currency War)

환율은 한 나라의 수출과 수입, 경제성장에 큰 영향을 미친다. 따라서 각국은 자국 기업의 수출 경쟁력을 높이기 위해 자국 통화가치를 낮추려는 정책을 펼치기도 한다. 여러 나라가 이러한 정책을 경쟁적으로 시행하는 현상을 통화전쟁(Currency War) 또는 환율전쟁이라고 한다.

1. 한 줄 정의

통화전쟁은 여러 국가가 수출 경쟁력을 높이기 위해 경쟁적으로 자국 통화가치를 낮추는 현상을 말한다.

2. 기본 개념

통화전쟁(Currency War)은 각국이 자국 통화를 의도적으로 평가절하하여 환율을 높이고, 이를 통해 수출 경쟁력을 확보하려는 경쟁을 의미한다.

예를 들어 원화 가치가 하락하면 같은 제품이라도 해외에서는 더 저렴하게 보이기 때문에 수출기업의 가격 경쟁력이 높아질 수 있다.

문제는 한 나라가 통화가치를 낮추면 다른 나라도 경쟁력을 유지하기 위해 비슷한 정책을 시행할 가능성이 있다는 점이다.

이처럼 여러 나라가 동시에 통화가치를 낮추려는 경쟁이 벌어지는 상황을 통화전쟁이라고 한다.

3. 왜 중요한가

통화전쟁은 단기적으로는 수출을 늘리는 효과가 있을 수 있지만, 국가 간 경쟁이 심화되면 세계 무역과 금융시장에 부정적인 영향을 줄 수 있다.

또한 경쟁적인 환율 절하는 보호무역주의 확산과 국제 갈등으로 이어질 가능성도 있다.

4. 쉽게 이해하는 예시

실생활 예시

동네 빵집 두 곳이 있다고 가정해보자.

한 빵집이 가격을 크게 내리자 다른 빵집도 손님을 빼앗기지 않기 위해 가격을 내린다.

결국 두 곳 모두 가격 경쟁만 심해지고 이익은 줄어든다.

통화전쟁도 국가들이 경쟁적으로 통화가치를 낮추는 점에서 이와 비슷하다.

국가 예시

한국의 원화 가치가 하락하면 자동차나 반도체 가격이 해외에서 상대적으로 저렴해질 수 있다.

그러자 일본도 엔화 가치를 낮추면 한국 기업이 얻었던 가격 경쟁력이 다시 약해질 수 있다.

결국 두 나라 모두 환율 경쟁을 벌이게 된다.

국제경제 예시

세계적인 경기침체가 발생하면 여러 국가가 금리를 인하하거나 양적완화를 실시한다.

그 결과 자국 통화가치가 함께 하락할 수 있는데, 이러한 현상이 지속되면 통화전쟁이라는 표현이 사용되기도 한다.

5. 핵심 특징

5-1. 수출 경쟁력 확보가 목적이다

통화가치를 낮추면 자국 제품 가격이 상대적으로 저렴해져 수출 증가를 기대할 수 있다.

5-2. 국가 간 경쟁이 발생한다

한 나라만 통화를 절하하면 효과가 있지만, 여러 나라가 동시에 시행하면 효과가 줄어든다.

5-3. 보호무역으로 이어질 수 있다

환율 경쟁이 심해지면 관세 인상이나 수입 규제 등 무역갈등으로 확대될 가능성이 있다.

5-4. 금융시장 변동성이 커질 수 있다

환율이 크게 움직이면 외환시장과 주식시장, 채권시장도 함께 불안정해질 수 있다.

6. 관련 개념과의 차이

통화전쟁 vs 평가절하

통화전쟁

여러 국가가 경쟁적으로 통화가치를 낮추는 현상
국가 간 경쟁이 핵심

평가절하

한 국가가 자국 통화가치를 낮추는 정책 또는 결과

평가절하는 하나의 정책이고, 통화전쟁은 여러 국가가 동시에 경쟁하는 상황이다.

통화전쟁 vs 양적완화

통화전쟁

수출 경쟁력 확보가 주요 결과
환율 경쟁이 핵심

양적완화(QE)

경기부양과 디플레이션 방지가 목적
결과적으로 통화가치가 하락할 수 있음

양적완화는 환율이 아니라 경기회복이 주목적이며, 통화가치 하락은 부수적인 효과인 경우가 많다.

통화전쟁 vs 근린궁핍화정책

통화전쟁

국가 간 경쟁적인 환율 절하

근린궁핍화정책(Beggar-thy-neighbor Policy)

자국의 이익을 위해 다른 국가의 경제를 희생시키는 정책

통화전쟁은 대표적인 근린궁핍화정책의 사례로 자주 언급된다.

7. 경제적 의미

국가경제 관점

통화가치 하락은 수출 증가에 도움이 될 수 있지만, 수입물가 상승과 인플레이션을 유발할 수도 있다.

기업 관점

수출기업은 환율 상승으로 가격 경쟁력이 높아질 수 있지만, 원자재를 수입하는 기업은 비용 부담이 증가할 수 있다.

금융시장 관점

통화전쟁이 심화되면 외환시장 변동성이 커지고 글로벌 자금 이동이 활발해질 수 있다.

또한 투자자들의 불확실성이 커지면서 금융시장 전체가 영향을 받을 수 있다.

투자 관점

환율은 주식, 채권, 원자재, 해외투자 수익률에 큰 영향을 미친다.

따라서 투자자는 각국 중앙은행의 금리정책과 통화정책, 환율 흐름을 함께 살펴볼 필요가 있다.

8. 정리

통화전쟁은 여러 국가가 수출 경쟁력을 높이기 위해 경쟁적으로 자국 통화가치를 낮추는 현상을 말한다. 단기적으로는 수출 확대 효과를 기대할 수 있지만, 국가 간 경쟁이 심화되면 보호무역주의와 금융시장 불안정 등 부작용이 나타날 수 있다. 다만 최근의 금리 인하나 양적완화는 경기회복을 주목적으로 하는 경우가 많아, 결과적으로 통화가치가 하락하더라도 전통적인 통화전쟁과는 구분해서 이해할 필요가 있다.

경제금융용어 공부 600 : 통화유통속도(Velocity of Circulation of Money)

MKISOS — Sun, 23 Aug 2026 21:00:15 +0900

통화유통속도(Velocity of Circulation of Money)

시중에 돈이 많이 있다고 해서 반드시 경제가 활발한 것은 아니다. 중요한 것은 돈이 얼마나 많이 있는지보다, 그 돈이 얼마나 자주 사용되는지이다. 통화유통속도는 일정 기간 동안 돈이 경제에서 얼마나 활발하게 거래에 사용되었는지를 나타내는 지표이다.

1. 한 줄 정의

통화유통속도는 일정 기간 동안 통화 한 단위가 경제에서 거래를 위해 몇 번 사용되었는지를 나타내는 지표이다.

2. 기본 개념

통화유통속도(Velocity of Circulation of Money)는 시중에 있는 돈이 일정 기간 동안 얼마나 활발하게 사용되었는지를 나타내는 지표이다.

실제로는 모든 거래금액을 측정하기 어렵기 때문에, 국민소득(GDP)을 통화량으로 나누어 계산한다.

통화유통속도 = 국민소득(GDP) ÷ 통화량

즉, 같은 규모의 돈이 여러 번 거래에 사용될수록 통화유통속도는 높아진다.

반대로 돈이 은행 예금이나 현금으로 머물러 있고 소비와 투자가 활발하지 않으면 통화유통속도는 낮아진다.

3. 왜 중요한가

중앙은행이 돈을 많이 공급하더라도 사람들이 소비하거나 투자하지 않고 계속 보유하기만 하면 경제는 활성화되지 않는다.

반대로 통화량이 많지 않아도 돈이 빠르게 순환하면 경제활동은 활발하게 이루어진다.

따라서 통화유통속도는 경제의 활력과 통화정책의 효과를 판단하는 중요한 지표이다.

4. 쉽게 이해하는 예시

실생활 예시

10만 원을 가진 사람이 하루 동안 식당에서 사용하고,

식당 주인이 그 돈으로 식재료를 사고,

식재료 판매업자가 다시 직원에게 급여를 지급했다.

하루 동안 같은 10만 원이 여러 번 거래에 사용된 것이다.

이처럼 같은 돈이 여러 번 사용될수록 통화유통속도는 높아진다.

경제 예시

경기가 좋으면 사람들은 소비를 늘리고 기업은 투자를 확대한다.

돈이 계속 거래에 사용되므로 통화유통속도가 높아진다.

반대로 경기침체가 오면 소비와 투자가 줄어들고 사람들이 돈을 보유하려 하기 때문에 통화유통속도는 낮아진다.

금융시장 예시

중앙은행이 기준금리를 낮춰 시중에 돈을 많이 공급했더라도 사람들이 대출을 받지 않고 소비를 하지 않는다면 통화유통속도는 오르지 않는다.

이 경우 통화정책의 경기부양 효과도 제한될 수 있다.

5. 핵심 특징

5-1. 돈의 순환 정도를 나타낸다

통화유통속도가 높다는 것은 같은 돈이 여러 번 거래에 사용된다는 의미이다.

5-2. 경제활동과 밀접한 관련이 있다

경기가 좋으면 소비와 투자가 증가하여 통화유통속도가 높아지고, 경기침체기에는 낮아지는 경향이 있다.

5-3. 통화량만으로는 설명할 수 없는 경제상황을 보여준다

시중에 돈이 많더라도 거래가 이루어지지 않으면 통화유통속도는 낮다.

따라서 통화량과 함께 통화유통속도를 함께 살펴야 한다.

5-4. 다양한 요인의 영향을 받는다

통화유통속도는 다음과 같은 요인의 영향을 받는다.

시장금리
물가상승률
경기 상황
금융제도의 변화
국민의 소비 및 저축 성향

6. 관련 개념과의 차이

통화유통속도 vs 통화량

통화유통속도

돈이 얼마나 자주 사용되는지 나타냄
경제활동의 활발함을 보여주는 지표

통화량

시중에 존재하는 돈의 총규모
돈의 양을 의미

즉, 통화량은 돈의 양, 통화유통속도는 돈의 회전 속도를 의미한다.

통화유통속도 vs 통화승수

통화유통속도

돈이 얼마나 자주 거래되는지를 측정

통화승수

본원통화가 몇 배의 통화를 만들어냈는지를 측정

통화승수는 돈이 만들어지는 과정, 통화유통속도는 만들어진 돈이 얼마나 사용되는지를 나타낸다.

통화유통속도 vs 본원통화

통화유통속도

돈의 사용 빈도

본원통화

중앙은행이 직접 공급하는 화폐

본원통화는 통화의 출발점이고, 통화유통속도는 그 돈이 경제에서 얼마나 활발하게 움직이는지를 나타낸다.

7. 경제적 의미

국가경제 관점

통화유통속도는 경제가 활발하게 돌아가는지 여부를 보여주는 중요한 거시경제지표이다.

통화량이 증가하더라도 통화유통속도가 계속 낮아지면 경기회복 효과는 제한될 수 있다.

중앙은행 관점

중앙은행은 기준금리와 통화량뿐 아니라 통화유통속도도 함께 분석하여 통화정책의 효과를 평가한다.

돈이 시중에 공급되어도 순환하지 않으면 추가적인 정책이 필요할 수 있다.

금융시장 관점

금융위기나 경기침체 시에는 사람들이 소비보다 저축을 선택하는 경우가 많아 통화유통속도가 하락하는 경향이 있다.

실제로 글로벌 금융위기 이후 많은 국가에서 통화유통속도가 장기적으로 낮아지는 현상이 나타났다.

투자 관점

투자자는 통화량 증가만 보고 인플레이션을 예상하기보다 통화유통속도도 함께 살펴야 한다.

돈이 실제 경제에서 활발히 사용되지 않으면 통화량 증가가 곧바로 물가 상승으로 이어지지 않을 수도 있기 때문이다.

8. 정리

통화유통속도는 일정 기간 동안 통화 한 단위가 경제에서 몇 번 거래에 사용되었는지를 나타내는 지표이다. 일반적으로 국민소득을 통화량으로 나누어 계산하며, 경제가 활발할수록 높아지고 경기침체기에는 낮아지는 경향이 있다. 따라서 통화유통속도는 단순한 통화량보다 경제의 실제 활력을 보여주는 중요한 거시경제지표로 활용된다.

경제금융용어 공부 599 : 통화옵션(Currency Option)

MKISOS — Sat, 22 Aug 2026 21:00:33 +0900

통화옵션(Currency Option)

환율은 언제든지 크게 변할 수 있다. 수출기업은 환율이 하락하면 손해를 보고, 수입기업은 환율이 상승하면 비용이 증가한다. 통화옵션은 이러한 환율 변동 위험을 관리하면서도, 자신에게 유리한 경우에만 권리를 행사할 수 있는 금융상품이다. 의무가 아닌 권리라는 점이 가장 큰 특징이다.

1. 한 줄 정의

통화옵션은 미래의 일정 시점에 특정 통화를 미리 정한 환율로 사고팔 수 있는 권리를 거래하는 금융상품이다.

2. 기본 개념

통화옵션(Currency Option)은 미래의 특정 시점(또는 그 이전)에 특정 통화를 미리 약정한 환율(행사가격)로 매매할 수 있는 권리를 사고파는 계약이다.

통화옵션에는 두 가지 종류가 있다.

콜옵션(Call Option) : 특정 통화를 살 수 있는 권리
풋옵션(Put Option) : 특정 통화를 팔 수 있는 권리

옵션을 매수하는 사람은 이러한 권리를 얻기 위해 프리미엄(옵션가격)을 지급한다.

중요한 점은 옵션 매수자는 권리를 행사할 수도 있고 포기할 수도 있지만, 옵션 매도자는 매수자가 권리를 행사하면 반드시 계약을 이행해야 한다는 것이다.

3. 왜 중요한가

기업은 환율 변동으로 인해 예상하지 못한 손실을 입을 수 있다.

통화옵션은 환율이 불리하게 움직이면 권리를 행사해 손실을 줄이고, 환율이 유리하게 움직이면 권리를 포기하고 시장환율을 이용할 수 있다.

즉, 손실은 제한하면서 이익은 그대로 누릴 수 있는 환위험 관리 수단이다.

4. 쉽게 이해하는 예시

실생활 예시

해외여행을 3개월 후 갈 예정이라고 가정해보자.

현재 달러 환율은 1달러 = 1,300원이다.

환율이 오를 것이 걱정되어 1,300원에 달러를 살 수 있는 권리를 미리 구입했다.

3개월 후 환율이 1,400원이 되었다면 옵션을 행사하여 1,300원에 달러를 살 수 있다.

반대로 환율이 1,200원으로 떨어졌다면 옵션을 포기하고 시장에서 1,200원에 달러를 사면 된다.

손실은 처음 지급한 프리미엄뿐이다.

기업 예시

수출기업은 6개월 후 달러를 받을 예정이다.

달러 가치가 하락할 것이 걱정된다면 달러를 일정 환율에 팔 수 있는 풋옵션을 매입한다.

실제로 환율이 하락하면 옵션을 행사하여 손실을 줄일 수 있다.

반대로 환율이 상승하면 옵션을 행사하지 않고 시장에서 더 높은 환율에 달러를 팔면 된다.

투자 예시

투자자가 앞으로 달러 가치가 크게 상승할 것으로 예상한다면 달러 콜옵션을 매입할 수 있다.

예상이 맞으면 큰 수익을 얻을 수 있지만, 예상이 틀리더라도 손실은 프리미엄으로 제한된다.

5. 핵심 특징

5-1. 권리만 있고 의무는 없다

옵션 매수자는 계약을 반드시 이행할 필요가 없다.

유리할 때만 권리를 행사하면 된다.

5-2. 손실이 제한된다

매수자의 최대 손실은 처음 지급한 프리미엄으로 제한된다.

반면 이익은 환율 변동에 따라 크게 증가할 수 있다.

5-3. 환위험 관리에 활용된다

기업과 금융기관은 환율 변동으로 인한 손실을 줄이기 위해 통화옵션을 활용한다.

5-4. 다양한 상품 설계가 가능하다

여러 옵션을 조합하여 다양한 환위험 관리 전략을 만들 수 있다.

6. 관련 개념과의 차이

통화옵션 vs 선물환

통화옵션

권리를 거래
유리할 때만 행사 가능
프리미엄 지급
손실은 프리미엄으로 제한

선물환

미래 환율을 미리 확정
반드시 계약 이행
프리미엄 없음

즉, 통화옵션은 선택권이 있고 선물환은 의무 계약이라는 점이 가장 큰 차이이다.

통화옵션 vs 통화선물

통화옵션

권리를 거래
행사 여부를 선택 가능

통화선물

미래에 반드시 거래해야 하는 계약
의무적으로 계약을 이행해야 함

통화옵션은 선택할 수 있지만, 통화선물은 반드시 거래해야 한다.

통화옵션 vs 외환스왑

통화옵션

환율 변동에 대비한 권리 거래
손실이 제한적

외환스왑

두 통화를 일정 기간 교환하는 계약
외화자금 조달과 유동성 관리 목적

외환스왑은 자금조달 수단이고, 통화옵션은 환위험 관리 수단이다.

7. 경제적 의미

국가경제 관점

통화옵션 시장은 기업들이 환율 변동 위험을 효과적으로 관리할 수 있도록 하여 국제무역과 해외투자를 활성화하는 데 기여한다.

기업 관점

수출기업과 수입기업은 통화옵션을 이용하여 환율 변동으로 인한 손실을 줄일 수 있다.

특히 미래의 환율을 확정하지 않고도 위험만 제한할 수 있다는 점이 큰 장점이다.

금융시장 관점

통화옵션은 외환시장의 대표적인 파생상품으로, 다양한 헤지 전략과 투자 전략에 활용된다.

또한 시장 참여자들의 환율 전망이 옵션 가격에 반영되면서 외환시장의 중요한 가격지표 역할도 한다.

투자 관점

통화옵션은 손실이 프리미엄으로 제한되는 대신 수익 가능성은 크게 열려 있는 비대칭적 손익구조를 가진다.

다만 옵션 가격은 환율뿐 아니라 변동성, 만기, 금리 등 다양한 요소의 영향을 받으므로 충분한 이해가 필요하다.

8. 정리

통화옵션은 미래의 일정 시점에 특정 통화를 미리 정한 환율로 사고팔 수 있는 권리를 거래하는 금융상품이다. 콜옵션은 살 권리, 풋옵션은 팔 권리를 의미하며, 옵션 매수자는 유리한 경우에만 권리를 행사할 수 있다. 따라서 손실은 프리미엄으로 제한되는 반면 수익 가능성은 크게 열려 있어 기업의 환위험 관리와 투자자의 다양한 투자 전략에 널리 활용되는 대표적인 외환 파생상품이다.

경제금융용어 공부 598 : 통화안정증권

MKISOS — Fri, 21 Aug 2026 21:00:51 +0900

통화안정증권

통화안정증권은 한국은행이 시중의 돈을 흡수하기 위해 발행하는 채권이다. 시중에 유동성이 너무 많아 물가 상승이나 금융시장 과열이 우려될 때 한국은행은 통화안정증권을 발행하여 시중 자금을 회수한다. 기준금리와 함께 한국은행의 대표적인 통화정책 수단 중 하나이다.

1. 한 줄 정의

통화안정증권은 한국은행이 시중 유동성을 조절하기 위해 발행하는 채권이다.

2. 기본 개념

통화안정증권(Monetary Stabilization Bond)은 「한국은행법」에 따라 한국은행이 발행하는 채무증서이다.

한국은행은 시중에 돈이 너무 많이 풀려 있다고 판단하면 통화안정증권을 발행한다.

은행이나 금융기관이 이 채권을 매입하면 그만큼 시중의 자금이 한국은행으로 들어오게 되고, 결과적으로 시중에 유통되는 돈의 양이 감소한다.

반대로 통화안정증권이 만기가 되어 원금이 상환되면 다시 시중으로 돈이 공급되는 효과가 발생한다.

즉, 통화안정증권은 한국은행이 시중의 돈을 흡수하는 대표적인 공개시장운영 수단이다.

3. 왜 중요한가

시중에 돈이 지나치게 많으면 물가가 상승하거나 부동산·주식시장에 거품이 생길 수 있다.

이때 한국은행은 통화안정증권을 발행하여 유동성을 흡수하고 통화량을 적절한 수준으로 유지한다.

특히 통화안정증권은 만기가 길기 때문에 일시적인 조치가 아니라 장기간 유동성을 조절하는 데 효과적이다.

4. 쉽게 이해하는 예시

실생활 예시

욕조에 물이 계속 들어와 넘칠 것 같다면 배수구를 열어 일부 물을 빼낸다.

통화안정증권도 이와 비슷하게 시중에 돈이 너무 많을 때 일부 자금을 흡수하여 유동성을 조절하는 역할을 한다.

금융시장 예시

외국인 투자자금이 대규모로 국내에 유입되어 시중에 돈이 많이 풀렸다고 가정해보자.

한국은행은 통화안정증권을 발행하고 금융기관들이 이를 매입하도록 하여 시중의 자금을 흡수한다.

그 결과 유동성이 줄어들어 물가와 금융시장의 과열을 완화할 수 있다.

경제 예시

한국은행이 5조 원 규모의 통화안정증권을 발행하면 금융기관은 해당 채권을 매입하기 위해 자금을 한국은행에 지급한다.

이 과정에서 시중의 자금이 감소하여 통화량이 줄어드는 효과가 발생한다.

5. 핵심 특징

5-1. 한국은행이 직접 발행한다

일반 기업이나 정부가 아닌 한국은행이 통화정책 수행을 위해 발행하는 채권이다.

5-2. 시중 유동성을 흡수한다

금융기관이 통화안정증권을 매입하면 시중의 돈이 한국은행으로 이동하여 유동성이 감소한다.

5-3. 장기 유동성 조절에 활용된다

통화안정증권은 RP보다 만기가 길어 장기간 유동성을 관리하는 데 적합하다.

이를 기조적 유동성 조절(Structural Adjustment) 수단이라고 한다.

5-4. 할인채와 이표채로 발행된다

할인채: 할인된 가격으로 발행되어 만기에 액면금액을 지급
이표채: 3개월마다 이자를 지급하고 만기에 원금을 상환

6. 관련 개념과의 차이

통화안정증권 vs 통화안정계정

통화안정증권

한국은행이 발행하는 채권
중장기 유동성 조절
시장에서 거래 가능

통화안정계정

한국은행에 일정 기간 예치하는 예금
단기 유동성 조절
양도 및 중도해지가 불가능

통화안정증권은 채권이고, 통화안정계정은 예금이라는 점이 가장 큰 차이이다.

통화안정증권 vs RP(환매조건부채권)

통화안정증권

장기 유동성 조절
만기가 상대적으로 김

초단기 유동성 조절
담보부 거래
필요 시 빠르게 유동성을 공급하거나 흡수

RP는 단기 정책수단이고, 통화안정증권은 장기 정책수단이다.

통화안정증권 vs 국채

통화안정증권

한국은행이 발행
통화정책 수행 목적
유동성 조절이 목적

국채

정부가 발행
재정자금 조달 목적

두 채권 모두 안전성이 높지만 발행 목적이 다르다.

7. 경제적 의미

국가경제 관점

통화안정증권은 시중 유동성을 안정적으로 조절하여 물가안정과 금융시장 안정을 유지하는 데 중요한 역할을 한다.

은행 관점

은행은 여유자금을 통화안정증권에 투자하여 안정적인 수익을 얻을 수 있다.

또한 유동성 관리 수단으로도 활용된다.

금융시장 관점

한국은행은 만기에 따라 서로 다른 공개시장운영 수단을 사용한다.

14일 이하: RP(환매조건부채권)
15~91일: 통화안정계정
91일 이상: 통화안정증권

즉, 통화안정증권은 장기적인 유동성 관리에서 가장 중요한 수단 중 하나이다.

투자 관점

일반 개인투자자가 직접 투자하는 경우는 많지 않지만, 통화안정증권의 발행 규모는 한국은행의 통화정책 방향을 보여주는 중요한 신호이다.

발행이 늘어나면 시중 유동성을 줄이려는 의도가 반영된 것으로 해석할 수 있다.

8. 정리

통화안정증권은 한국은행이 시중 유동성을 조절하기 위해 발행하는 채권이다. 시중에 돈이 과도하게 풀렸을 때 금융기관이 통화안정증권을 매입하도록 하여 자금을 흡수하고 물가와 금융시장의 안정을 도모한다. RP와 통화안정계정과 함께 한국은행의 대표적인 공개시장운영 수단이며, 특히 장기적인 유동성 관리에 활용되는 핵심 통화정책 수단이다.

경제금융용어 공부 597 : 통화안정계정

MKISOS — Thu, 20 Aug 2026 21:00:27 +0900

통화안정계정

중앙은행은 시중에 돈이 너무 많이 풀리면 물가가 오르거나 금융시장이 불안정해질 수 있기 때문에 유동성을 적절히 조절해야 한다. 통화안정계정은 한국은행이 금융기관으로부터 일정 기간 자금을 예치받아 시중의 돈을 흡수하는 대표적인 유동성 조절 수단이다.

1. 한 줄 정의

통화안정계정은 한국은행이 금융기관으로부터 일정 기간 자금을 예치받아 시중 유동성을 흡수하는 기한부 예금 제도이다.

2. 기본 개념

통화안정계정(Term Deposit)은 한국은행이 금융기관의 자금을 일정 기간 동안 예치받아 시중의 유동성을 조절하는 제도이다.

쉽게 말하면 한국은행이 은행들에게 "일정 기간 동안 우리에게 돈을 맡겨 달라."고 하는 것이다.

은행들이 한국은행에 돈을 맡기면 그만큼 시중에서 유통되는 자금이 줄어들어 과도한 유동성을 흡수할 수 있다.

한국은행은 2010년부터 보다 시장친화적인 공개시장운영 수단으로 통화안정계정을 본격적으로 도입하였다.

3. 왜 중요한가

시중에 돈이 너무 많이 풀리면 소비와 투자가 과도하게 증가하여 물가가 상승하거나 자산시장에 거품이 생길 수 있다.

이때 한국은행은 통화안정계정을 활용해 금융기관의 자금을 흡수함으로써 시중 유동성을 줄일 수 있다.

특히 통화안정증권 발행이 늘어날 경우 발생하는 이자 부담을 일부 줄일 수 있다는 점에서도 중요한 정책수단이다.

4. 쉽게 이해하는 예시

실생활 예시

물이 너무 많이 흐르는 수조를 생각해보자.

수조에 물이 계속 들어오면 넘칠 수 있기 때문에 일정량의 물을 다른 통으로 옮겨 담아 수위를 조절한다.

통화안정계정도 시중의 돈이 너무 많을 때 일부 자금을 한국은행으로 옮겨 유동성을 조절하는 역할을 한다.

금융시장 예시

시중은행들이 자금이 많이 남아 있는 상황이라고 가정해보자.

한국은행이 통화안정계정을 운영하면 은행들은 일정 기간 동안 자금을 한국은행에 예치하고 이자를 받는다.

그 결과 시중에 유통되는 돈이 줄어들어 유동성이 조절된다.

경제 예시

외국인 자금이 대규모로 유입되면 시중 유동성이 크게 증가할 수 있다.

이때 한국은행은 통화안정계정을 활용하여 일부 자금을 흡수하고 금융시장의 안정을 유지한다.

5. 핵심 특징

5-1. 기한부 예금 방식이다

금융기관이 일정 기간 동안 한국은행에 자금을 예치하는 방식으로 운영된다.

5-2. 시중 유동성을 흡수한다

은행이 한국은행에 자금을 맡기면 그만큼 시중에서 사용 가능한 돈이 줄어든다.

5-3. 담보가 필요 없다

환매조건부채권(RP)처럼 증권을 담보로 제공하지 않아도 자금을 흡수할 수 있다는 장점이 있다.

5-4. 단기 유동성 조절에 활용된다

한국은행은 주로 15일~91일 정도의 단기 유동성 관리를 위해 통화안정계정을 활용한다.

6. 관련 개념과의 차이

통화안정계정 vs 통화안정증권

통화안정계정

한국은행에 일정 기간 예금
단기 유동성 조절
중도해지 및 양도가 불가능

통화안정증권

한국은행이 발행하는 채권
중장기 유동성 조절
시장에서 거래 가능

통화안정계정은 예금이고, 통화안정증권은 채권이라는 점이 가장 큰 차이이다.

통화안정계정 vs RP(환매조건부채권)

통화안정계정

담보 없이 예금 형태로 운영
단기 유동성 흡수

채권을 담보로 하는 거래
초단기 유동성 조절에 주로 활용

RP는 담보가 필요한 반면 통화안정계정은 담보 없이 운영된다.

통화안정계정 vs 지급준비금

통화안정계정

한국은행이 통화정책 수행을 위해 운영하는 자발적 예치 제도

지급준비금

법률에 따라 은행이 반드시 보유해야 하는 준비금

즉, 지급준비금은 의무이고 통화안정계정은 통화정책 수단이라는 차이가 있다.

7. 경제적 의미

국가경제 관점

통화안정계정은 시중의 과잉 유동성을 흡수하여 물가안정과 금융시장 안정을 유지하는 데 기여한다.

또한 공개시장운영의 효율성을 높이는 중요한 정책수단이다.

은행 관점

은행은 여유자금을 일정 기간 한국은행에 예치하여 안정적인 이자를 받을 수 있다.

다만 예치기간 동안에는 자금을 자유롭게 사용할 수 없다.

금융시장 관점

한국은행은 만기에 따라 여러 유동성 조절 수단을 활용한다.

14일 이하: RP(환매조건부채권)
15~91일: 통화안정계정
91일 이상: 통화안정증권

이처럼 통화안정계정은 단기 유동성 관리에서 중요한 역할을 담당한다.

투자 관점

일반 투자자가 직접 이용하는 상품은 아니지만, 한국은행이 통화안정계정을 얼마나 적극적으로 활용하는지는 시중 유동성과 금리 방향을 판단하는 데 참고할 수 있는 요소이다.

8. 정리

통화안정계정은 한국은행이 금융기관으로부터 일정 기간 자금을 예치받아 시중 유동성을 흡수하는 기한부 예금 제도이다. 담보 없이 단기 유동성을 조절할 수 있다는 장점이 있으며, 주로 만기 15~91일 구간의 유동성 관리에 활용된다. 한국은행은 RP와 통화안정증권과 함께 통화안정계정을 활용하여 시중의 유동성을 조절하고 물가 및 금융시장 안정을 유지하고 있다.

경제금융용어 공부 596 : 통화승수(Money Multiplier)

MKISOS — Wed, 19 Aug 2026 21:00:32 +0900

통화승수(Money Multiplier)

중앙은행이 돈을 100억 원 공급했다고 해서 시중에 유통되는 돈도 100억 원으로 끝나는 것은 아니다. 은행은 예금을 바탕으로 대출을 해주고, 대출받은 돈은 다시 예금으로 돌아오면서 새로운 대출이 반복된다. 이 과정에서 최초의 돈보다 훨씬 많은 돈이 시중에 만들어지는데, 이를 설명하는 개념이 바로 통화승수(Money Multiplier)이다.

1. 한 줄 정의

통화승수는 중앙은행이 공급한 본원통화가 시중에서 몇 배의 통화를 만들어냈는지를 나타내는 지표이다.

2. 기본 개념

중앙은행은 화폐를 직접 공급하지만, 실제 시중에서 사용되는 돈은 은행의 대출 과정을 통해 훨씬 더 많이 늘어난다.

예를 들어 한국은행이 은행에 본원통화 100억 원을 공급하면 은행은 지급준비금을 제외한 나머지를 대출한다.

대출받은 사람이 그 돈을 다시 은행에 예금하면 은행은 또 일부를 대출할 수 있다.

이 과정이 반복되면서 최초 100억 원보다 훨씬 많은 통화가 시중에 공급된다.

이처럼 본원통화 1원이 최종적으로 몇 원의 통화를 만들어내는지를 나타내는 값이 통화승수이다.

통화승수는 다음과 같이 계산한다.

통화승수 = 통화량 ÷ 본원통화

예를 들어 본원통화가 100조 원이고 시중 통화량이 1,500조 원이라면 통화승수는 15배가 된다.

즉, 본원통화 1원이 시중에서 15원의 통화를 만들어낸 것이다.

3. 왜 중요한가

중앙은행은 본원통화를 공급하지만 실제 경제에 영향을 미치는 것은 시중에 유통되는 전체 통화량이다.

통화승수가 높으면 같은 본원통화로도 더 많은 돈이 시중에 공급되고, 낮으면 통화 공급 효과가 제한된다.

따라서 통화승수는 중앙은행의 통화정책 효과를 분석하는 중요한 지표이다.

4. 쉽게 이해하는 예시

실생활 예시

한 사람이 친구에게 10만 원을 빌려주고, 그 친구가 다시 다른 사람에게 빌려주고, 또 다른 사람이 다시 사용한다고 생각해보자.

처음 돈은 10만 원이지만 여러 사람의 거래를 거치면서 경제에서는 훨씬 큰 규모의 거래가 이루어진다.

은행의 대출도 이와 비슷한 원리이다.

은행 예시

한국은행이 은행에 100억 원을 공급했다.

은행이 지급준비금으로 10억 원을 남기고 90억 원을 대출한다.

대출받은 사람이 다시 은행에 예금하면 그중 일부를 또 대출할 수 있다.

이 과정이 반복되면 시중에서는 최초 100억 원보다 훨씬 많은 돈이 유통된다.

경제 예시

경기가 좋고 대출이 활발하면 통화승수가 높아진다.

반대로 금융위기처럼 사람들이 대출을 꺼리고 은행도 대출을 줄이면 통화승수가 낮아진다.

5. 핵심 특징

5-1. 본원통화보다 더 많은 통화를 만든다

은행의 신용창출 기능을 통해 본원통화보다 훨씬 큰 규모의 통화가 만들어진다.

5-2. 지급준비율의 영향을 받는다

은행이 더 많은 지급준비금을 보유해야 하면 대출 가능한 금액이 줄어들어 통화승수가 낮아진다.

반대로 지급준비율이 낮아지면 통화승수는 높아질 수 있다.

5-3. 현금 보유 성향의 영향을 받는다

사람들이 현금을 많이 보유하면 은행 예금이 줄어 대출이 감소하고 통화승수도 낮아진다.

반대로 예금을 많이 이용하면 통화승수가 높아질 가능성이 있다.

5-4. 경제 상황에 따라 달라진다

경기가 활발하면 대출이 증가해 통화승수가 높아질 수 있고, 경기침체기에는 대출이 줄어 통화승수가 낮아질 수 있다.

6. 관련 개념과의 차이

통화승수 vs 본원통화

통화승수

본원통화가 몇 배의 통화를 만들어냈는지 나타내는 비율
계산 지표

본원통화

중앙은행이 직접 공급하는 화폐
통화창출의 출발점

즉, 본원통화는 원재료이고 통화승수는 확대되는 정도를 나타낸다.

통화승수 vs 통화량(M2)

통화승수

비율(배수)
통화창출 효과를 측정

통화량(M2)

실제 시중에 존재하는 통화의 총규모
예금 등을 포함한 광의통화

통화량은 실제 돈의 규모이고, 통화승수는 본원통화 대비 얼마나 늘어났는지를 의미한다.

통화승수 vs 지급준비율

통화승수

결과를 나타내는 지표

지급준비율

통화승수에 영향을 주는 정책 변수

지급준비율이 높아질수록 통화승수는 일반적으로 낮아지고, 지급준비율이 낮아질수록 통화승수는 높아질 가능성이 있다.

7. 경제적 의미

국가경제 관점

통화승수는 중앙은행의 통화정책이 실제 경제에 얼마나 효과적으로 전달되는지를 보여주는 중요한 지표이다.

같은 규모의 본원통화를 공급하더라도 통화승수가 낮으면 경기부양 효과는 제한될 수 있다.

은행 관점

은행의 대출 활동이 활발할수록 통화승수가 높아질 가능성이 크다.

반대로 대출을 줄이면 신용창출 기능이 약화되어 통화승수가 낮아질 수 있다.

금융시장 관점

금융위기에는 은행과 기업 모두 대출을 줄이는 경향이 있어 통화승수가 하락하는 경우가 많다.

실제로 글로벌 금융위기 이후 많은 국가에서 통화승수가 장기적으로 낮아지는 현상이 나타났다.

투자 관점

투자자는 기준금리뿐 아니라 통화승수의 변화도 함께 살펴볼 필요가 있다.

본원통화가 크게 증가하더라도 통화승수가 낮다면 실제 시중 유동성 증가 효과는 기대보다 작을 수 있다.

8. 정리

통화승수는 중앙은행이 공급한 본원통화가 은행의 신용창출 과정을 거쳐 시중에서 몇 배의 통화로 확대되었는지를 나타내는 지표이다. 지급준비율과 국민의 현금 보유 성향 등에 따라 결정되며, 중앙은행의 통화정책 효과를 분석하는 핵심 개념이다. 일반적으로 통화승수가 높을수록 같은 본원통화로 더 많은 통화가 창출되고, 낮을수록 통화 공급 효과는 제한된다.

[UNIKER] AI를 기다리지 않아도 되는 CampusLog, 모델 선택부터 사용자 경험까지 다시 다듬다

MKISOS — Wed, 19 Aug 2026 05:56:16 +0900

커널아카데미 대학생 AI 크루 UNIKER 1기 팀 핏줄은 대학생의 경험을 기록하고, 필요한 순간 다시 활용할 수 있도록 돕는 AI 경험 관리 서비스 CampusLog를 개발하고 있다.

지난 중간 데모데이까지는 경험 기록 → AI 경험 분석 → 부족한 정보 보완 → 목적에 맞는 경험 추천 → 자기소개서·면접 등에 활용하는 전체 흐름을 만드는 데 집중했다.

8월 10일부터 8월 16일까지는 새로운 핵심 기능을 계속 추가하기보다, 이미 만들어진 AI 기능을 사용자가 실제로 더 편하게 사용할 수 있도록 고도화하는 작업을 진행했다.

특히 중간 데모에서 받았던 피드백 중 하나였던 AI 응답 대기 시간을 본격적으로 개선했고, CampusLog의 여러 AI 기능에 동일한 모델을 사용하는 것이 정말 적절한지도 다시 검토했다.

그 과정에서 AI 기능별 모델을 분리하는 Hybrid 구조를 적용하고, 기업마다 다른 자기소개서 글자 수에 대응하는 기능과 긴 JD의 가독성 문제, 화면 전환 시 발생하던 로딩 UX까지 함께 정리했다.

이번 글에서는 8월 10일부터 16일까지 진행한 CampusLog 개발 과정을 중심으로 정리해보려고 한다.

STEP 1. 이번 주 목표 — 기능 추가보다 ‘실제로 사용할 때 불편한 부분’ 줄이기

CampusLog의 핵심 AI 기능들은 이미 어느 정도 구현되어 있었다.

사용자는 자신의 경험을 저장하고 AI 분석을 실행할 수 있으며, 자기소개서·면접·JD 등의 질문을 입력하면 저장된 경험 중 적합한 경험을 추천받을 수 있다.

하지만 기능이 동작하는 것과 편하게 사용할 수 있는 것은 다른 문제였다.

중간 데모와 직접 테스트를 반복하면서 몇 가지 문제를 발견했다.

첫 번째는 AI가 작업하는 동안 사용자가 화면에서 기다려야 한다는 점이었다.

두 번째는 자기소개서 초안을 만들 때 300자, 500자, 1000자처럼 정해진 분량만 지원하면 실제 기업의 문항 조건을 모두 맞출 수 없다는 점이었다.

세 번째는 경험 분석, 경험 추천, 답변 생성처럼 성격이 다른 AI 작업에 모두 같은 모델을 사용하는 것이 정말 효율적인지에 대한 고민이었다.

그래서 이번 주 목표를 다음과 같이 잡았다.

AI 기능을 더 추가하기보다
지금 있는 기능을 더 빠르고, 편하고, 목적에 맞게 사용할 수 있도록 만들기

현재 CampusLog AI

STEP 2. 기업마다 다른 자기소개서 글자 수, 직접 입력할 수 있게 만들기

먼저 자기소개서 초안 생성 기능을 수정했다.

기존 CampusLog에서는 자기소개서 초안을 생성할 때 정해진 글자 수를 선택하는 방식이었다.

하지만 실제 지원서를 작성하다 보면 기업마다 요구하는 분량이 전부 다르다.

어떤 문항은 500자이고, 어떤 문항은 700자이며, 1500자처럼 긴 답변을 요구하는 경우도 있다.

결국 사용자가 CampusLog에서 초안을 받은 뒤 다시 다른 AI에게

“이걸 700자로 줄여줘.”

라고 요청해야 한다면 서비스 안에서 전체 작업을 끝낸다는 의미가 줄어든다고 생각했다.

그래서 기존 프리셋은 유지하면서 100자부터 2000자까지 최대 글자 수를 직접 입력할 수 있는 기능을 추가했다.

예를 들어 사용자가 최대 700자를 입력하면 AI가 무조건 700자를 꽉 채우는 것이 아니라, 제한을 넘지 않으면서 약 88~95% 범위의 자연스러운 답변을 만들도록 했다.

1500자처럼 긴 문항을 선택했을 때는 필요한 출력량을 확보할 수 있도록 출력 토큰 예산도 함께 조정했다.

단순히 화면에 숫자 입력창 하나를 추가한 것이 아니라,

사용자 입력 검증
AI 요청
생성 중 스트리밍
결과 분량 보정
생성 결과 저장

전체 흐름에서 동일한 글자 수 조건이 유지되도록 수정했다.

자기소개서 글자 수 ‘직접 입력’ 화면

이번 작업을 하면서 AI 기능에서는 프롬프트만 중요한 것이 아니라 사용자가 실제로 결과물을 어디에 제출할 것인지까지 생각해야 한다는 것을 다시 느꼈다.

계정 메뉴에서 닉네임도 직접 수정할 수 있도록

같은 날 작은 계정 UX도 하나 개선했다.

CampusLog는 회원가입 과정에서 이름과 닉네임을 설정할 수 있지만, 가입 이후에는 닉네임을 변경할 방법이 없었다.

별도의 거대한 설정 페이지를 만드는 것은 현재 서비스 규모에 비해 과하다고 판단했다.

그래서 기존 데스크톱·모바일 계정 메뉴 안에 ‘닉네임 수정’ 기능만 추가했다.

사용자는 1~20자 범위에서 닉네임을 수정할 수 있고, 저장하면 사이드바와 모바일 헤더에 표시되는 닉네임도 즉시 바뀐다.

이 과정에서 프로필 전체를 다시 저장하는 것이 아니라 기존 이름과 가입 정보는 유지하고 campuslog_profile.nickname만 변경하도록 했다.

저장 후 새로고침해도 변경된 닉네임이 유지되는 것까지 실제 로그인 환경에서 확인했다.

큰 기능은 아니지만 실제 사용자를 받기 시작하면 이런 작은 설정 기능도 서비스 완성도를 결정한다는 생각이 들었다.

(이것도 지인테스트에서 받은 피드백을 반영했다.)

가장 큰 변화, AI를 기다리는 동안 다른 일을 할 수 있게 만들기

이번 주 개발에서 가장 중요했던 작업은 AI 대기 UX 개선이었다.

기존 CampusLog에서도 AI 분석이나 추천을 실행하면 단순한 스피너만 보여주는 것은 아니었다.

현재 어떤 작업을 하고 있는지 단계별 문구를 보여주고, 답변 초안은 스트리밍으로 조금씩 표시하는 구조까지 구현되어 있었다.

문제는 사용자가 여전히 해당 화면에 머물러 있어야 한다는 것이었다.

중간 데모에서도 이 부분에 대해 피드백을 받았다.

AI가 분석하는 동안 다른 경험을 기록하거나 CampusLog 안에서 다른 작업을 할 수 있으면 좋겠다.

처음에는 현재 AI 로딩 UI를 없애고 완전히 다른 화면으로 바꾸는 것도 고민했다.

하지만 기존의 AI 작업 화면 자체는 디자인적으로도 마음에 들었고, 현재 무엇을 처리하고 있는지 보여주는 역할도 잘하고 있었다.

그래서 기존 UI를 버리는 대신 사용자에게 선택권을 주는 방식으로 설계했다.

AI 작업을 실행하면 기존의 전체 화면 처리 UI는 그대로 나타난다.

다만 여기에 작은 ‘다른 작업 하러 가기’ 액션을 추가했다.

사용자가 그대로 기다리고 싶다면 기존 화면에서 결과를 기다릴 수 있다.

반대로 다른 작업을 하고 싶다면 오늘의 기록이나 나의 활동 등 CampusLog의 다른 화면으로 이동할 수 있다.

중요한 것은 이때 AI 요청이 취소되지 않는다는 것이다.

AI 처리 화면의 ‘다른 작업 하러 가기’

화면을 이동해도 AI 작업은 계속되도록

이 기능은 단순히 링크 하나를 추가한다고 해결되지 않았다.

기존에는 AI 요청을 실행한 화면이 사라지면 해당 요청을 관리하던 컴포넌트도 함께 사라질 수 있었다.

그래서 AI 작업의 상태를 개별 화면이 아니라 root 영역에서 관리하는 in-memory task registry 구조로 옮겼다.

경험 분석, 경험 추천, 활동 종료 후 경험 합성, 답변 초안 생성 등의 작업을 기능과 대상별 key로 관리하고,

pending
success
error

상태를 공통으로 추적하도록 했다.

사용자가 다른 페이지로 이동해도 요청은 계속 실행된다.

화면 한쪽에는 현재 AI 작업이 진행 중이라는 compact 상태가 나타나고, 완료되면 결과가 준비됐다는 알림을 보여준다.

동일한 작업을 여러 번 눌러 중복 요청이 발생하는 것도 막았다.

명시적으로 취소 버튼을 누른 경우에는 기존처럼 요청을 중단할 수 있도록 했다.

다만 브라우저 자체를 새로고침하거나 종료한 뒤에도 진행 중인 AI 요청을 복원하려면 별도의 backend job 구조가 필요하기 때문에, 해당 부분은 현재 MVP 범위에서는 제외했다.

이번 작업은 기능 하나를 추가한 것보다 사용자 경험 관점에서 더 의미가 컸다.

기존에는

AI 실행 → 기다림 → 결과 확인

이었다면 이제는

AI 실행 → 다른 기록 작성 → 완료 알림 → 결과 확인

이라는 흐름이 가능해졌다.

AI 작업이 끝나면 ‘방금 만든 결과’로 바로 이동하기

백그라운드 작업을 구현하고 나니 또 다른 문제가 생겼다.

AI 추천이 끝난 뒤 알림에서 결과 보기를 눌렀는데 새 추천 입력 화면으로 이동한다면 사용자는 방금 만든 결과를 다시 찾아야 한다.

백그라운드 작업을 만든 의미가 줄어드는 UX였다.

그래서 추천이 완료되면 저장된 recommendation id를 이용해 해당 추천 기록의 상세 화면으로 바로 이동하도록 수정했다.

즉,

다른 작업 하러 가기
→ AI 추천 백그라운드 실행
→ 완료 알림
→ 결과 보기
→ 방금 생성된 추천 상세

로 자연스럽게 이어진다.

작은 차이처럼 보이지만 사용자가 서비스를 사용할 때 끊기는 지점을 하나씩 없애는 과정이었다.

긴 JD가 화면 전체를 차지하는 문제

CampusLog에서는 채용공고의 JD를 입력해 자신의 경험과 비교할 수 있다.

실제 테스트에서는 수백 자 이상의 JD를 그대로 붙여넣는 경우가 많았다.

그런데 추천 결과 화면에서 입력한 JD 전체를 대표 제목처럼 보여주다 보니 정작 중요한 분석 결과와 추천 경험은 화면 아래로 밀려났다.

특히 모바일에서는 문제가 더 컸다.

그래서 240자를 넘는 긴 JD는 그대로 제목에 표시하지 않도록 변경했다.

긴 JD의 경우 AI가 파악한 짧은 분석 의도나 JD 요구사항과 경험 적합도 분석 같은 제목을 먼저 보여준다.

사용자가 원문을 다시 확인하고 싶을 때만 입력한 JD 보기를 펼칠 수 있도록 했다.

원문 자체를 삭제한 것은 아니다.

추천 당시 사용한 내용은 그대로 보존하면서, 사용자가 읽어야 할 정보의 우선순위만 다시 조정했다.

데스크톱에서는 펼친 JD 영역의 최대 높이를 360px, 모바일에서는 280px로 제한하고 내부에서 별도로 스크롤하도록 했다.

이 작업을 하면서 데이터는 최대한 많이 보여주는 것이 좋은 UX가 아니라는 것도 느꼈다.

사용자에게 필요한 것은 모든 데이터를 동시에 보는 것보다 지금 판단해야 하는 정보가 먼저 보이는 것이었다.

모든 AI 기능에 같은 모델을 써야 할까?

8월 12일에는 CampusLog의 AI 구조에서 꽤 중요한 결정을 하나 했다.

그동안 주요 AI 기능에는 동일한 모델을 사용하고 있었다.

하지만 CampusLog 안에서도 AI가 수행하는 역할은 서로 다르다.

예를 들어 경험 분석은 사용자의 기록을 구조화하는 작업이고, 답변 초안은 이미 선택된 경험을 바탕으로 글을 생성하는 작업이다.

반면 경험 추천은 여러 경험을 비교한 뒤 질문과 가장 잘 맞는 경험을 골라야 한다.

그렇다면 모든 기능에 같은 모델을 사용하는 것이 정말 최선일까?

이를 확인하기 위해 현재 CampusLog에서 실제 사용하고 있는 prompt와 schema를 기준으로 모델 A/B 테스트를 진행했다.

단순한 예제 프롬프트가 아니라 실제 서비스 요청 구조를 그대로 기준으로 품질, 비용, 응답 특성을 비교했다.

테스트 결과를 바탕으로 하나의 모델로 통일하지 않고 기능별 Hybrid 구조를 선택했다.

현재 모델 라우팅은 다음과 같이 구성했다.

AI 경험 추천
→ GPT-4.1 mini

AI 경험 분석
답변 초안 생성
부족 정보 보완
활동 종료 후 경험 합성
→ GPT-5.6 Luna

Luna를 사용하는 요청에는 A/B 테스트와 동일한 조건을 유지하기 위해 reasoning.effort: "none"도 명시했다.

중요한 점은 모델을 바꾸면서 기존 기능을 다시 작성하지 않았다는 것이다.

기존 prompt, structured output schema, timeout, SSE/NDJSON 스트리밍, Supabase 저장 구조는 그대로 유지하고 모델을 선택하는 부분만 server-only 설정으로 분리했다.

모델을 고르는 기준도 조금 달라졌다.

처음에는 자연스럽게

“어떤 모델이 더 좋은가?”

를 생각했다.

이번에는

“이 기능에는 어떤 모델이 더 적합한가?”

를 기준으로 보게 됐다.

AI 서비스를 만들 때 가장 비싼 모델 하나를 모든 곳에 사용하는 것보다, 각 기능이 요구하는 역할에 맞춰 모델을 배치하는 것이 더 중요할 수 있다는 것을 직접 확인한 작업이었다.

나의 활동 상세 화면도 조금 더 읽기 쉽게

8월 15일에는 나의 활동 상세 화면의 정보 구조를 정리했다.

기존에는 활동 기간과 역할이 하나의 메타 영역에 나란히 배치되어 있었다.

하지만 활동 내용, 성과 같은 다른 정보들은 각각 독립된 행을 사용하고 있어 읽는 흐름이 조금 달랐다.

그래서 기간과 역할도 각각 전체 폭을 사용하는 독립된 행으로 분리했다.

API나 데이터 구조를 변경한 것은 아니다.

동일한 정보를 보여주되 각 항목 사이에 동일한 구분선과 간격을 사용하도록 바꿔, 긴 역할 설명이 들어오더라도 자연스럽게 읽히도록 했다.

로딩 화면을 더 만드는 대신, 오히려 없애보기

8월 16일에는 주요 페이지의 첫 로딩 상태를 다시 손봤다.

오늘의 기록, 나의 활동, CampusLog AI로 이동할 때 skeleton이나 빈 패널 같은 placeholder를 보여주고 있었다.

일반적으로 skeleton은 로딩 UX를 개선하는 방법으로 많이 사용한다.

그런데 CampusLog에서는 데이터가 비교적 빨리 준비되는 상황에서 오히려 잠깐 나타났다가 사라지는 가짜 화면처럼 느껴졌다.

특히 나의 활동에서는 목록이 먼저 나타난 뒤 즐겨찾기 데이터가 조금 늦게 들어오면서 항목 위치가 다시 바뀌어 화면이 일렁이는 문제도 있었다.

처음에는 skeleton 디자인을 더 자연스럽게 만드는 방향도 생각했다.

하지만 문제를 다시 보니 로딩 UI 디자인이 부족한 것이 아니라 굳이 그 짧은 순간을 시각적으로 강조하고 있다는 것 자체가 문제라고 판단했다.

결국 반대로 갔다.

세 주요 화면의 첫 로딩에서는

skeleton
빈 패널
배경 placeholder
그림자
blur

등 시각적인 로딩 요소를 모두 제거했다.

사이드바와 Breadcrumb, 페이지 제목과 설명처럼 최종 위치가 정해진 요소만 먼저 보여주고, 실제 데이터가 준비되면 본문을 한 번에 렌더링하도록 변경했다.

나의 활동 역시 목록과 즐겨찾기가 모두 준비된 뒤 올바른 순서로 한 번만 보여주도록 수정했다.

화면에는 로딩 표시가 보이지 않지만 접근성을 위해 aria-live, aria-busy 상태는 유지했다.

STEP 3. 이번 주 Key Takeaways

이번 주에는 눈에 띄는 새로운 메인 기능을 많이 만들지는 않았다.

대신 CampusLog를 실제 서비스에 조금 더 가까운 형태로 다듬었다.

이번 작업을 통해 크게 세 가지를 배웠다.

1. AI의 응답 속도만큼 기다리는 경험도 중요하다

모델의 응답 시간을 몇 초 줄이는 것도 중요하지만, 사용자가 그 시간을 반드시 기다려야 하는 구조인지부터 다시 생각할 필요가 있었다.

백그라운드 AI 작업을 적용하면서 기술적인 latency와 사용자가 느끼는 latency는 다를 수 있다는 것을 체감했다.

2. 모델은 서비스 전체가 아니라 기능별로 선택할 수 있다

CampusLog의 실제 prompt와 schema로 A/B 테스트를 진행하면서 하나의 모델을 전체 서비스의 정답처럼 사용할 필요가 없다는 것을 알게 됐다.

추천은 GPT-4.1 mini, 분석과 생성 계열은 GPT-5.6 Luna를 사용하는 Hybrid 구조를 선택하면서 모델 선택도 하나의 서비스 설계라는 것을 배웠다.

3. UX 개선은 추가가 아니라 제거일 수도 있다

긴 JD를 접고, 중복되는 정보를 줄이고, 불필요한 skeleton을 없애면서 화면이 오히려 더 자연스러워졌다.

사용자에게 정보를 더 많이 보여주는 것보다 지금 필요한 정보를 먼저 보여주는 것이 중요했다.

Next Step

다음 개발에서는 이번 주에 정리한 AI 작업 흐름을 기반으로 실제 사용자 테스트에서 발견된 오류와 중간 데모 피드백을 계속 반영할 예정이다.

특히 앞으로는 다음 부분을 중점적으로 확인하려고 한다.

AI 백그라운드 작업의 실제 사용성
경험 추천 모델의 정확도와 회귀 테스트
다양한 자기소개서·면접·JD 입력에서의 결과 품질
실제 사용자 테스트에서 발견된 오류 수정
주요 화면의 세부 UX와 반응형 검증
최종 데모를 위한 전체 시나리오 반복 테스트

남은 기간에는 기능 개수를 늘리는 것보다 이미 구현된 기능이 실제 사용자 흐름 안에서 안정적으로 연결되는지를 더 꼼꼼하게 확인하려고 한다.

마무리

이번 주 CampusLog 개발의 키워드를 하나 고른다면 ‘선택과 정리’였던 것 같다.

사용자는 AI가 끝날 때까지 기다릴지, 다른 작업을 할지 선택할 수 있게 됐다.

자기소개서 글자 수도 서비스에서 정해주는 값만 고르는 것이 아니라 자신이 지원하는 기업에 맞게 직접 지정할 수 있게 됐다.

개발하는 입장에서도 모든 AI 작업에 하나의 모델을 쓰는 대신 각 기능에 더 적합한 모델을 선택하기 시작했다.

그리고 화면에서는 긴 정보와 불필요한 로딩 요소를 오히려 덜어냈다.

처음 CampusLog를 만들 때는 기능 하나를 추가할 때마다 서비스가 발전한다고 생각했다.

지금은 조금 다르게 느끼고 있다.

기능이 많아지는 것보다
사용자가 고민해야 하는 순간을 하나씩 줄이는 것이 더 중요한 개발일 수도 있다.

커널아카데미 UNIKER 활동도 이제 마지막을 향해 가고 있다.

남은 기간에는 CampusLog의 기능을 더 많이 보여주는 것보다, 지금까지 만든 기능들이 왜 필요한지 그리고 실제 대학생이 편하게 사용할 수 있는지를 보여줄 수 있도록 계속 다듬어보려고 한다.

#커널아카데미 #UNIKER #유니커 #AI크루 #AI프로젝트 #CampusLog #AI서비스개발 #OpenAIAPI #AIUX #LLM

경제금융용어 공부 595 : 통화스왑(Currency Swap)

MKISOS — Tue, 18 Aug 2026 21:00:10 +0900

통화스왑(Currency Swap)

국가나 기업은 해외에서 자금을 빌리거나 외화를 보유하는 과정에서 환율과 금리 변동 위험에 노출된다. 통화스왑은 이러한 위험을 줄이기 위해 서로 다른 통화를 교환하고 일정 기간 동안 이자를 주고받은 뒤 만기에 원금을 다시 교환하는 금융거래이다. 특히 국가 간 통화스왑 협정은 금융위기 시 외화 유동성을 확보하는 수단으로도 자주 활용된다.

1. 한 줄 정의

통화스왑은 서로 다른 통화를 교환한 뒤 계약기간 동안 이자를 주고받고, 만기에 원금을 다시 교환하는 금융거래이다.

2. 기본 개념

통화스왑(Currency Swap)은 거래 당사자가 서로 다른 통화의 원금을 교환하고, 계약기간 동안 각 통화의 이자를 지급한 후 만기에 처음 교환했던 원금을 다시 돌려주는 계약이다.

예를 들어 한국 기업이 원화를 가지고 있지만 달러가 필요하고, 미국 기업은 달러를 가지고 있지만 원화가 필요하다면 서로 필요한 통화를 교환하여 사용할 수 있다.

이 과정에서 계약기간 동안에는 각 통화에 대한 이자를 지급하며, 만기가 되면 처음 정한 환율로 원금을 다시 교환한다.

통화스왑은 주로 1년 이상의 중장기 거래에서 활용된다.

3. 왜 중요한가

환율과 금리는 시간이 지남에 따라 계속 변한다.

해외에서 장기간 자금을 빌린 기업이나 금융기관은 환율이 급등하거나 금리가 오르면 큰 손실을 입을 수 있다.

통화스왑은 이러한 환율 및 금리 변동 위험을 줄이고, 더 유리한 조건으로 자금을 조달할 수 있도록 도와준다.

또한 국가 간 통화스왑 협정은 금융위기 발생 시 외화를 안정적으로 공급하는 안전장치 역할도 한다.

4. 쉽게 이해하는 예시

실생활 예시

한국 학생이 미국에서 생활하려면 달러가 필요하고, 미국 학생이 한국에서 생활하려면 원화가 필요하다고 가정해보자.

두 사람이 일정 기간 동안 서로 필요한 돈을 빌려 사용하고, 약속한 기간이 끝나면 처음 빌린 금액을 그대로 돌려주는 것과 비슷한 개념이다.

기업 예시

한국 기업이 미국 공장을 짓기 위해 달러를 장기간 사용해야 한다고 가정해보자.

직접 달러를 빌리는 대신 미국 기업과 통화스왑 계약을 체결하면 환율 변동 위험을 줄이면서 필요한 달러를 확보할 수 있다.

국가 예시

한국은행과 미국 연준이 통화스왑 계약을 체결하면 금융위기 시 한국은 필요한 달러를 확보할 수 있다.

이러한 통화스왑 협정은 외환시장 안정과 금융시장 신뢰 회복에 중요한 역할을 한다.

5. 핵심 특징

5-1. 서로 다른 통화를 교환한다

계약 초기에 서로 필요한 통화의 원금을 교환한다.

5-2. 계약기간 동안 이자를 교환한다

각 통화에 적용되는 금리에 따라 정기적으로 이자를 지급한다.

5-3. 만기에 원금을 다시 교환한다

계약 종료 시 처음 정한 환율을 기준으로 원금을 다시 돌려준다.

따라서 환율 변동 위험을 줄일 수 있다.

5-4. 장기 자금조달에 적합하다

통화스왑은 일반적으로 1년 이상의 장기 거래에서 많이 활용되며, 환리스크와 금리리스크를 동시에 관리할 수 있다.

6. 관련 개념과의 차이

통화스왑 vs 외환스왑

통화스왑

주로 1년 이상의 장기 거래
계약기간 동안 이자를 교환
만기에 최초 환율로 원금 재교환

외환스왑

주로 1년 이하의 단기 거래
계약기간 동안 이자를 별도로 교환하지 않음
만기에 선물환율을 반영하여 원금을 교환

즉, 통화스왑은 장기 자금조달과 위험관리에, 외환스왑은 단기 외화자금 조달에 주로 활용된다.

통화스왑 vs 통화교환

통화스왑

통화를 교환한 뒤 일정 기간 사용
이자를 지급
만기에 원금을 다시 교환

단순 환전

통화를 한 번 교환하면 거래 종료
이자 지급이 없음

통화스왑은 단순한 환전이 아니라 장기간의 금융계약이다.

통화스왑 vs 금리스왑

통화스왑

서로 다른 통화를 교환
환율과 금리 위험을 함께 관리

금리스왑

같은 통화 내에서 금리만 교환
고정금리와 변동금리를 교환하는 경우가 많음

통화스왑은 통화 자체가 바뀌고, 금리스왑은 통화는 그대로 유지된다.

7. 경제적 의미

국가경제 관점

국가 간 통화스왑 협정은 외환보유액을 보완하고 금융위기 시 외화 유동성을 확보하는 중요한 안전망 역할을 한다.

한국은행도 여러 국가의 중앙은행과 통화스왑 협정을 체결하여 금융시장 안정을 도모하고 있다.

기업 관점

기업은 해외에서 자금을 조달할 때 통화스왑을 활용하여 차입 비용을 낮추고 환율 및 금리 변동 위험을 줄일 수 있다.

금융시장 관점

통화스왑 시장은 국제 금융시장의 유동성을 높이고 글로벌 자금조달을 원활하게 만드는 중요한 역할을 한다.

또한 금융기관의 위험관리 수단으로 널리 활용된다.

투자 관점

투자자는 통화스왑 자체를 직접 활용하는 경우는 많지 않지만, 중앙은행의 통화스왑 체결 소식은 환율 안정과 금융시장 신뢰 회복에 긍정적인 영향을 줄 수 있다는 점을 이해할 필요가 있다.

8. 정리

통화스왑은 서로 다른 통화를 교환하고 계약기간 동안 이자를 주고받은 뒤 만기에 원금을 다시 교환하는 금융거래이다. 주로 장기 자금조달과 환율 및 금리 변동 위험을 줄이기 위해 활용되며, 기업뿐 아니라 국가 간 통화스왑 협정을 통해 금융위기 시 외화 유동성을 확보하는 중요한 안전장치 역할도 한다. 특히 외환스왑보다 계약기간이 길고 이자를 교환한다는 점이 가장 큰 차이점이다.

[주간회GO 26년 8월 3주차] 지옥이 지나니 천국이 오구나 | 회의 지옥, 부산 대외활동, 일본여행

MKISOS — Tue, 18 Aug 2026 12:11:30 +0900

[주간회GO 26년 8월 3주차]

26년 8월 3주차

이번주는 반 지옥 반 천국이 예상된다.
13일 대구
14일 부산
그 이후 대마도 여행
가기 때문에 이번주 후반 행복을 위해 초반 월화수는 미리 미리 해두어야 할 일정도 많고 회의도 엄청 많다

모두 과거의 내가 욕심낸 것들의 결과이다.
물론 이번에 3일도 빡세게 하고 나면 그것들이 또 몇 주, 몇 달 후에 보상으로 올 걸 알기에 힘들어도 해내고 싶다.

진짜 조오오오금만 더 열심히 고생하며 살아야겠다.
아직 25살인데 좀 더 악착같이 살아야지
바쁠 수 있음에 하고 싶은 것들과 해야 할 것들이 있음에 감사하자.

26년 8월 10일 월요일

월요일 아침 운동을 해야
오늘 하루, 이번주가 좋게 좋게 흘러가는 것 같다.
진짜 난 몸 만드는 것보다 멘탈을 위해서 하는 느낌이 크다고 느낀다.

오늘 사실 할 거 너무 많아서 진짜 눈뜨자마자 스트레스 였지만 운동 유산소 하면서 마인드 정리하고 나니 얼른 출근해서 또 Pro로 작업 할 생각에 매우 설렜었다.

이제 이 루틴도 마지막이구나.
내 화분들 이제 잘 자랄 수 있으려나. 나 처럼 규칙적으로 잘 챙겨주기 쉽지 않은데 ㅎㅎ

하루종일 너무 바빴고 저녁 준비~ 하다가 회의하러 갔음.
회의 끝나고 먹어서 평소보다 늦게 먹었다. 모델 개발하면서 먹음

오늘은 진짜 회고 못 쓸 정도로 피곤하다
프로 토큰도 하루만에 다 썼다…
일주일은 플러스랑 에듀로 돌려막기하면서 버텨야지

26년 8월 11일 화요일

주말에 일정있어서 헬스 못가는 날에 덤벨로라도 운동하는 중
슬슬 강박이 생기나?

오늘도 아침부터 해야 할 것들이 많은 상황속에서 스트레스가^^
이 씨앗들이 다 열매를 맺길

어제 밤부터 작업해서 오늘 오전에 완성해서 보내드렸는데 반응이 나쁘지 않아 안심했던 기억이 있다.

모델 돌리면 너무 오래걸려서 지금 못하는 중이라 서럽다…
노트북도 너무 않좋아 ㅠ

점심에 랭플릭스 하고
식단에 디저트까지 야무지게 먹고
커피수혈도 해서 오후 버티기 성공했다.
시간이 너무 소중하고 빠르게 지나간다…

퇴근하고도 이어서 라이브강의 들었다
마지막 qna에 냐 질문에 대한 답변이 초반에 많아서 너무 만족스러웠다.
특히 지금 강사님이 나 처럼 3-2학기를 앞둔 학생이면 어떤 활동을 할 건지에 대한 답변은 특히 마음에 들었다.

저녁 또 감자하면서 남은 동아리 홈페이지 서버회의 시작했다.
다들 엄청 믿음직스러웠다…!

26년 8월 12일 수요일

개인적으로… 9,10월까지 환율 유지하길 원한다 ㅎㅎ
오늘은 오랜만에 등!

출근해서 국장 신청하고 수요일 스타트했다.
진짜 힘든 것들 꽤 지나가서 살만해졌다… ㅎㅎ

하하 ^^
그래도 루나가 좀 저렴해서 다행이다.

주사님이 밥사주셨다 ㅎㅎ
그리고 점심에 마지막… 체단실 방문 21개월 금방이네~

퇴근하고 미용실로 호다닥 안늦었다 ㅎㅎ
빨리 집가서 모델 돌려놓고 짐싸고 해야해서 마음이 편하진 않았지만 이제 출근 1.5일만 남아서 기분은 좋았다.

배 너무 고파서 디진다 돈까스 경험하려다 참고 ㄹㅈㄷ 맛집 조치원 파닭 참았다

26년 8월 13일 목요일

오운완
이제 휴가라 폭식해야해 ;;

밥 든든하게 먹고 먼 길 나섰다

외할머니 병문안 갔다가 이모들이랑 맛있는 거 실컷 먹었다.
진짜 푸파해버렸다 ㅎㅎ…

황준이가 우리 집가서 여권 챙겨주는 사진
대마도 가야하는데 여권을 자취방에 두고 대구 와버림,,
낼 황준이 부산에서 만날 예정이라
황준이가 밤11시에 택시타고 우리 집까지 가서 챙겨서 나온다고 사진 보내줬다.
너무 고맙고 미안하고 ㅠㅠ

26년 8월 14일 금요일

운동 루틴대로 하고 동대구역 출발, 부산역 도착해서 황준이 만났다.

비비들 만나서 밥 먹고 회의하고 릴스도 찍고 후딱하고 놀러갔다.

생각보다 너무 좋은 부산

26년 8월 15, 16일 토,일요일 주말

글 생략.

사촌형만 샀음.,

진짜 너무 느좋 바

실컷 먹고 잤다 약 4500칼로리 ㅎㅎ 섭취함

모닝 러닝 5-6키로 뛰었다 측정이 안되었어 ㅠ

기럭지 ㄷ

빠찡꼬레

따로 게시글을 빼야하나 싶을 정도로 많이 먹고 즐겼당
여행때문에 월요일 고정루틴 다 하루씩 밀릴 것 같아서 불안 걱정있지만 그냥 놓아두고 즐겼다.

경제금융용어 공부 594 : 통합발행제도

MKISOS — Mon, 17 Aug 2026 21:00:12 +0900

통합발행제도

채권은 발행할 때마다 금리와 만기가 조금씩 다르면 각각 다른 종목이 된다. 이렇게 종목이 너무 많아지면 거래가 어려워지고 유동성도 떨어진다. 통합발행제도는 일정 기간 동안 같은 조건으로 채권을 발행해 하나의 동일한 채권으로 만드는 제도로, 채권시장의 거래를 더욱 활발하게 만드는 역할을 한다.

1. 한 줄 정의

통합발행제도는 일정 기간 동안 같은 조건으로 채권을 발행하여 하나의 동일한 채권으로 만드는 제도이다.

2. 기본 개념

통합발행제도(Fungible Issue 또는 Reopening Issue)는 일정 기간 동안 발행되는 채권의 표면금리, 만기일 등 주요 조건을 동일하게 맞춰 하나의 종목으로 통합하는 제도이다.

예를 들어 정부가 매주 국채를 발행한다고 하더라도, 3개월 동안 동일한 조건으로 발행하면 모두 하나의 국채 종목으로 취급된다.

반대로 매번 다른 조건으로 발행하면 매주 새로운 채권 종목이 생기게 되어 시장에서 거래해야 할 종목 수가 크게 늘어난다.

즉, 통합발행제도는 같은 채권을 여러 번 추가 발행하는 방식이라고 이해하면 쉽다.

3. 왜 중요한가

채권시장은 거래량이 많을수록 원하는 시점에 쉽게 사고팔 수 있다.

하지만 비슷한 채권이 수백 개의 종목으로 나뉘어 있으면 거래가 분산되어 유동성이 떨어질 수 있다.

통합발행제도는 종목 수를 줄이고 거래를 한곳에 집중시켜 거래량을 늘린다.

그 결과 투자자는 원하는 가격에 쉽게 거래할 수 있고, 채권을 발행하는 정부나 기관도 더 낮은 비용으로 자금을 조달할 수 있다.

4. 쉽게 이해하는 예시

실생활 예시

같은 디자인의 생수를 매주 조금씩 생산한다고 가정해보자.

매번 새로운 상품명과 바코드를 붙이면 판매점마다 재고 관리가 복잡해진다.

하지만 같은 상품으로 계속 생산하면 하나의 상품으로 관리되어 판매와 유통이 훨씬 편리해진다.

통합발행제도도 같은 원리로 채권을 하나의 종목으로 묶어 거래를 쉽게 만든다.

채권시장 예시

정부가 1년 동안 매주 국채를 발행한다고 가정해보자.

통합발행제도가 없다면 매주 새로운 국채 종목이 생겨 약 50개의 종목이 거래될 수 있다.

하지만 3개월 단위로 통합발행을 하면 같은 기간 동안 발행된 국채는 모두 하나의 종목이 되어 연간 약 4개의 주요 종목만 거래된다.

이렇게 되면 거래가 집중되어 유동성이 높아진다.

투자 예시

투자자가 국채를 매매하려고 할 때 거래량이 많은 종목은 원하는 가격에 쉽게 사고팔 수 있다.

통합발행제도는 이러한 거래량을 높여 투자자의 거래 편의성을 향상시킨다.

5. 핵심 특징

5-1. 같은 조건으로 반복 발행한다

표면금리와 만기 등 주요 발행조건을 동일하게 유지하여 같은 채권으로 만든다.

5-2. 채권 종목 수를 줄인다

비슷한 채권이 여러 종목으로 나뉘는 것을 방지하여 시장을 단순하게 만든다.

5-3. 유동성을 높인다

거래가 하나의 종목에 집중되면서 거래량이 증가하고 원하는 시점에 쉽게 매매할 수 있다.

5-4. 발행 비용을 절감한다

정부나 공공기관은 투자자의 수요가 늘어나 더 낮은 금리로 자금을 조달할 가능성이 높아진다.

6. 관련 개념과의 차이

통합발행제도 vs 신규발행

통합발행제도

기존 채권과 동일한 조건으로 추가 발행
기존 종목에 물량이 더해짐
거래가 한 종목에 집중됨

신규발행

새로운 조건으로 새로운 채권 발행
새로운 종목이 생성됨
거래가 여러 종목으로 분산될 수 있음

즉, 통합발행은 기존 종목을 키우는 방식이고, 신규발행은 새로운 종목을 만드는 방식이다.

통합발행제도 vs 채권 유통시장

통합발행제도

채권을 발행하는 방식에 관한 제도
종목 수를 줄이고 거래를 활성화하는 것이 목적

채권 유통시장

이미 발행된 채권을 투자자끼리 거래하는 시장
채권의 매매가 이루어지는 장소

통합발행제도는 발행 단계의 제도이고, 유통시장은 발행 이후 거래가 이루어지는 시장이다.

통합발행제도 vs 국채 발행

통합발행제도

국채를 포함한 다양한 채권에 적용 가능한 발행 방식

국채 발행

정부가 자금을 조달하기 위해 채권을 발행하는 행위

즉, 통합발행제도는 국채 발행에도 활용되는 발행 방식 중 하나이다.

7. 경제적 의미

국가경제 관점

정부는 통합발행제도를 통해 국채시장의 유동성을 높이고 안정적으로 재정을 조달할 수 있다.

이는 국가채무 관리의 효율성 향상에도 도움이 된다.

기업 관점

산업은행이나 예금보험공사 등 채권을 정기적으로 발행하는 기관도 통합발행을 통해 자금조달 비용을 줄일 수 있다.

금융시장 관점

유동성이 높은 채권은 가격 형성이 더욱 효율적으로 이루어진다.

또한 거래가 활발해지면서 투자자들의 시장 참여도 증가한다.

투자 관점

투자자는 거래량이 많은 채권을 더 쉽게 사고팔 수 있으며, 매매가격의 차이도 상대적으로 작아 거래 비용을 줄일 수 있다.

특히 국채처럼 안전자산에 투자할 때 높은 유동성은 중요한 장점이 된다.

8. 정리

통합발행제도는 일정 기간 동안 동일한 조건으로 채권을 발행하여 하나의 종목으로 만드는 제도이다. 이를 통해 채권 종목 수를 줄이고 거래를 집중시켜 유동성을 높일 수 있다. 정부와 공공기관은 자금조달 비용을 절감할 수 있으며, 투자자는 거래가 쉬운 채권에 투자할 수 있다는 장점이 있다. 현재 국채와 통화안정증권 등 다양한 공공채권에서 널리 활용되는 중요한 채권 발행 방식이다.

경제금융용어 공부 593 : 통상임금

MKISOS — Sun, 16 Aug 2026 21:00:42 +0900

통상임금

통상임금은 단순히 매달 받는 월급을 의미하는 것이 아니다. 연장근로수당, 야간근로수당, 휴일근로수당, 연차수당 등을 계산할 때 기준이 되는 매우 중요한 임금이다. 따라서 어떤 항목이 통상임금에 포함되는지에 따라 근로자가 받는 각종 수당의 금액도 달라질 수 있다.

1. 한 줄 정의

통상임금은 근로자에게 정기적이고 일률적으로 지급되는 임금으로, 각종 법정수당을 계산하는 기준이 되는 임금이다.

2. 기본 개념

통상임금은 근로기준법에서 정한 기준임금이다.

쉽게 말하면 근로자가 정해진 근무를 하면 누구나 일정하게 받을 수 있는 임금을 의미한다.

통상임금은 단순히 급여를 의미하는 것이 아니라 다음과 같은 법정수당을 계산할 때 기준이 된다.

연장근로수당
야간근로수당
휴일근로수당
연차유급휴가수당
해고예고수당

기본급뿐 아니라 정기적이고 일률적으로 지급되는 각종 수당도 통상임금에 포함될 수 있다.

반면 근무실적이나 성과에 따라 달라지는 임금은 일반적으로 통상임금에 포함되지 않는다.

3. 왜 중요한가

통상임금이 커질수록 각종 법정수당도 함께 증가한다.

예를 들어 같은 시간 동안 연장근무를 하더라도 통상임금이 높은 근로자가 더 많은 연장근로수당을 받게 된다.

그래서 통상임금에 어떤 항목이 포함되는지는 근로자와 기업 모두에게 매우 중요한 문제이며, 실제로 많은 노동 관련 소송에서도 핵심 쟁점이 되곤 한다.

4. 쉽게 이해하는 예시

직장인 예시

기본급이 월 300만 원인 직장인이 있다고 가정해보자.

매달 누구에게나 동일하게 지급되는 직책수당 20만 원과 기술수당 10만 원도 함께 받고 있다.

이러한 수당은 정기적이고 일률적으로 지급되므로 통상임금에 포함될 가능성이 높다.

반면 성과급처럼 실적에 따라 지급 여부나 금액이 달라지는 임금은 통상임금에 포함되지 않는 경우가 많다.

연장근로 예시

A직원과 B직원이 똑같이 2시간의 연장근무를 했다.

하지만 A직원의 통상임금이 더 높다면 연장근로수당도 더 많이 지급된다.

즉 통상임금은 초과근무수당 계산의 기준이 되는 금액이다.

5. 핵심 특징

5-1. 각종 법정수당의 기준이 된다

연장근로수당, 야간근로수당, 휴일근로수당, 연차수당 등을 계산할 때 기준으로 사용된다.

5-2. 정기적으로 지급되어야 한다

일정한 주기마다 꾸준히 지급되는 임금이어야 한다.

매월 지급되는 기본급이나 정기상여금 등이 대표적인 예이다.

5-3. 일률적으로 지급되어야 한다

특정 직원만 받는 것이 아니라 일정한 조건을 충족하는 근로자에게 동일하게 지급되어야 한다.

5-4. 고정성이 있어야 한다

근로자가 정해진 근무를 하면 추가 조건 없이 받을 수 있어야 한다.

성과나 실적에 따라 달라지는 임금은 일반적으로 통상임금에 포함되지 않는다.

6. 관련 개념과의 차이

통상임금 vs 평균임금

통상임금

정기적이고 일률적으로 지급되는 임금
법정수당 계산 기준
미래의 임금 기준

평균임금

최근 3개월 동안 실제 지급된 임금의 평균
퇴직금과 산업재해보상 등의 기준
과거 실제 지급액 기준

통상임금은 일정한 기준임금이고, 평균임금은 실제 받은 임금을 평균낸 금액이라는 차이가 있다.

통상임금 vs 최저임금

통상임금

각종 수당을 계산하는 기준임금
근로기준법에서 규정

최저임금

근로자에게 반드시 지급해야 하는 최소 임금
최저임금법에서 규정

최저임금은 임금의 하한선을 정하는 제도이고, 통상임금은 수당 계산의 기준이 되는 임금이다.

통상임금 vs 성과급

통상임금

정기적·일률적·고정적으로 지급됨

성과급

개인이나 회사의 실적에 따라 지급 여부와 금액이 달라짐

성과급은 일반적으로 근무 성과에 따라 변동되므로 통상임금과 구별된다.

7. 경제적 의미

국가경제 관점

통상임금 기준은 근로자의 권익 보호와 공정한 임금체계를 유지하는 데 중요한 역할을 한다.

노동시장의 안정성과 근로조건 개선에도 영향을 미친다.

기업 관점

통상임금에 포함되는 항목이 늘어나면 연장근로수당과 휴일근로수당 등 인건비 부담도 함께 증가할 수 있다.

따라서 기업은 임금체계를 설계할 때 통상임금 기준을 충분히 고려해야 한다.

노동시장 관점

통상임금의 범위는 노사 간 중요한 협상 대상이다.

포함 여부에 따라 근로자가 받는 각종 수당이 크게 달라질 수 있기 때문이다.

근로자 관점

근로자는 자신의 급여명세서를 확인해 어떤 수당이 통상임금에 포함되는지 이해할 필요가 있다.

이는 초과근무수당, 휴일근무수당, 연차수당 등 실제 받는 임금에 직접적인 영향을 준다.

8. 정리

통상임금은 근로자에게 정기적이고 일률적으로 지급되는 임금으로, 연장근로수당과 야간근로수당, 휴일근로수당, 연차수당 등을 계산하는 기준이 된다. 기본급뿐 아니라 일정한 조건 없이 정기적으로 지급되는 수당도 통상임금에 포함될 수 있다. 반면 성과급처럼 실적에 따라 달라지는 임금은 일반적으로 포함되지 않는다. 통상임금은 근로자의 권리와 기업의 인건비에 모두 영향을 미치는 중요한 노동법 개념이다.

경제금융용어 공부 592 : 토빈세(Tobin Tax)

MKISOS — Sat, 15 Aug 2026 21:00:45 +0900

토빈세(Tobin Tax)

국제 금융시장은 막대한 자금이 순식간에 국가 간을 이동할 수 있다. 이러한 단기 투기자금은 환율과 금융시장을 크게 흔들어 경제위기를 유발하기도 한다. 토빈세는 이러한 투기성 자금의 과도한 이동을 막기 위해 단기 외환거래에 세금을 부과하자는 아이디어에서 출발한 제도이다.

1. 한 줄 정의

토빈세는 단기 외환거래에 세금을 부과하여 국제 투기자본의 급격한 이동을 억제하려는 제도이다.

2. 기본 개념

토빈세(Tobin Tax)는 미국 경제학자 제임스 토빈(James Tobin)이 1978년에 제안한 개념이다.

국가 간 외환거래에 매우 낮은 세율의 세금을 부과하여 단기 차익만을 노리는 투기성 자금의 이동을 줄이자는 것이 핵심이다.

토빈세는 일반적인 무역이나 장기 투자에는 큰 영향을 주지 않으면서, 짧은 기간 동안 반복적으로 이루어지는 외환거래에는 비용을 증가시켜 투기적 거래를 줄이는 것을 목표로 한다.

쉽게 말하면 "돈이 너무 쉽게 드나들지 못하도록 작은 통행료를 부과하는 제도"라고 이해하면 된다.

3. 왜 중요한가

국제 금융시장에서 막대한 자금이 한 국가로 갑자기 유입되면 자산가격과 환율이 급등할 수 있다.

반대로 투자자들이 동시에 자금을 회수하면 환율이 급등하고 금융시장이 크게 흔들리며 외환위기로 이어질 가능성도 있다.

토빈세는 이러한 급격한 자금 이동의 속도를 늦춰 금융시장의 안정성을 높이기 위해 제안되었다.

또한 세금을 통해 발생한 재원을 국제 빈곤 해결이나 개발 지원 등에 활용할 수 있다는 주장도 있다.

4. 쉽게 이해하는 예시

실생활 예시

고속도로에 통행료가 없다면 많은 차량이 자유롭게 드나들면서 교통 혼잡이 심해질 수 있다.

하지만 소액의 통행료를 부과하면 꼭 필요한 차량만 이용하게 되어 혼잡이 줄어든다.

토빈세도 국제 자금 이동에 작은 비용을 부과해 불필요한 단기 투기거래를 줄이려는 개념이다.

투자 예시

한 투자자가 하루에도 여러 번 원화를 달러로 바꾸었다가 다시 원화로 환전하며 환차익을 노린다고 가정해보자.

거래할 때마다 토빈세가 부과된다면 거래 비용이 증가하여 단기 투기의 매력이 줄어들게 된다.

반면 해외 공장 설립이나 장기적인 해외투자는 거래 횟수가 적기 때문에 영향이 상대적으로 작다.

경제 예시

외국인 투자자들이 갑자기 수십조 원 규모의 자금을 국내에 투자했다가 한꺼번에 빠져나가면 환율과 금융시장이 크게 흔들릴 수 있다.

토빈세는 이러한 급격한 자금 이동을 완화하여 금융시장 안정을 높이는 역할을 기대한다.

5. 핵심 특징

5-1. 단기 투기자금을 억제한다

토빈세의 가장 큰 목적은 단기간에 반복되는 외환거래를 줄이는 것이다.

투기성 자금의 이동 비용을 높여 금융시장 변동성을 낮추려 한다.

5-2. 장기 투자에는 영향이 상대적으로 적다

장기적인 해외 직접투자나 일반 무역거래는 거래 횟수가 적기 때문에 토빈세의 부담이 크지 않다.

반면 단기 차익거래는 반복적인 거래가 많아 상대적으로 부담이 커진다.

5-3. 금융시장 안정성을 높이는 것이 목적이다

토빈세는 환율 급등락과 금융위기 가능성을 줄여 국제 금융시장의 안정성을 높이기 위한 정책이다.

5-4. 새로운 세수 확보 효과도 기대된다

거래 규모가 매우 큰 국제 외환시장에 낮은 세율만 적용해도 상당한 세수가 발생할 수 있다.

이 재원을 국제 개발이나 빈곤 퇴치 등에 활용하자는 의견도 제기되고 있다.

6. 관련 개념과의 차이

토빈세 vs 양도소득세

토빈세

외환거래 자체에 세금을 부과함
단기 자본 이동 억제가 목적
국제 금융시장 안정이 핵심 목표

양도소득세

자산을 팔아 얻은 이익에 세금을 부과함
투자소득 과세가 목적
주식, 부동산 등의 자본이득에 적용됨

토빈세는 거래 자체에 부과되는 세금이고, 양도소득세는 거래를 통해 발생한 이익에 부과되는 세금이다.

토빈세 vs 외환규제

토빈세

거래를 허용하되 비용을 부과함
시장원리를 활용하여 투기를 억제함

외환규제

특정 거래를 제한하거나 금지함
정부가 직접 자본 이동을 통제함

토빈세는 거래를 막는 것이 아니라 거래 비용을 높여 시장 참여자의 행동을 변화시키는 방식이다.

토빈세 vs 핫머니

토빈세

핫머니를 억제하기 위한 정책수단

핫머니

단기 차익을 목적으로 빠르게 이동하는 국제 투기자금

즉, 핫머니가 규제 대상이라면 토빈세는 이를 억제하기 위한 정책이다.

7. 경제적 의미

국가경제 관점

토빈세는 급격한 자본 유출입을 완화하여 환율 안정과 금융위기 예방에 도움이 될 수 있다.

특히 신흥국처럼 외국인 자금의 영향을 많이 받는 국가에서는 금융안정 수단으로 논의된다.

기업 관점

환율 변동성이 줄어들면 수출입 기업의 경영 불확실성이 감소할 수 있다.

반면 국제 금융거래 비용이 증가할 가능성도 존재한다.

금융시장 관점

토빈세는 단기 투기거래를 줄이고 금융시장의 변동성을 낮추는 효과가 기대된다.

그러나 거래량 감소로 시장 유동성이 줄어들 수 있다는 우려도 함께 제기된다.

투자 관점

장기 투자자에게는 영향이 제한적일 가능성이 크지만, 단기 환율 차익거래를 반복하는 투자자에게는 거래 비용이 크게 증가할 수 있다.

또한 토빈세 도입 여부는 외환시장과 국제 자금 흐름에 영향을 미치는 중요한 정책 변수로 평가된다.

8. 정리

토빈세는 단기 외환거래에 소액의 세금을 부과하여 국제 투기자본의 급격한 이동을 억제하기 위해 제안된 제도이다. 장기 투자나 일반 무역에는 영향을 최소화하면서 단기 투기거래의 비용을 높여 금융시장 안정성을 높이는 것이 핵심 목적이다. 아직 전 세계적으로 보편화된 제도는 아니지만, 국제 금융위기와 환율 변동성이 커질 때마다 다시 논의되는 대표적인 국제 금융정책 가운데 하나이다.

[미국 초단기 국채 ETF] SGOV와 USFR, 같은 달러 파킹인데 왜 둘로 나눴을까?

MKISOS — Sat, 15 Aug 2026 11:53:04 +0900

주식을 계속 모아가는 투자자에게 현금은 생각보다 애매한 자산이다.
주식이 크게 하락했을 때는 현금이 있어야 추가 매수를 할 수 있다. 반대로 너무 많은 현금을 그냥 들고 있으면 상승장에서 투자하지 못한 돈이 된다.
특히 미국 주식을 중심으로 투자하다 보면 원화를 달러로 환전한 뒤 아직 주식을 사지 않은 돈을 어디에 둘지도 고민하게 된다.

나는 그동안 이런 달러 대기자금을 SGOV에 넣어두는 방식을 사용해왔다.
그런데 앞으로는 한 가지 ETF만 사용하는 대신,

A = SGOV
B = USFR

두 개의 버킷으로 나눠서 운용해보려고 한다.

테스트용 사진

수익률 몇 bp를 더 얻기 위해서라기보다는 각각의 돈에 역할을 부여하고, 증권앱에서도 두 자금을 눈으로 명확하게 구분하기 위해서다.
그리고 SGOV는 이미 직접 사용해봤으니, 이번에는 미국의 변동금리 국채를 담는 USFR도 실제로 보유하면서 그 구조를 경험해보고 싶었다.

먼저 두 ETF가 무엇인지부터 하나씩 정리해보자.

1. SGOV란 무엇인가?

SGOV의 정식 명칭은 iShares 0-3 Month Treasury Bond ETF다.
세계 최대 자산운용사 중 하나인 BlackRock의 iShares가 운용하며, 이름 그대로 잔존 만기가 0~3개월인 미국 국채(Treasury Bill)에 투자한다.
SGOV가 추종하는 지수 역시 ICE 0-3 Month US Treasury Securities Index다. iShares는 SGOV를 자본 보존과 유동성 관리, 그리고 최소한의 금리 위험을 추구하는 상품으로 설명하고 있다.
쉽게 생각하면 이런 구조다.

달러를 가지고 있다
→ 아주 짧게 만기가 남은 미국 국채를 산다
→ 국채가 만기된다
→ 다시 새로운 단기 미국 국채를 산다
→ 이를 반복한다

그래서 SGOV는 주식처럼 높은 자본차익을 기대하는 ETF라기보다 미국 단기금리를 받으면서 달러를 잠시 주차하는 장소에 가깝다.

SGOV의 현재 주요 수치

2026년 8월 11~12일 iShares 공식 자료 기준으로 보면 다음과 같다.

항목	SGOV
투자 대상	미국 0~3개월 Treasury
운용보수	0.09%
30일 SEC Yield	3.59%
Effective Duration	0.10년
Weighted Avg Maturity	0.10년
순자산	약 1,022억 달러
30일 Median Bid/Ask Spread	0.01%
분배 주기	월 단위

SGOV 포트폴리오의 약 99.4%가 미국 재무부 채무로 구성되어 있고, 만기 구성도 대부분 90일 이내다.
여기서 내가 특히 중요하게 보는 것은 0.10년이라는 매우 짧은 듀레이션이다.
채권은 일반적으로 금리가 변하면 가격이 움직인다. 그런데 만기가 몇 년, 몇십 년 남은 장기채와 달리 SGOV는 몇 주에서 몇 달짜리 국채를 보유한다.

따라서 금리가 움직여도 가격 변동이 매우 제한적이다.
물론 SGOV도 ETF이기 때문에 은행 예금처럼 가격이 완전히 고정되어 있는 상품은 아니다. 하지만 투자 목적 자체가 자본차익보다는 단기 미국 국채에서 발생하는 이자를 확보하면서 높은 유동성을 유지하는 것에 있다.
그래서 나는 그동안 SGOV를 사실상 달러 파킹 ETF처럼 활용해왔다.

2. 그렇다면 USFR은 무엇인가?

USFR의 정식 명칭은 WisdomTree Floating Rate Treasury Fund다.
여기서 가장 중요한 단어가 바로 Floating Rate Treasury 다.

SGOV가 만기가 아주 짧은 일반 미국 국채를 계속 교체해서 보유한다면, USFR은 미국 정부가 발행한 변동금리 국채(Floating Rate Notes, FRN)를 보유한다.
USFR는 Bloomberg U.S. Treasury Floating Rate Bond Index를 추종한다. WisdomTree 역시 이 ETF를 최근 3개월 미국 국채 금리 움직임을 따라가는 단기 미국 국채 솔루션으로 설명하고 있다.

이 부분이 처음에는 조금 헷갈렸다.
USFR의 평균 만기를 보면 약 1.52년이다. SGOV는 불과 약 0.10년인데 USFR은 1년이 넘는다.
그렇다면 USFR가 SGOV보다 금리 변화에 훨씬 민감해야 할 것 같지만 실제 수치는 반대다.

2026년 8월 12일 기준 USFR의 Effective Duration은 0.02년에 불과하다.

그 이유가 바로 변동금리에 있다.

3. USFR의 금리는 왜 계속 바뀔까?

미국 재무부가 발행하는 FRN은 기본적으로 2년 만기 국채다.
하지만 일반적인 2년물 국채처럼 처음 정해진 금리를 2년 동안 계속 지급하는 것이 아니다.
미국 재무부에 따르면 FRN의 금리는 Index Rate + Spread 형태로 결정된다.
여기서 Index Rate는 가장 최근에 실시된 13주 만기 Treasury Bill 경매 금리를 기준으로 한다.
그리고 미국 재무부는 13주 T-Bill을 매주 경매하기 때문에 FRN의 기준금리도 매주 리셋된다.

예를 들어 아주 단순하게 표현하면,

13주 T-Bill 금리 3.7%

FRN 고정 Spread 0.1%
= 약 3.8%

같은 구조다.

다음 주 13주물 금리가 올라가면 FRN의 금리도 올라가고, 반대로 단기금리가 내려가면 FRN의 금리도 빠르게 내려간다.
따라서 채권 자체의 만기는 2년이어도 금리가 계속 시장 수준으로 조정된다.

이 때문에 USFR는 만기는 SGOV보다 길지만 금리 변화에 대한 가격 민감도는 오히려 매우 낮다.
현재 USFR의 주요 수치는 다음과 같다.

항목	USFR
투자 대상	미국 Treasury FRN
운용보수	0.15%
30일 SEC Yield	3.71%
Distribution Yield	3.80%
Effective Duration	0.02년
Average Years to Maturity	1.52년
순자산	약 187억 달러
30일 Median Bid/Ask Spread	0.02%

2026년 8월 11일 기준 실제 보유종목도 2027~2028년 만기의 미국 Treasury FRN 네 종목으로 구성되어 있다.
참고로 미국 재무부 FRN 자체는 이자를 분기마다 지급하지만, USFR ETF의 최근 분배 기록을 보면 4월, 5월, 6월, 7월 모두 분배가 이루어져 ETF 투자자는 월 단위 분배 형태를 경험하고 있다.

4. SGOV와 USFR의 핵심 차이

둘을 한 번에 비교하면 훨씬 이해하기 쉽다.

구분	SGOV	USFR
핵심 자산	0~3개월 T-Bill	2년 만기 Treasury FRN
금리 구조	단기 국채를 계속 교체	변동금리
시장금리 반영	만기·재투자 과정에서 반영	매주 리셋
Effective Duration	약 0.10년	약 0.02년
운용보수	0.09%	0.15%
현재 SEC Yield	3.59%	3.71%
내 관점	가장 단순한 달러 파킹	단기금리 추종형 달러 파킹

수익률 숫자만 보면 현재 USFR가 아주 조금 높다.
하지만 이 차이는 시장금리에 따라 계속 바뀐다.
그래서 나는 0.1% 정도의 금리 차이를 맞히려고 SGOV와 USFR를 구분하려는 것은 아니다.
둘의 구조 자체가 다르다는 점이 더 중요하다.

금리가 올라간다면

USFR의 기준금리는 매주 새로운 13주 T-Bill 금리를 반영한다.
따라서 단기금리가 상승할 때는 새로운 금리를 비교적 빠르게 따라갈 수 있다.
반면 SGOV는 이미 가지고 있는 T-Bill이 만기되고 새로운 T-Bill로 교체되면서 금리가 반영된다.

금리가 내려간다면

반대로 USFR는 기준금리가 계속 재설정되기 때문에 떨어진 단기금리도 빠르게 반영된다.
SGOV는 기존에 매입했던 T-Bill이 만기되기 전까지는 해당 국채의 수익 구조가 유지된다.
다만 SGOV 역시 최대 3개월 수준의 초단기 국채이기 때문에 그 차이가 장기간 지속되는 것은 아니다.

결국 둘 다 미국 단기금리를 따라가는 자산이지만,
SGOV는 초단기 T-Bill을 계속 교체하는 방식,
USFR는 금리 자체가 계속 움직이는 FRN을 보유하는 방식
이라는 차이가 있다.

5. 그렇다면 왜 둘 다 보유하려고 할까?

여기서 중요한 점이 있다.
나는 SGOV와 USFR를 동시에 보유한다고 해서 이것을 대단한 자산 분산이라고 생각하지 않는다.

둘 다 결국

미국 정부가 발행한 채권에 투자하고
달러로 거래하며
미국 단기금리의 영향을 크게 받는다.

신용위험이나 환율 측면에서 완전히 다른 자산 두 개를 보유하는 것이 아니다.
내가 두 ETF를 구분하는 가장 큰 이유는 자산의 역할을 분리하기 위해서다.
내 투자에서 앞으로 현금성 자산은 다음 두 가지 역할을 맡는다.

6. A 버킷 = SGOV, 기본적립을 위한 돈

A 기본적립 버킷

SGOV

미래 QLD 매일매수 보장

A 버킷은 내가 시장을 예측하지 않고 계속 투자하기 위한 돈이다.
QLD가 오르든 내리든 정해놓은 기본 매수는 계속할 생각이다.
그런데 아무리 장기 적립식 투자라고 해도 계좌에 현금이 없으면 매수를 지속할 수 없다.
그래서 앞으로의 기본 적립에 사용할 달러를 미리 확보해두고, 아직 사용하지 않는 동안에는 SGOV에 두는 방식이다.

내게 SGOV는 단순히 수익률을 얻기 위한 ETF가 아니라,

앞으로의 매수를 보장하기 위한 준비된 현금

에 더 가깝다.

시장 상황이 어떻든 정해진 매수를 계속할 수 있다는 것이 A 버킷의 목적이다.
SGOV는 이미 실제로 사용해본 경험도 있고, 규모와 거래 유동성이 크며 구조 역시 매우 단순하다.
그래서 앞으로도 기본 적립을 위한 핵심 현금 버킷은 SGOV로 가져가려고 한다.

7. B 버킷 = USFR, 급락을 기다리는 기회 자금

B 기회 버킷

USFR

향후 시장 급락 시 추가매수

B 버킷은 성격이 다르다.
평소에 반드시 사용해야 하는 돈이 아니다.
시장이 정상적으로 움직인다면 계속 USFR에 있을 수도 있다.
대신 시장에 큰 조정이나 급락이 찾아오고 내가 미리 정해둔 조건에 해당한다면 그때 꺼내서 추가 매수에 사용하는 기회 자금이다.

즉,

A는 '계속 사기 위한 돈'
B는 '크게 떨어졌을 때 더 사기 위한 돈'

으로 역할을 나눈 것이다.

그리고 이 B 버킷에 굳이 SGOV가 아니라 USFR를 선택한 이유도 있다.
USFR가 SGOV보다 반드시 더 좋은 ETF라서가 아니다.
SGOV는 이미 꽤 오랫동안 달러 파킹용으로 직접 사용해봤다.

이번에는 미국 변동금리 국채라는 구조도 직접 경험해보고 싶었다.
책이나 글로

“FRN은 13주 T-Bill을 기준으로 금리가 매주 리셋된다.”

라고 공부하는 것과 실제 내 돈을 넣어두고,

가격이 어떻게 움직이는지
분배금은 어떻게 들어오는지
금리 변화가 수익률에 어떻게 반영되는지
SGOV와 실제 체감 차이가 있는지

관찰하는 것은 또 다르다고 생각한다.
나는 투자하면서 이렇게 작은 금액이라도 직접 경험해보는 과정 역시 공부라고 생각한다.

8. 증권앱에서 굳이 두 종목으로 나누는 이유

사실 수학적으로만 생각한다면 모든 대기자금을 SGOV 하나에 넣어놓고 엑셀이나 노션에서

이 중 얼마는 기본매수용
이 중 얼마는 급락매수용

이라고 구분할 수도 있다.

그런데 나는 그렇게 하지 않으려고 한다.
투자는 계산만큼이나 행동 관리가 중요하다고 생각하기 때문이다.

한 종목에 돈이 전부 섞여 있으면 어느 순간부터 경계가 흐려질 수 있다.
“이 정도는 미리 써도 되지 않을까?”
“조금 떨어졌으니까 기회자금도 그냥 써버릴까?”
같은 판단이 들어오기 시작한다.

그래서 아예 증권앱을 열었을 때
SGOV = A
USFR = B
라고 두 눈으로 구분되어 있는 편이 나에게는 더 직관적이다.

SGOV를 보면

“이건 앞으로 계속 투자하기 위한 돈.”

USFR를 보면

“이건 정말 기회가 왔을 때 사용할 돈.”

이라고 바로 인식할 수 있다.

수익률 최적화보다는 돈에 이름표를 붙이는 것에 가깝다.

9. 앞으로의 내 달러 파킹 시스템

결론적으로 앞으로는 이렇게 운영해보려고 한다.

A. 기본적립 버킷 — SGOV

목적 : 미래 QLD 매일매수 보장
시장 방향과 관계없이 지속해야 하는 기본 매수를 위한 자금이다.
평소에는 SGOV에서 단기 미국 국채 수익을 받으면서 대기하고, 실제 적립에 필요한 시점이 되면 순차적으로 사용한다.

B. 기회 버킷 — USFR

목적 : 향후 시장 급락 시 추가매수
평소에는 사용할 필요가 없는 돈이다.
USFR에 두면서 미국 변동금리 국채를 직접 경험하고, 시장이 충분히 크게 하락해 내가 정해놓은 기준을 충족했을 때 추가 매수 재원으로 사용한다.
정확한 금액이나 비율을 공개할 필요는 없다고 생각한다.
더 중요한 것은 각각의 돈이 어떤 역할을 가지고 있느냐다.

내 계좌에서 현금은 이제 단순히 '아직 투자하지 않은 돈'이 아니다.

A는 미래의 기본 매수를 보장하는 돈이고,
B는 미래의 기회를 기다리는 돈이다.

SGOV와 USFR 역시 어느 것이 절대적으로 우월하다고 생각하지 않는다.

둘 다 미국 국채를 활용한 훌륭한 현금성 ETF이고, 구조가 조금 다를 뿐이다.
나
는 이미 SGOV라는 방식을 경험했다.
이번에는 USFR까지 직접 보유해보면서 두 상품이 실제 시장에서 어떻게 움직이는지 기록해볼 생각이다.

결국 이번 변경의 핵심은 ETF 하나를 더 사는 것이 아니다.
현금을 목적에 따라 나누고, 미래의 행동까지 미리 정해놓는 것.
내 투자에서 A와 B라는 두 버킷을 만드는 이유다.

참고 자료

1. SGOV — BlackRock/iShares 공식 페이지
SGOV 공식 상품 페이지
Key Facts, Portfolio Characteristics, Maturity 부분을 캡처하면 SGOV가 실제로 얼마나 짧은 미국 국채를 보유하는지 보여주기 좋다. 2026년 8월 현재 공식 페이지에는 운용보수 0.09%, Effective Duration 0.10년, 월 분배 등의 정보가 공개되어 있다.
2. USFR — WisdomTree 공식 페이지
USFR 공식 상품 페이지
Fund Overview와 Holdings 부분을 캡처하면 좋다. Average Years to Maturity가 1.52년인데 Effective Duration은 0.02년이라는 점을 함께 보여주면 USFR의 변동금리 구조를 설명하기 좋다.
3. 미국 재무부 — Floating Rate Notes 설명
U.S. TreasuryDirect FRN 공식 설명
특히 How we calculate the floating interest rate 부분을 캡처하는 것을 추천한다.

※ 이 글은 특정 ETF의 매수 추천이 아니라 개인적으로 달러 대기자금을 어떻게 관리하고 있는지 기록하기 위해 작성했다. ETF 역시 시장가격 변동이 있으며, 원화 기준 투자자에게는 환율 변동의 영향도 존재한다.

경제금융용어 공부 591 : 텔레뱅킹(폰뱅킹)

MKISOS — Fri, 14 Aug 2026 21:00:06 +0900

텔레뱅킹(폰뱅킹)

텔레뱅킹(폰뱅킹)은 은행 창구를 직접 방문하지 않고 전화만으로 다양한 금융업무를 처리할 수 있는 서비스이다. 인터넷과 스마트폰이 보급되기 전에는 대표적인 비대면 금융서비스였으며, 현재의 인터넷뱅킹과 모바일뱅킹의 기반이 된 금융기술이라고 볼 수 있다.

1. 한 줄 정의

텔레뱅킹은 전화기를 이용해 은행 방문 없이 송금, 조회, 공과금 납부 등의 금융업무를 처리하는 비대면 금융서비스이다.

2. 기본 개념

텔레뱅킹(Tele Banking)은 고객이 전화기를 이용해 은행의 자동응답시스템(ARS)이나 상담원과 연결되어 금융업무를 처리하는 서비스이다.

은행 창구를 직접 방문하지 않아도 계좌조회, 송금, 예·적금 가입 및 해지, 공과금 납부, 분실신고 등의 업무를 처리할 수 있다.

과거에는 집 전화나 유선전화를 이용하는 경우가 많았지만, 이후 휴대전화가 보급되면서 서비스 이용이 더욱 편리해졌다.

현재는 인터넷뱅킹과 모바일뱅킹 이용이 크게 늘면서 사용 비중은 감소했지만, 여전히 일부 고객들은 텔레뱅킹 서비스를 이용하고 있다.

3. 왜 중요한가

텔레뱅킹은 은행을 직접 방문해야 했던 금융거래를 비대면으로 전환한 최초의 금융서비스 중 하나이다.

이를 통해 고객은 시간과 장소의 제약 없이 금융업무를 처리할 수 있게 되었고, 은행은 창구 업무와 인력 운영 비용을 줄일 수 있었다.

또한 텔레뱅킹은 이후 등장한 인터넷뱅킹과 모바일뱅킹으로 이어지는 디지털 금융서비스의 출발점이라는 의미도 가진다.

4. 쉽게 이해하는 예시

실생활 예시

예전에는 부모님이나 조부모님이 은행에 가지 않고 전화로 계좌 잔액을 확인하거나 다른 계좌로 송금하는 경우가 많았다.

은행 대표번호로 전화를 걸어 주민등록번호나 계좌번호, 비밀번호를 입력하면 원하는 업무를 처리할 수 있었다.

직장인 예시

퇴근 시간이 늦어 은행 영업시간에 방문하기 어려운 직장인이 전화로 공과금을 납부하거나 계좌이체를 할 수 있었다.

금융서비스 예시

오늘날 모바일뱅킹으로 몇 번만 터치하면 송금이 가능한 것처럼, 과거에는 같은 업무를 전화와 ARS를 이용해 처리했다고 이해하면 된다.

5. 핵심 특징

5-1. 전화만으로 금융업무를 처리한다

컴퓨터나 스마트폰 없이 전화기만 있으면 다양한 은행 업무를 이용할 수 있다.

5-2. 은행 방문이 필요 없다

창구를 직접 방문하지 않아도 계좌조회, 송금, 예·적금 가입 및 해지 등 다양한 금융서비스를 이용할 수 있다.

5-3. 시간과 장소의 제약이 적다

은행 영업시간 외에도 서비스를 이용할 수 있어 고객의 편의성이 크게 향상되었다.

5-4. 디지털 금융의 출발점이다

텔레뱅킹은 인터넷뱅킹과 모바일뱅킹이 등장하기 전 대표적인 비대면 금융서비스였다.

현재의 디지털 금융환경을 만드는 기반 기술 중 하나로 평가된다.

6. 관련 개념과의 차이

텔레뱅킹 vs 인터넷뱅킹

텔레뱅킹

전화와 ARS를 이용함
음성 안내를 통해 거래를 진행함
컴퓨터가 필요하지 않음

인터넷뱅킹

인터넷과 웹사이트를 이용함
컴퓨터를 통해 금융업무를 처리함
화면을 보며 다양한 서비스를 이용할 수 있음

인터넷뱅킹은 컴퓨터 기반이고, 텔레뱅킹은 전화 기반이라는 차이가 있다.

텔레뱅킹 vs 모바일뱅킹

텔레뱅킹

전화 통화를 이용한 금융서비스
음성 안내 중심

모바일뱅킹

스마트폰 앱을 이용함
송금, 투자, 대출 등 다양한 금융서비스 제공
현재 가장 많이 이용되는 비대면 금융서비스

모바일뱅킹은 텔레뱅킹보다 훨씬 다양한 기능과 편의성을 제공한다.

텔레뱅킹 vs 은행 창구

텔레뱅킹

비대면 서비스
전화로 업무 처리
언제 어디서나 이용 가능

은행 창구

대면 서비스
직원과 직접 상담
복잡한 금융상품 상담에 적합

간단한 업무는 텔레뱅킹이 편리하지만, 복잡한 금융상품 상담은 창구 이용이 더 적합할 수 있다.

7. 경제적 의미

국가경제 관점

텔레뱅킹은 금융서비스의 디지털화를 촉진하며 금융 접근성을 높이는 데 기여했다.

비대면 금융서비스 확산의 시작점으로 평가된다.

기업 관점

은행은 창구 운영 비용과 인력 부담을 줄일 수 있었으며, 더 많은 고객에게 금융서비스를 제공할 수 있게 되었다.

금융시장 관점

텔레뱅킹은 인터넷뱅킹과 모바일뱅킹으로 이어지는 금융 디지털 전환의 중요한 단계였다.

이를 통해 금융기관들은 다양한 비대면 금융서비스를 개발하게 되었다.

투자 관점

현재는 모바일뱅킹이 중심이지만, 텔레뱅킹은 핀테크와 디지털 금융산업이 발전하는 과정에서 중요한 전환점이었다.

투자자는 금융회사의 디지털 서비스 경쟁력이 기업 가치에 큰 영향을 미친다는 점을 이해할 필요가 있다.

8. 정리

텔레뱅킹은 전화기를 이용해 은행 방문 없이 다양한 금융업무를 처리하는 비대면 금융서비스이다. 계좌조회, 송금, 예·적금 가입 및 해지, 공과금 납부 등 다양한 업무를 전화만으로 처리할 수 있어 금융서비스의 편의성을 크게 높였다. 현재는 인터넷뱅킹과 모바일뱅킹이 주류가 되었지만, 텔레뱅킹은 우리나라 디지털 금융의 시작을 이끈 중요한 서비스로 평가된다.

LG Aimers 9기 프로젝트 : EXP-019부터 EXP-021까지, Team EB와 Low-rank 문맥 효과로 1043점을 달성하기까지

MKISOS — Fri, 14 Aug 2026 13:03:56 +0900

지난 글에서는 EXP-013 이후 EXP-018까지의 실험을 정리했다.
EXP-018은 현재 시즌 정보를 행별로 복원하고 residual 모델의 영향력을 제한했다. 여러 시즌 rolling 검증에서는 평균 Skill Score 1140.54를 기록했지만, 실제 Public 점수는 895.8368767677로 EXP-013의 935.8108097065보다 낮았다.

EXP-018의 실패를 통해 다음과 같은 문제를 확인했다.

2022년의 높은 점수가 전체 평균을 끌어올리고 있었다.
최신 시즌인 2023년과 2024년의 최저 성능이 충분히 높지 않았다.
현재 시즌 표본 수가 적은 구간에서 과대 예측이 발생했다.
기존 예측 후보를 단순히 재가중하는 것만으로는 목표 점수에 도달하기 어려울 수 있었다.

이번 글에서는 EXP-018 이후에 진행한 EXP-019, EXP-020, EXP-021을 정리한다.

이번 실험에서는 새로운 모델을 무작정 추가하기보다, 어떤 효과가 여러 시즌에 반복해서 나타나는지 확인하고, 과거 데이터만으로 모델을 선택하는 방법을 고민했다.

최종적으로 두 개의 제출 후보를 만들었다.

strict 후보: 1043.6074197937
aggressive 후보: 1043.1871309639

이 중 과거 OOF 결과만으로 선택한 strict 후보를 최종 모델로 결정했다.

1. EXP-019를 시작한 이유

EXP-018에서는 현재 시즌의 선수 상태와 상황별 효과를 함께 사용했다.
하지만 효과를 추정하는 방식에는 개선할 부분이 있었다.

과거 여러 시즌의 효과를 한 번에 합치면 행 수가 많은 시즌이나 특정 시즌의 선수 구성에 영향을 많이 받을 수 있다.
예를 들어 어떤 시즌에 특정 팀이 강한 투수와 타자를 많이 보유하고 있었다면, 그 시즌에서 추정한 팀 효과가 전체 평균에 지나치게 크게 반영될 수 있다.
또한 팀 ID를 단순한 숫자로 모델에 넣으면 모델이 팀 번호의 크기 자체를 의미 있는 순서로 해석할 가능성도 있다.
그래서 EXP-019에서는 팀 ID를 트리 모델의 일반적인 수치형 피처로 사용하지 않고, 각 시즌의 잔차 효과를 별도로 추정하는 방법을 시도했다.

EXP-019의 가설은 다음과 같았다.

각 source season에서 팀 효과를 독립적으로 추정한 뒤 강하게 축소하고 동일한 비중으로 평균하면, 특정 시즌의 영향이 줄어들고 여러 시즌에 공통으로 나타나는 팀 효과만 남길 수 있을 것이다.

여기서 source season은 검증 대상 시즌보다 과거에 있는 학습 시즌을 의미한다.
예를 들어 2024년을 검증할 때는 2021년, 2022년, 2023년에서 만들어진 OOF 결과만 사용했다.
2024년의 정답이나 현재 검증 데이터의 행 간 집계는 사용하지 않았다.

2. EXP-019의 기본 모델

먼저 EXP-018의 기준 모델 위에서 residual을 예측하는 두 종류의 트리 모델을 만들었다.
사용한 모델은 다음과 같았다.

LightGBM
HistGradientBoosting

두 모델은 서로 다른 방식으로 residual을 예측하도록 구성했다.
LightGBM은 다음 설정을 사용했다.

num_leaves=63
min_child_samples=1000
iterations=300
residual weight 0.75

HistGradientBoosting은 다음 설정을 사용했다.

max_leaf_nodes=15
max_depth=4
min_samples_leaf=3000
max_iter=160
residual weight 1.0

두 branch의 예측을 바로 평균하지 않고, 먼저 각각의 예측 확률을 [0, 1] 범위로 제한했다.
그 다음 두 branch를 50:50으로 결합했다.
계산 순서는 다음과 같다.

LightGBM residual 예측
HistGradientBoosting residual 예측
각 branch를 [0, 1] 범위로 clip
두 예측을 50:50으로 평균
Team EB 효과를 추가
최종 확률을 다시 [0, 1] 범위로 제한

각 branch를 먼저 clip한 뒤 평균하는 이유는, 모델 중 하나가 확률 범위를 벗어난 값을 만들었을 때 다른 모델과 결합하기 전에 안정적으로 제한하기 위해서였다.

3. Team EB란 무엇인가?

EXP-019에서는 투수 팀과 타자 팀의 효과를 잔차 기반으로 추정했다.
먼저 각 source season에서 기본 모델이 예측한 확률과 실제 결과의 차이를 계산했다.
residual = 실제 정답 - 기본 예측 확률
그 다음 투수 팀 또는 타자 팀별로 residual 평균을 계산했다.
하지만 표본이 적은 팀의 평균을 그대로 사용하면 지나치게 큰 효과가 발생할 수 있다.
예를 들어 어떤 팀의 표본이 10개이고 그중 8개가 성공했다면 성공률은 80%가 된다. 하지만 표본이 10개뿐인 결과를 그대로 믿기는 어렵다.
그래서 표본 수가 적을수록 효과를 0에 가깝게 줄이는 smoothing을 적용했다.

이런 방식으로 추정한 팀 효과를 Empirical Bayes, 즉 EB 효과라고 부를 수 있다.
EXP-019에서는 smoothing 기준을 1000으로 설정했다.
그리고 각 source season에서 계산한 팀 효과를 동일한 비중으로 평균했다.
중요한 점은 어떤 source season에 특정 팀이 등장하지 않더라도 그 시즌을 평균에서 제외하지 않았다는 것이다.
등장하지 않은 key의 효과는 0으로 포함했다.
이렇게 하면 과거 여러 시즌 중 일부에만 나타난 팀이나 선수 효과가 자동으로 축소된다.

4. EXP-019 검증 결과

2021년은 warm-up OOF로 사용하고, 2022년·2023년·2024년을 실제 보고 시즌으로 사용했다.
결과는 다음과 같았다.

검증 시즌	고정 50:50 Brier	고정 50:50 Skill	Team EB Brier	Team EB Skill
2022	0.2448901335	1715.13	0.2447175390	1784.40
2023	0.2478534746	858.61	0.2477534710	898.61
2024	0.2477666218	816.75	0.2476825616	850.40

Team EB를 적용하자 세 시즌 모두 점수가 좋아졌다.

2022	+69.27
2023	+40.00
2024	+33.65

Team EB 후보의 평균 Skill Score는 1177.80, 최저 Skill Score는 850.40이었다.
EXP-018과 비교하면 여러 시즌에서 안정성이 좋아졌지만, 최저 Skill Score는 여전히 목표인 1100에 도달하지 못했다.
따라서 EXP-019의 Team EB를 바로 최종 제출 모델로 선택하지 않고, 이후 실험의 기준 모델로 사용하기로 했다.

5. EXP-019에서 배운 점

EXP-019를 통해 팀 정보를 모델에 넣는 방법에 대해 배울 수 있었다.
팀 ID를 단순한 숫자로 입력하는 것과, 팀별 효과를 잔차 기반으로 추정하는 것은 전혀 다른 방식이었다.
단순 숫자형 팀 ID는 모델이 팀 번호의 순서를 학습할 수 있다.
예를 들어 팀 ID가 10인 팀이 팀 ID가 20인 팀보다 어떤 방향으로 더 강하다는 의미는 없다.
하지만 모델은 숫자형 입력을 받으면 그 값의 크기 차이를 패턴으로 사용할 수 있다.

반면 Team EB는 팀의 번호가 아니라 기본 모델이 설명하지 못한 잔차 효과를 계산한다.
또한 source season별로 효과를 분리하면 특정 시즌의 결과가 모든 기간에 과도하게 영향을 미치는 문제를 줄일 수 있다.

EXP-019의 결과는 다음 실험으로 이어졌다.
팀 전체의 평균 효과만 추가하는 것보다, 투수별로 어떤 상황에서 예측이 달라지는지 표현하면 더 좋은 결과를 만들 수 있을 것 같았다.

6. EXP-020 — 투수×상황 문맥 효과를 추가하기

EXP-019의 Team EB는 팀 단위의 효과를 반영했다.
하지만 실제 투구 결과는 팀만으로 결정되지 않는다.
같은 투수라도 다음과 같은 상황에 따라 성공 확률이 달라질 수 있다.

볼과 스트라이크 카운트
타자의 좌우 유형
주자 상황
투수의 현재 상태
타자와의 조합

그래서 EXP-020에서는 투수별로 상황 문맥 효과를 추가했다.

사용한 문맥은 다음과 같다.
count_index × batter_hand
count_index는 볼과 스트라이크 조합을 하나의 값으로 표현한 피처다.

이번 실험에서는 카운트 12개와 타자 손 방향 2개를 조합해 총 24개의 고정 문맥을 만들었다.
따라서 각 투수마다 24개의 상황별 효과를 추정하게 된다.
문제는 문맥을 너무 세분화하면 표본이 부족해질 수 있다는 점이다.
특정 투수가 특정 카운트와 특정 손 방향의 타자를 상대하는 횟수가 많지 않으면, 해당 효과의 평균이 불안정해질 수 있다.
그래서 투수×24개 문맥 효과를 그대로 사용하는 대신, 효과 행렬에 SVD를 적용해 low-rank 구조로 압축했다.

7. Low-rank 문맥 효과란 무엇인가?

투수별 24개 문맥 효과를 하나의 행렬로 생각할 수 있다.

행: 투수
열: 24개 상황 문맥
값: 해당 투수와 상황의 residual 효과

이 행렬의 모든 값을 독립적으로 사용하면 세부적인 패턴을 표현할 수 있다.
하지만 표본이 부족한 조합에서는 노이즈가 커질 수 있다.

SVD를 사용하면 이 행렬을 몇 개의 공통 패턴으로 압축할 수 있다.
예를 들어 rank가 2라면 투수별 효과를 두 개의 큰 패턴으로 설명한다.
rank가 6이면 여섯 개의 공통 패턴을 사용한다.
rank가 너무 낮으면 필요한 세부 차이를 놓칠 수 있다.
반대로 rank가 너무 높으면 원래 행렬의 노이즈까지 다시 복원할 수 있다.
그래서 다음 rank 후보를 비교했다.

rank 2
rank 4
rank 6
rank 8
rank 12

효과의 표본 부족을 줄이기 위해 smoothing도 적용했다.

smoothing 300
smoothing 600

8. Rank를 현재 검증 점수로 선택하지 않기

low-rank 모델에서 가장 중요한 부분은 rank 선택 방법이었다.
2024년 검증 점수가 가장 높은 rank를 선택하면 2024년 정답에 맞춘 선택이 된다.
이렇게 선택한 rank가 2025년에도 좋다는 보장은 없다.
그래서 각 검증 시즌의 rank는 해당 시즌보다 과거의 OOF 결과만 사용해 선택했다.

예를 들어 2024년 검증에서는 2021년·2022년·2023년의 OOF 결과를 이용해 rank를 선택했다.
2024년 정답은 rank 선택에 사용하지 않았다.
선택 기준은 다음 순서로 적용했다.

과거 OOF의 최저 Skill Score
과거 OOF의 평균 Skill Score
더 낮은 rank

최저 성능을 먼저 보는 이유는 2022년처럼 특정 시즌의 높은 점수가 평균을 끌어올리는 것을 막기 위해서였다.
이 방식으로 선택한 strict 경로의 rank는 다음과 같았다.

검증 시즌	선택 rank	Brier Score	Skill Score
2022	2	0.2446920965	1794.61
2023	4	0.2477327378	906.90
2024	6	0.2476338034	869.92

과거 OOF만으로 2025년 후보를 선택한 결과는 다음과 같았다.

smoothing: 300
rank: 6

고정 rank-6 후보의 결과는 다음과 같았다.

검증 시즌	Brier Score	Skill Score
2022	0.2447045840	1789.60
2023	0.2477311441	907.54
2024	0.2476338034	869.92

평균 Skill Score는 1189.02, 최저 Skill Score는 869.92였다.
Team EB 기준과 비교하면 세 시즌 모두 개선됐다.

검증 시즌	Team EB 대비 Skill 변화
2022	+5.20
2023	+8.93
2024	+19.52

특히 최신 2024년에서 +19.52점 개선이 발생했다.
하지만 최저 Skill Score는 여전히 1100에 미치지 못했다.

9. 기존 후보를 섞으면 목표 점수에 도달할 수 있을까?

EXP-020에서는 새로운 모델을 만드는 것뿐만 아니라, 지금까지 만든 후보들을 섞는 것만으로 목표 점수에 도달할 수 있는지도 확인했다.
그동안 여러 모델과 효과를 만들었기 때문에, 후보들을 적절한 비율로 섞으면 부족한 부분을 보완할 수 있을 것이라고 생각할 수 있다.
하지만 기존 후보의 convex oracle 상한을 계산한 결과는 다음과 같았다.

검증 시즌	Oracle Brier	Oracle Skill	Skill 1100에 필요한 Brier
2023	0.2476591856	936.33	0.2472499982
2024	0.2476071572	880.59	0.2470590506

이 convex oracle은 실제 제출 모델이 아니다.
같은 검증 fold의 정답까지 허용해 후보 가중치를 찾는 낙관적인 상한 계산이다.
그런데 이렇게 유리한 조건에서도 2023년 Skill Score는 936.33, 2024년은 880.59에 그쳤다.
목표 Skill Score 1100을 달성하려면 더 낮은 Brier Score가 필요했다.
따라서 다음과 같은 결론을 내렸다.

지금까지 만든 후보들의 단순 재가중이나 평균만으로는 목표 점수에 도달할 수 없다.

이후에는 기존 모델의 보정값을 조금 바꾸는 것보다, 여러 시즌에 반복해서 전이되는 새로운 행별 정보를 찾아야 했다.

10. EXP-021 — 최종 제출 후보 만들기

EXP-021의 목적은 EXP-020에서 선택한 모델을 실제 제출 환경에서 실행 가능한 형태로 만드는 것이었다.
로컬에서 모델을 학습하는 것과 평가 서버에서 추론하는 것은 다르다.
최종 제출 ZIP에는 다음 요소가 필요하다.

제출용 script.py
모델 파일
피처 스키마
과거 효과 상태
requirements.txt
평가 서버에서 실행 가능한 추론 코드

EXP-021에서는 평가 서버에서 다시 학습하지 않고, 로컬에서 전체 2019~2024년 데이터를 이용해 학습한 모델과 효과를 파일로 저장했다.
평가 서버에서는 저장된 파일을 읽고 비공개 테스트 데이터에 대해 추론만 수행하도록 구성했다.

11. HistGradientBoosting 모델을 JSON으로 저장하기

LightGBM은 native text 형식으로 모델을 저장할 수 있었다.
하지만 HistGradientBoosting은 LightGBM처럼 바로 사용할 수 있는 제출용 text 모델 형식이 없었다.
그래서 HistGradientBoosting의 트리 구조를 JSON으로 내보내고, NumPy 기반으로 추론하는 코드를 별도로 구현했다.
각 트리에는 다음과 같은 정보가 필요했다.

어떤 피처를 사용하는지
분기 기준값
왼쪽 자식 노드
오른쪽 자식 노드
leaf 값
노드의 구조

JSON으로 저장한 모델이 원본 모델과 같은 예측을 만드는지 확인하기 위해 4,096개 행에서 비교했다.
결과는 다음과 같았다.

비교 행 수: 4096
최대 절대 오차: 0.0
허용 오차: 1e-12
parity 검증: 통과

즉 원본 HistGradientBoosting 모델과 JSON으로 변환한 NumPy 추론 결과가 동일했다.

12. Strict 후보와 Aggressive 후보

EXP-021에서는 두 개의 제출 후보를 만들었다.

Strict 후보

strict 후보의 이름은 다음과 같다.
strict_lowrank_s300_r6
구성은 다음과 같다.

LightGBM residual branch
HistGradientBoosting residual branch
두 branch를 clip 후 50:50 결합
Team EB
투수×24개 문맥 low-rank 효과
smoothing 300
rank 6

strict 후보는 rank 선택에 과거 OOF 결과만 사용했다.
또한 여러 시즌의 평균보다 최저 성능과 선택 과정의 시간적 독립성을 중요하게 봤다.
그래서 EXP-021의 1순위 후보로 지정했다.

Aggressive 후보

aggressive 후보의 이름은 다음과 같다.
r_gated_team_pc_all
구성은 조금 더 공격적이었다.

game_type=R이면 Team EB backbone 사용
game_type=F이면 고정 backbone 사용
투수×count×타자 손 EB 효과 적용
두 regime에 smoothing 600 적용

Aggressive 후보는 최신 2023년과 2024년 로컬 점수가 strict보다 조금 높았다.
하지만 후보를 정의하는 과정이 strict보다 사후적이었다.
또한 2022년 성능이 크게 낮아졌기 때문에, 최종 선택 모델보다는 비교용 진단 후보로 취급했다.
두 후보의 로컬 결과는 다음과 같았다.

후보	2022 Skill	2023 Skill	2024 Skill	평균 Skill	최저 Skill
strict rank-6	1789.60	907.54	869.92	1189.02	869.92
aggressive R/F gate	1658.83	936.33	874.29	1156.48	874.29

Aggressive는 2023년과 2024년에서 strict보다 각각 28.79, 4.36점 높았다.
하지만 2022년에는 strict보다 130.77점 낮았다.
전체 평균 역시 strict가 더 높았다.
무엇보다 strict는 과거 OOF만으로 모델 선택 절차를 설명할 수 있었다.
따라서 strict를 최종 후보로 결정하고, aggressive는 함께 제출해 실제 Public 결과를 비교해보기로 했다.

13. 제출 ZIP 검증

최종 제출 전에 모델 점수뿐만 아니라 ZIP 구조와 추론 결과도 확인했다.
두 ZIP 모두 다음 구조를 가지고 있었다.

script.py
requirements.txt
model/
모델 및 상태 파일 10개

검증한 항목은 다음과 같다.

ZIP CRC 검사
ZIP 최상위 구조 검사
script.py 존재 여부
requirements.txt 존재 여부
모델 파일 누락 여부
5행 smoke 추론
row_id 순서 보존
row_id 중복 여부
결측값 여부
확률 범위 [0, 1]
batch 추론과 singleton 추론 결과 비교
행 순서를 바꿨을 때 row_id 기준 결과 비교
테스트 데이터의 다른 행을 집계하는 코드 존재 여부

Smoke 추론 결과는 다음과 같았다.

strict	약 1.39초
aggressive	약 1.23초

두 후보 모두 추론 속도와 출력 구조 검증을 통과했다.
제출 파일 크기는 다음과 같았다.

submit_exp021_strict.zip	1,942,657 bytes
submit_exp021_aggr.zip	1,942,498 bytes

모델을 저장하고 추론하는 과정에서 원본 모델과 제출용 모델의 결과가 달라지면 안 되기 때문에, 변환된 모델과 원본 모델의 parity를 확인하는 과정이 중요했다.

14. EXP-021 실제 Public 결과

두 후보를 실제로 제출한 결과는 다음과 같았다.

submit_exp021_strict.zip	2026-08-11 08:58:48	1043.6074197937	최종 선택
submit_exp021_aggr.zip	2026-08-11 09:03:41	1043.1871309639	비채택

strict 후보는 이전 최고 점수였던 EXP-013의 935.8108097065보다 107.7966100872점 높았다.
aggressive 후보도 EXP-013보다 107.3763212574점 높았다.
두 후보 모두 EXP-013보다 좋아졌지만, strict 후보가 aggressive보다 0.4202888298점 높았다.

15. 로컬 결과와 Public 결과의 순서가 달랐다

이번 결과에서 흥미로운 점은 로컬 최신 시즌 결과와 실제 Public 결과의 순서가 달랐다는 것이다.
로컬 2023년과 2024년에서는 aggressive 후보가 strict보다 조금 높았다.
하지만 실제 2025년 Public에서는 strict 후보가 더 높은 점수를 기록했다.

후보	로컬 2023	로컬 2024	Public
strict	907.54	869.92	1043.6074
aggressive	936.33	874.29	1043.1871

차이는 매우 작았다.
하지만 strict를 선택한 근거는 실제 Public 결과에서도 의미가 있었다.
aggressive는 최신 시즌 점수만 보면 좋아 보였지만, 2022년 성능이 크게 낮았고 후보를 정의하는 과정도 사후적인 부분이 있었다.
반면 strict는 과거 OOF만으로 rank를 선택했고, 여러 시즌의 하방을 함께 고려했다.
결과적으로 최신 fold의 작은 우위보다 시간적으로 독립적인 모델 선택 절차가 실제 다음 시즌에서도 더 안전하게 작동했다.

16. EXP-019부터 EXP-021까지 배운 점

이번 실험을 통해 몇 가지 중요한 내용을 배웠다.

첫 번째로, 팀 정보를 사용할 때는 단순한 팀 ID보다 residual 기반 효과가 더 자연스러울 수 있다는 점이다.
팀 ID를 숫자로 넣는 것이 아니라, 기본 모델이 설명하지 못한 팀별 잔차를 계산하고 smoothing하면 팀 효과를 더 안정적으로 표현할 수 있었다.

두 번째로, 세부 문맥 효과는 low-rank 구조로 줄이는 것이 도움이 될 수 있다는 점이다.
투수×24개 문맥을 모두 독립적으로 사용하면 표본 부족 문제가 생길 수 있다.
SVD로 공통 패턴을 추출하면 세부 효과를 어느 정도 표현하면서도 노이즈를 줄일 수 있다.

세 번째로, 모델 복잡도는 현재 검증 시즌의 정답으로 선택하면 안 된다는 점이다.
rank 6이 2024년에서 좋아 보인다는 이유만으로 선택한 것이 아니라, 2025년 선택 과정에서는 과거 OOF 결과만 이용했다.

네 번째로, 기존 후보를 섞는 것만으로는 한계가 있다는 점이다.
convex oracle 상한을 계산한 결과, 기존 후보들을 아무리 유리하게 조합해도 2023년과 2024년에서 Skill Score 1100을 달성할 수 없었다.
이 결과를 통해 다음 개선에는 기존 예측을 다시 섞는 것보다 새로운 행별 신호가 필요하다는 것을 확인했다.

다섯 번째로, 제출 코드는 모델과 별도로 검증해야 한다는 점이다.
모델이 로컬에서 좋은 점수를 내더라도, 제출 ZIP 안에서 모델이 제대로 로드되지 않거나 확률 계산 순서가 달라지면 실제 평가 결과가 달라질 수 있다.
그래서 다음 항목을 별도로 확인해야 했다.

모델 저장과 로드 결과
원본 모델과 제출용 모델의 parity
row_id 순서
결측값
확률 범위
batch와 singleton 결과
추론 시간
ZIP 구조

마무리

EXP-018 이후에는 기존 모델의 보정값을 계속 바꾸는 대신, 예측에 사용되는 효과를 더 구조적으로 분리했다.
EXP-019에서는 source season별 Team EB를 사용해 팀 효과를 안정화했다.
EXP-020에서는 투수×상황 문맥 효과를 low-rank로 압축했고, 기존 후보를 섞는 것만으로 목표 점수에 도달할 수 있는지 convex oracle로 확인했다.
EXP-021에서는 strict와 aggressive 두 가지 제출 후보를 만들고, 모델 파일과 ZIP 구조, 추론 결과까지 검증했다.

최종 Public 결과는 다음과 같았다.

strict: 1043.6074197937
aggressive: 1043.1871309639

최종 선택은 strict 후보로 결정했다.
EXP-013의 935.8108097065점과 비교하면 107.7966100872점 개선된 결과였다.

이번 실험에서 가장 크게 배운 점은 단순히 로컬 점수가 높은 모델을 선택하는 것이 아니라, 모델을 선택하는 과정 자체가 시간적으로 독립적이어야 한다는 것이다.
최신 시즌에서 조금 더 높은 후보가 있더라도, 그 후보가 과거 여러 시즌에서 안정적이었는지와 선택 기준이 정직했는지를 함께 확인해야 한다.
결국 이번 프로젝트에서는 가장 복잡한 모델이 최종 선택된 것이 아니었다.
과거 데이터만으로 선택할 수 있고, 여러 시즌에서 성능 하락을 비교적 안정적으로 제한하며, 평가 서버에서 재현 가능한 구조를 가진 strict 후보가 최종 모델이 되었다.

경제금융용어 공부 590 : 테일러 준칙(Taylor's Rule)

MKISOS — Thu, 13 Aug 2026 21:00:45 +0900

테일러 준칙(Taylor's Rule)

중앙은행은 기준금리를 올릴지 내릴지를 어떻게 결정할까? 단순히 물가만 보고 결정하는 것이 아니라 물가와 경기 상황을 함께 고려한다. 이를 하나의 공식으로 정리한 것이 바로 테일러 준칙(Taylor's Rule)이다. 실제 정책을 자동으로 결정하는 공식은 아니지만, 중앙은행이 적정 기준금리를 판단할 때 참고하는 대표적인 경제모형이다.

1. 한 줄 정의

테일러 준칙은 물가상승률과 경기 상황을 함께 고려해 적정 기준금리를 계산하는 경제학 이론이다.

2. 기본 개념

테일러 준칙은 미국 경제학자 존 테일러(John Taylor)가 1993년에 제안한 금리 결정 원칙이다.

중앙은행은 경제가 과열되거나 침체될 때 기준금리를 조정하는데, 테일러 준칙은 이러한 기준금리의 적정 수준을 계산하는 하나의 기준을 제시한다.

테일러 준칙은 크게 세 가지 요소를 고려한다.

중립금리
물가상승률(인플레이션)
경기 상황(생산갭)

즉, 물가가 목표보다 높거나 경기가 과열되면 금리를 올리고, 물가가 낮거나 경기가 침체되면 금리를 내리는 것이 기본 원리이다.

3. 왜 중요한가

기준금리는 경제 전체에 매우 큰 영향을 미친다.

금리가 너무 낮으면 물가가 급등하거나 자산가격 거품이 발생할 수 있고, 반대로 너무 높으면 소비와 투자가 위축되어 경기침체가 심해질 수 있다.

테일러 준칙은 이러한 문제를 줄이기 위해 경제 상황에 맞는 적정 금리 수준을 제시하는 역할을 한다.

비록 실제 중앙은행이 공식대로만 금리를 결정하지는 않지만, 시장에서는 현재 기준금리가 적절한지 평가할 때 자주 활용된다.

4. 쉽게 이해하는 예시

실생활 예시

자동차를 운전할 때 오르막길에서는 속도를 조금 높이고 내리막길에서는 브레이크를 밟는다.

경제도 마찬가지이다.

경기가 너무 뜨거우면 금리를 올려 속도를 줄이고, 경기가 너무 침체되면 금리를 내려 경제활동을 촉진한다.

경제 예시

현재 물가상승률이 5%인데 중앙은행의 목표는 2%라고 가정해보자.

또한 경제성장률도 잠재성장률보다 높아 경제가 과열되고 있다.

이 경우 테일러 준칙은 기준금리를 인상하는 방향을 제시한다.

반대로 물가가 낮고 경기가 침체되어 있다면 기준금리를 인하하는 것이 적절하다고 판단한다.

투자 예시

투자자들은 현재 기준금리가 테일러 준칙이 제시하는 적정 금리보다 낮다면 앞으로 금리 인상 가능성이 있다고 예상할 수 있다.

반대로 적정 금리보다 높다면 금리 인하 가능성을 예상하기도 한다.

5. 핵심 특징

5-1. 물가와 경기를 함께 고려한다

테일러 준칙은 물가만 보는 것이 아니라 경제성장과 경기 상황도 함께 반영한다.

따라서 균형 있는 통화정책을 제시하려는 것이 목적이다.

5-2. 적정 기준금리를 계산하는 기준이다

현재 경제 상황에서 어느 정도의 기준금리가 적절한지 판단하는 참고 기준을 제공한다.

5-3. 중앙은행의 정책을 예측하는 데 활용된다

시장에서는 현재 기준금리가 테일러 준칙과 얼마나 차이가 나는지를 분석하여 향후 통화정책 방향을 예측하기도 한다.

5-4. 실제 정책을 그대로 결정하지는 않는다

현실 경제는 매우 복잡하기 때문에 중앙은행은 금융시장 상황, 환율, 금융안정, 국제경제 등 다양한 요소를 함께 고려한다.

따라서 테일러 준칙은 참고자료일 뿐 절대적인 기준은 아니다.

6. 관련 개념과의 차이

테일러 준칙 vs 기준금리

테일러 준칙

적정 기준금리를 계산하는 이론
경제학적 참고 기준
중앙은행이 반드시 따를 의무는 없음

기준금리

중앙은행이 실제 결정하는 정책금리
금융시장과 경제에 직접 영향을 줌

즉, 테일러 준칙은 기준금리를 계산하는 참고 모델이고, 기준금리는 실제 정책 결정 결과이다.

테일러 준칙 vs 물가목표제

테일러 준칙

물가와 경기 모두 고려
적정 금리를 계산하는 규칙

물가목표제

물가안정을 가장 중요한 목표로 설정
일정 수준의 물가상승률을 유지하는 것이 목적

물가목표제는 정책 목표이고, 테일러 준칙은 금리를 결정하는 방법론에 가깝다.

테일러 준칙 vs 양적완화

테일러 준칙

기준금리를 어떻게 조정할지 판단하는 기준

양적완화(QE)

기준금리가 거의 0%까지 내려간 이후에도 경기부양을 위해 국채 등을 매입하는 정책

즉, 테일러 준칙은 금리정책이고, 양적완화는 금리정책만으로 부족할 때 사용하는 비전통적 통화정책이다.

7. 경제적 의미

국가경제 관점

테일러 준칙은 물가안정과 경제성장을 동시에 고려하는 통화정책의 기준을 제시한다.

경제가 과열되거나 침체되는 상황에서 정책 방향을 판단하는 중요한 참고자료가 된다.

기업 관점

기준금리 변화는 기업의 대출금리와 투자비용에 직접 영향을 준다.

기업들은 중앙은행의 정책 방향을 예측하기 위해 테일러 준칙을 참고하기도 한다.

금융시장 관점

채권시장과 외환시장, 주식시장에서는 테일러 준칙이 제시하는 적정 금리와 실제 기준금리를 비교하여 향후 통화정책을 전망한다.

투자 관점

투자자는 물가상승률과 경제성장률을 함께 살펴보면 향후 금리 방향을 예측하는 데 도움이 된다.

다만 실제 중앙은행은 금융안정, 환율, 국제경제 상황 등 다양한 요소를 함께 고려하기 때문에 테일러 준칙만으로 정책을 단정해서는 안 된다.

8. 정리

테일러 준칙은 물가상승률과 경기 상황을 함께 고려하여 적정 기준금리를 계산하는 경제학 이론이다. 경제가 과열되면 금리를 올리고, 침체되면 금리를 내리는 원칙을 수식으로 정리한 것이 핵심이다. 현재도 세계 여러 중앙은행과 금융시장에서는 통화정책을 분석하는 중요한 참고지표로 활용되고 있다. 다만 현실 경제는 매우 복잡하기 때문에 중앙은행은 테일러 준칙뿐 아니라 금융안정, 환율, 국제경제 등 다양한 요소를 함께 고려하여 기준금리를 결정한다.

경제금융용어 공부 589 : 테이퍼링(Tapering)

MKISOS — Wed, 12 Aug 2026 21:00:46 +0900

테이퍼링(Tapering)

테이퍼링은 중앙은행이 경기 부양을 위해 시행했던 양적완화 정책의 규모를 점진적으로 줄여나가는 것을 의미한다. 쉽게 말해 시중에 풀던 돈의 양을 갑자기 끊는 것이 아니라 조금씩 줄이는 과정이다. 미국 연준(Fed)의 테이퍼링은 전 세계 금융시장에 큰 영향을 미치기 때문에 투자자라면 반드시 알아야 하는 경제 용어 중 하나이다.

1. 한 줄 정의

테이퍼링은 중앙은행이 양적완화 정책에서 자산 매입 규모를 점진적으로 축소하는 통화정책이다.

2. 기본 개념

2008년 글로벌 금융위기 이후 미국 경제는 심각한 침체를 겪었다.

미국 연방준비제도(Fed)는 기준금리를 거의 0% 수준까지 낮췄지만 경기 회복이 충분하지 않았다.

이에 연준은 국채와 주택저당증권(MBS)을 대규모로 매입하여 시중에 돈을 공급하는 양적완화(QE, Quantitative Easing) 정책을 시행했다.

하지만 경제가 점차 회복되면서 무한정 돈을 공급할 수는 없었다.

그래서 연준은 자산을 계속 사들이되 그 규모를 조금씩 줄이기 시작했는데, 이를 테이퍼링(Tapering)이라고 한다.

즉, 테이퍼링은 돈을 풀던 속도를 줄이는 것이지, 당장 시중의 돈을 회수하는 정책은 아니다.

3. 왜 중요한가

테이퍼링은 미국의 통화정책이 완화 국면에서 정상화 국면으로 전환된다는 신호로 받아들여진다.

시중에 공급되는 유동성이 줄어들면 시장금리가 상승할 가능성이 높아지고, 주식이나 부동산처럼 풍부한 유동성의 영향을 받던 자산시장도 영향을 받을 수 있다.

특히 미국의 정책 변화는 달러 가치와 글로벌 자금 이동에 영향을 주기 때문에 신흥국 금융시장까지 큰 영향을 미친다.

4. 쉽게 이해하는 예시

실생활 예시

환자에게 링거를 맞추고 있다고 생각해보자.

환자가 회복되기 시작하면 링거를 갑자기 빼는 것이 아니라 조금씩 투여량을 줄인다.

테이퍼링도 경기 회복에 따라 시중에 공급하던 돈의 양을 서서히 줄여가는 과정과 비슷하다.

투자 예시

연준이 매달 1,000억 달러 규모의 국채를 매입하고 있었다고 가정해보자.

테이퍼링을 시작하면 다음 달에는 900억 달러, 이후에는 800억 달러처럼 매입 규모를 단계적으로 줄인다.

여전히 돈은 공급하지만 이전보다 공급 속도가 느려지는 것이다.

경제 예시

미국이 테이퍼링을 발표하면 미국 국채금리가 상승하는 경우가 많다.

그러면 글로벌 투자자들이 미국으로 자금을 이동시키면서 신흥국에서는 외국인 자금이 빠져나가고 환율과 금융시장이 흔들릴 수 있다.

5. 핵심 특징

5-1. 양적완화를 중단하는 첫 단계이다

테이퍼링은 양적완화를 갑자기 종료하는 것이 아니라 자산 매입 규모를 점진적으로 줄이는 정책이다.

시장 충격을 최소화하기 위해 단계적으로 시행된다.

5-2. 돈은 계속 공급된다

테이퍼링 기간에도 중앙은행은 국채 등을 계속 매입한다.

다만 이전보다 적은 규모로 매입하기 때문에 유동성 증가 속도가 둔화된다.

5-3. 금리와 금융시장에 큰 영향을 준다

테이퍼링이 시작되면 시장은 향후 기준금리 인상 가능성을 예상하기 시작한다.

이 때문에 채권금리, 주가, 환율 등이 함께 움직이는 경우가 많다.

5-4. 글로벌 금융시장에도 영향을 미친다

미국 연준의 테이퍼링은 달러 가치와 국제 자금 흐름을 변화시킨다.

특히 외국인 자금 의존도가 높은 신흥국은 영향을 크게 받을 수 있다.

6. 관련 개념과의 차이

테이퍼링 vs 양적완화(QE)

테이퍼링

자산 매입 규모를 점진적으로 줄임
유동성 공급 속도가 감소함
통화정책 정상화의 시작 단계

양적완화(QE)

국채와 MBS 등을 적극적으로 매입함
시중에 대규모 유동성을 공급함
경기 부양이 목적임

테이퍼링은 양적완화를 되돌리는 첫 단계라고 이해하면 쉽다.

테이퍼링 vs 기준금리 인상

테이퍼링

자산 매입 규모를 줄이는 정책
기준금리는 그대로 유지될 수 있음

기준금리 인상

중앙은행의 정책금리를 직접 올림
대출금리와 예금금리에 직접적인 영향을 줌

일반적으로 테이퍼링이 먼저 시행되고 이후 기준금리 인상이 이어지는 경우가 많다.

테이퍼링 vs 양적긴축(QT)

테이퍼링

자산을 계속 매입하지만 규모만 줄임
중앙은행의 자산은 계속 증가할 수 있음

양적긴축(QT)

보유한 채권을 매각하거나 만기 도래 시 재투자하지 않음
중앙은행의 자산 규모 자체가 감소함

즉, 테이퍼링은 자산 증가 속도를 늦추는 것이고, 양적긴축은 자산 규모 자체를 줄이는 정책이다.

7. 경제적 의미

국가경제 관점

테이퍼링은 경기 회복에 맞춰 통화정책을 정상화하는 과정이다.

과도한 유동성으로 인한 물가 상승과 자산가격 버블을 완화하는 데 도움이 될 수 있다.

기업 관점

시장금리가 상승하면 기업의 자금조달 비용이 증가할 가능성이 있다.

특히 부채가 많은 기업은 이자 부담이 커질 수 있다.

금융시장 관점

테이퍼링 발표는 채권금리 상승, 주식시장 변동성 확대, 달러 강세 등의 변화를 가져오는 경우가 많다.

2013년에는 연준의 테이퍼링 가능성 언급만으로도 금융시장이 크게 흔들렸는데, 이를 테이퍼 텐트럼(Taper Tantrum)이라고 부른다.

투자 관점

투자자는 테이퍼링이 시작되면 금리 민감주, 성장주, 채권시장, 환율 변화를 함께 살펴야 한다.

또한 신흥국 투자 비중이 높은 경우에는 외국인 자금 유출 가능성도 고려할 필요가 있다.

8. 정리

테이퍼링은 중앙은행이 양적완화 정책에서 자산 매입 규모를 점진적으로 줄여나가는 통화정책이다. 이는 시중의 돈을 즉시 회수하는 것이 아니라 유동성 공급 속도를 늦추는 과정이며, 일반적으로 기준금리 인상 이전에 시행된다. 미국 연준의 테이퍼링은 글로벌 자금 흐름과 금리, 주식시장, 환율에 큰 영향을 미치기 때문에 세계 금융시장에서 매우 중요한 정책으로 평가된다.

[UNIKER] AI 서비스는 배포가 끝이 아니었다 | 운영·검증·Physical AI 커리어까지 배운 마지막 라이브 강의 | 경험한 뒤 더 나은 선택을 하자.

MKISOS — Wed, 12 Aug 2026 13:38:45 +0900

커널아카데미 대학생 AI 크루 UNIKER 1기 활동도 어느덧 마지막을 향해 가고 있다.
8월 11일에는 한서우 강사님과 함께하는 마지막 라이브 강의가 진행됐다. 이번 강의의 주제는 「AI 서비스 운영 가이드」였다. 앞선 회차에서 문제를 정의하고, 화면을 만들고, Codex와 API를 활용해 실제 기능을 연결했다면 이번에는 그다음 단계인 “만든 AI 서비스를 실제 사용자에게 보여주려면 무엇을 준비해야 하는가?”를 다뤘다.

우리 팀 ‘핏줄’도 현재 대학생의 경험을 기록하고 필요할 때 다시 활용할 수 있도록 돕는 AI 경험 관리 서비스 CampusLog를 개발하고 있다. 경험 CRUD부터 AI 경험 분석, 경험 추천, 자기소개서·면접·JD 분석 기능까지 구현하고 Vercel을 통해 공개한 상태다.
그래서 이번 강의는 단순히 새로운 기술을 배우는 시간이라기보다, 지금까지 우리가 만든 CampusLog를 ‘작동하는 프로토타입’에서 ‘실제 사람이 사용하는 서비스’로 바라보게 만든 시간이었다.

로컬에서 한 번 성공하는 것과 공개 서비스는 전혀 달랐다

이번 강의에서 가장 먼저 와닿았던 내용은 로컬 프로토타입과 공개 서비스의 차이였다.
혼자 개발할 때는 입력값도 알고 있고, 문제가 발생하면 바로 콘솔을 확인하거나 다시 실행하면 된다. 하지만 여러 사용자가 이용하는 공개 서비스에서는 예상하지 못한 입력이 동시에 들어오고, 문제가 발생했을 때 운영자가 나중에 원인을 찾아야 한다.

강의 자료에서도 이를 명확하게 구분했다.
Codex exec는 로컬 파일을 읽고 코드나 문서를 생성하며 개발·자동화 작업을 수행하는 데 적합하고, 실제 웹이나 모바일 서비스에서는 백엔드에서 인증·검증·요청 제한 등을 거친 뒤 Responses API를 서비스 런타임으로 활용하는 구조가 필요하다.
이 부분을 듣고 CampusLog 역시 단순히 “OpenAI API를 사용했다”에서 끝나는 것이 아니라,
사용자 입력 → 백엔드 검증 → AI 호출 → 구조화된 결과 → 화면 출력
이라는 전체 데이터 흐름을 팀이 정확히 이해해야 한다는 생각이 들었다.

최종 발표에서도 “어떤 API를 썼나요?”라는 질문보다 “왜 이 API와 모델을 선택했고, 데이터가 어떤 흐름으로 처리되나요?”라는 질문에 답할 수 있어야 한다.

“응답을 기다리는 동안도 서비스입니다”

CampusLog를 개발하면서 실제로 고민했던 부분 중 하나가 AI 응답 시간이었다.
경험을 분석하거나 추천을 요청하면 결과가 나오기까지 시간이 걸리는데, 그동안 사용자가 아무것도 하지 못하고 기다리는 경험이 생각보다 길게 느껴졌다.

이번 강의에서는 이를 Streaming과 Background라는 두 방식으로 설명했다.
짧은 생성 작업은 Streaming을 통해 결과가 만들어지는 과정을 조금씩 보여줄 수 있고, 오래 걸리는 작업은 Background로 넘겨 완료된 결과를 나중에 확인하게 만들 수 있다.

하지만 기술적인 방법보다 더 기억에 남은 문장은 따로 있었다.
“응답을 기다리는 동안도 서비스입니다.”
AI 응답 시간이 존재한다면 그 시간을 없애는 것만 고민할 것이 아니라, empty → loading → error → success 상태를 하나의 사용자 경험으로 설계해야 한다는 것이다.
우리 팀도 중간 피드백 이후 AI가 작업 중인 화면은 유지하면서 사용자가 다른 기록이나 활동을 확인할 수 있도록 UX를 개선하고 있었기 때문에 지금 진행하고 있는 고민과 정확하게 맞닿아 있었다.

여러 사람이 동시에 AI 추천을 누르면 어떻게 될까?

강의를 듣다가 CampusLog에서 아직 제대로 확인하지 않았던 문제가 하나 떠올랐다.
현재 사용자 한 명이 경험 분석이나 추천 기능을 사용하는 것은 정상적으로 동작한다. 그런데 유저테스트를 진행하면서 여러 사람이 동시에 AI 추천 버튼을 누르면 어떻게 될까?
지금의 서버와 API 구조가 그 요청을 모두 감당할 수 있을까?

강의에서는 이러한 상황을 위해 Concurrency, Queue, Timeout, Cancel을 다뤘다.
사용자별 호출 횟수와 중복 클릭을 제한하고, 동시에 처리할 수 있는 요청 수만 실행하고, 나머지는 대기열로 보내는 방식이다.
너무 오래 걸리는 요청은 계속 기다리게 할지, 취소할지, 완료되면 나중에 보여줄지도 결정해야 한다.
CampusLog도 앞으로 단순히 “기능이 된다”를 확인하는 테스트에서 한 단계 더 나아가,
1명 → 5명 → 10명 → 여러 명이 동시에 AI 요청 처럼 실제 사용 상황을 가정한 테스트를 해보고 싶다.
그 과정에서 평균 응답 시간, 실패율, 중복 요청, API 비용 등을 함께 기록하면 서비스 운영 측면에서도 의미 있는 데이터가 될 것 같다.

“별로예요”라는 피드백을 받았을 때 원인을 찾을 수 있는가

AI 서비스에서는 결과의 품질 문제도 발생한다.
사용자가 “추천 결과가 별로예요”라고 했다고 가정했을 때, 어떤 요청에서 어떤 모델과 프롬프트를 사용했고 얼마나 오래 걸렸는지 알 수 없다면 원인을 찾기가 어렵다.
그래서 로그에는 request_id, 모델, 프롬프트 버전, latency, 오류, feedback과 같은 정보를 남기는 것이 중요하다.
대신 무엇이든 저장하는 것도 정답은 아니다.
특히 CampusLog는 프로젝트와 대외활동, 지원 경험 등 사용자의 개인적인 정보를 저장하기 때문에 개인정보와 로그의 경계도 신경 써야 한다.
어떤 데이터를 저장하고, 언제 삭제하며, 사용자가 자신의 데이터를 지우면 어디까지 삭제되는지까지 생각해야 비로소 실제 서비스에 가까워진다.

여기에 비용까지 연결된다.
강의 자료의 “한 번의 무료 체험도 운영비입니다”라는 문장이 이 부분을 정확하게 설명했다.
사용자에게 무료로 제공하더라도 서비스 운영자에게는 API 비용이 발생한다. 그래서 일일 사용 횟수, 최대 출력 길이, timeout, API 호출 수, 프로젝트 spend limit 등을 설정하고 반복 클릭이나 동일 요청 폭주 같은 남용도 감지해야 한다.
우리 역시 어떤 AI 모델을 사용할지 결정할 때 단순히 가장 성능이 좋은 모델을 선택할 것이 아니라 CampusLog에서 필요한 품질과 실제 비용을 함께 비교해 선택해야 한다.

그리고 최종 발표에서 “왜 이 모델을 사용했나요?”라는 질문이 나왔을 때도 가격이 싸다거나 유명한 모델이라는 답이 아니라 우리 서비스의 입력 크기, 출력 형태, 추천 품질과 비용을 고려한 선택이었다고 설명할 수 있어야 한다.

Local 성공 후 Preview와 실제 서비스에서 다시 확인하기

이번 강의에서는 Local 성공 후 반드시 공개 환경에서 다시 확인해야 한다고 강조했다.
Vercel을 예로 들면 Local → Preview → Production 환경이 분리돼 있고 환경변수나 API Key도 각각 다르게 설정될 수 있다. 로컬에서는 정상인데 Production에 환경변수가 빠져 기능이 동작하지 않는 문제도 충분히 발생할 수 있다.
따라서 로그인·로그아웃, AI 요청·로딩·오류, 저장·새로고침·복원 등을 Preview와 실제 Domain, 다른 기기에서 반복해서 확인해야 한다.

여기서 한 가지 더 적용해보고 싶은 것이 생겼다.
기능 명세와 테스트 시나리오를 문서로 작성하고 Codex에게 반복적인 테스트를 맡기는 것이다.
단순히 “전체 테스트해줘”가 아니라,
기능 명세 → 정상 케이스 → 오류 케이스 → 경계 조건 → 완료 기준을 먼저 문서화한 뒤 Codex가 테스트 코드를 작성하고 실행하게 한다. 실패한 테스트가 있다면 코드를 수정하고 같은 조건에서 다시 검증한다.

지금까지 Codex를 주로 구현 속도를 높이는 도구로 사용했다면, 남은 기간에는 구현한 기능을 검증하는 도구로도 적극적으로 활용해보고 싶다.

최종 발표에서는 “얼마나 만들었는가”보다 “얼마나 이해했는가”

이번 강의를 통해 최종 데모데이 준비 방향도 훨씬 명확해졌다. 최종 발표에서는 크게 문제, 제품, 검증, 설명을 본다고 했다.
누구의 어떤 문제를 해결하는지 실제로 확인했는가. 핵심 사용자 흐름이 처음부터 끝까지 동작하는가. 실사용자의 피드백이 있었고 그것을 통해 실제로 무엇을 수정했는가. 마지막으로 왜 이 구조와 규칙, 모델을 선택했는지 설명할 수 있는가.
특히 CampusLog는 AI 추천이 핵심 기능 중 하나이기 때문에 마지막 항목이 중요하다.
“AI가 알아서 좋은 경험을 추천합니다.” 라고 말하는 것으로는 부족하다.
왜 경험 세 가지를 추천하는지, 각 경험을 추천한 근거는 무엇인지, 사용자의 어떤 데이터가 입력되는지, 경험 요약은 어떤 방식으로 생성되는지, 자소서와 JD 분석 시 어떤 기준으로 경험을 비교하는지 등을 설명할 수 있어야 한다.
별도의 학습된 추천 모델을 사용한 것이 아니라 LLM과 프롬프트 기반 추천이라면 그것 역시 정확하게 설명해야 한다.

AI가 만든 코드를 많이 보유하는 것과 우리가 그 코드를 이해하고 있는 것은 다른 문제다.
최종 발표 전에는 CampusLog의 코드, 프롬프트, 데이터 흐름, 모델 선택 근거를 다시 확인하면서 팀원 모두가 자신이 만든 기능을 직접 설명할 수 있도록 준비하려고 한다.

강의에서 발표 자료에 넣어야 할 증거로 제시한 것도 인상적이었다.
한 사용자 → 실제 피드백 → 개선 전후 → 백업
새로운 기능 하나를 더 넣는 것보다 실제 사용자가 어디에서 막혔고, 그 문제를 어떻게 개선했는지 보여주는 것이 더 강한 증거가 될 수 있다.

마지막 Q&A, 내가 가장 궁금했던 Physical AI 이야기를 물었다

마지막 30분은 사전 질문과 현장 질문을 중심으로 Q&A가 진행됐다.
나는 곧 컴퓨터비전 분야에서 학부연구생 활동을 시작할 예정이고, 최근 Physical AI와 VLM·VLA, Embodied AI에 관심이 생기면서 어떤 방식으로 공부해야 할지 고민하고 있었다.
아직 논문을 체계적으로 읽은 경험도 많지 않았기 때문에 컴퓨터비전 기초 → VLM → Embodied/Physical AI 로 공부하려면 어떤 순서로 접근해야 하는지, 논문은 어떻게 공부해야 하는지 질문했다.
여기에 개발자·AI 엔지니어 취업, 그리고 장기적으로 창업까지 생각하는 대학생이라면 3학년 시점에서 무엇에 집중할지도 함께 질문했다.

강사님의 첫 번째 조언은 내가 예상했던 논문 리스트가 아니었다.
“논문보다 먼저, 움직여 보기.”
Physical AI에 관심이 있다면 우선 관련 회사의 채용공고를 많이 살펴보라고 하셨다.
여러 회사의 직무 요구사항과 우대사항을 모아보면 반복해서 등장하는 역량이 보인다. 그 교집합을 찾고, 이후 각각의 회사가 실제로 무엇을 만들고 어떤 문제를 해결하는지도 공부해보는 것이다.
그리고 우대사항은 말 그대로 ‘우대’이기 때문에 모든 조건을 만족할 때까지 기다릴 필요도 없다.
“아직 부족하니까 공부를 조금 더 하고…” 를 반복하기보다 인턴이나 실제 조직에 들어가 실무 경험을 해보는 것도 중요하다는 이야기가 기억에 남았다.
Physical AI라면 논문을 읽는 것도 중요하지만 실제 로봇을 다뤄보고, 작은 로봇이라도 직접 움직이고 데이터를 다뤄보는 경험이 훨씬 많은 것을 알려줄 수 있다.

논문 여러 편을 요약하기보다 한 편을 직접 재현해보기

논문 공부에 대한 답변도 내 생각을 많이 바꿨다.
AI를 이용해 논문을 빠르게 요약하고 여러 편을 블로그나 GitHub에 정리하는 것보다, 논문 한 편을 선택해서 실제로 재현해보는 것이 훨씬 가치 있는 경험이 될 수 있다는 이야기였다.

논문을 하나 선택한다.
코드와 데이터가 존재하는지 확인한다.
논문의 수치와 결과를 직접 재현한다.
그다음 데이터, 조명, 모델 등 조건 하나를 변경한다.
그리고 마지막에 “왜 결과가 달라졌지?” 라는 새로운 질문을 만들어본다.

논문을 읽는 사람이 아니라 연구를 조금씩 시작하는 사람의 방식에 더 가까운 접근이라고 느꼈다.
앞으로 학부연구생 활동을 시작하면 처음부터 많은 논문을 읽어야 한다는 압박을 가지기보다, 하나의 논문을 제대로 이해하고 직접 실행해보는 것부터 시작해보고 싶다.

이것저것 해보며 ‘내 감각’을 기르라는 답변

마지막으로 “대학교 3학년 2학기로 다시 돌아간다면 무엇을 하시겠냐”는 질문에 대한 답변도 기억에 많이 남았다.
정답은 하나의 분야에 모든 시간을 투자하는 것이 아니었다.
인턴, 연구, 행사, 프로젝트 등 다양한 경험을 해보고 학교 밖의 다양한 사람을 만나보라는 것이었다.
그리고 경험을 할 때마다 결과만 기록하는 것이 아니라,
나는 이 경험이 좋았는가.
싫었다면 무엇이 싫었는가.
어떤 일을 할 때 시간이 빠르게 지나갔는가.
를 스스로 확인하는 것이다.

결국 여러 경험을 거쳐야 자신의 감각이 생기고 그다음에야 무엇을 선택하고 무엇을 버릴지 결정할 수 있다는 이야기였다.
요즘은 AI를 통해 과제를 빠르게 끝내고 새로운 기술을 계속 따라갈 수 있다. 하지만 그럴수록 AI에게 생각까지 맡기지 않고 자신의 생각을 직접 해보는 것이 중요하다는 조언도 해주셨다.

이 부분이 특히 마음에 들었다.
내가 평소 중요하게 생각하는 가치 중 하나가 Fail Fast이기 때문이다.
처음부터 완벽한 선택을 하려고 오래 고민하기보다 직접 경험해보고, 실패하면 거기에서 배운 뒤 다음 선택을 더 잘하는 방식.
이번 답변을 들으면서 서비스 개발뿐 아니라 연구와 커리어에서도 결국 같은 태도가 필요하다는 생각이 들었다.

마지막 강의를 듣고, CampusLog의 목표도 조금 달라졌다

이번 UNIKER 마지막 라이브 강의 전까지 가장 큰 목표는 최종 데모데이에서 CampusLog를 잘 보여주는 것이었다.
물론 지금도 당장의 목표는 최종 발표다.
하지만 이번 강의를 들으며 이 프로젝트를 UNIKER의 10주짜리 결과물로 끝내고 싶지 않다는 생각이 더 강해졌다.

올해 안에 부족한 구조를 정리하고 CampusLog를 실제 앱으로 발전시켜보는 것이 다음 목표다.
그리고 이후에는 학교라는 실제 사용자 환경에서 직접 서비스를 배포해보고 싶다.
사람들이 실제로 사용하기 시작하면 지금까지 경험하지 못했던 문제가 생길 것이다.
동시에 AI 요청이 들어올 수도 있고, 예상하지 못한 오류가 발생할 수도 있다. 사용자 문의가 들어오고, API와 서버 비용을 직접 확인해야 하며, 장애가 발생하면 원인을 찾아 다시 배포해야 한다.
그 과정까지 직접 경험해보고 싶다.

최종적으로는 Google Play와 App Store에 CampusLog라는 이름을 실제로 올려보는 것이 하나의 목표가 됐다.
그렇게 된다면 CampusLog는 단순히 포트폴리오에 적는 “AI 프로젝트를 개발했다.” 라는 한 줄을 넘어,
문제 발견 → 기획 → 구현 → AI 연결 → 배포 → 사용자 테스트 → 피드백 → 운영 → 비용 관리 → 장애 대응 → 개선
까지 직접 경험한 하나의 제품이 될 수 있을 것 같다.

마지막 강의를 마치며

UNIKER 활동을 처음 시작했을 때는 AI 서비스를 만드는 과정에서 “무엇을 구현할 것인가?”가 가장 큰 고민이었다.
하지만 실제로 CampusLog를 만들고 배포하고 사용자에게 보여주기 시작하면서 질문이 바뀌었다.
“사람들이 실제로 사용할 수 있게 하려면 무엇이 더 필요한가?”

이번 강의 자료의 전체 흐름도 결국 이 질문에 답하고 있었다. 프로토타입에서 공개 서비스로 넘어가는 순간 인증, 입력 검증, 동시 요청, Queue, 오류 처리, 로그, 개인정보, 비용, QA, 운영 책임이라는 새로운 문제가 등장한다.
그리고 마지막 Q&A를 통해 기술이나 커리어에서도 비슷한 결론을 얻었다.

모든 것을 완벽하게 준비한 뒤 시작하려고 하지 말 것.
논문만 읽지 말고 직접 코드를 돌려볼 것.
채용공고만 고민하지 말고 실제 회사와 프로젝트를 경험해볼 것.
여러 경험 속에서 내가 좋아하는 것과 싫어하는 것을 확인하고, 그 뒤에 선택과 집중을 할 것.

이번 마지막 강의에서 가져가는 가장 큰 문장은 두 가지다.
만든 것을 직접 설명할 수 있을 만큼 이해하자.
그리고, 일단 움직이고, 경험한 뒤 더 나은 선택을 하자.

남은 UNIKER 기간에는 새로운 기능의 개수보다 CampusLog의 핵심 흐름을 더 안정적으로 만들고, 실제 사용자 피드백을 반영하며, 우리가 선택한 AI 추천 구조와 모델을 스스로 설명할 수 있을 정도로 프로젝트를 다시 들여다볼 예정이다.

처음에는 하나의 아이디어였던 CampusLog가 어느새 실제 사용자가 접속할 수 있는 서비스가 됐다.
이제 마지막 데모데이에서는 ‘무엇을 만들었는가’뿐 아니라 ‘왜 이렇게 만들었고, 실제 사용자를 통해 무엇을 배웠는가’까지 보여주고 싶다.

라이브강의

[UNIKER] 지인 테스트를 시작하고, CampusLog의 ‘개발 이후 운영’을 고민하다

MKISOS — Wed, 12 Aug 2026 09:16:38 +0900

커널아카데미 대학생 AI 크루 UNIKER 1기 활동도 어느덧 후반부로 들어가고 있다.

지난 8월 2일 중간 데모데이에서는 팀 핏줄의 AI 경험 관리 서비스 CampusLog를 실제 크루들과 멘토님들 앞에서 시연했다. 경험 기록부터 AI 분석, 부족 정보 보완, 자기소개서·면접·JD 기반 경험 추천까지 지금까지 구현한 전체 흐름을 직접 보여드릴 수 있었다.

중간 발표를 마친 뒤에는 멘토님께 받은 피드백을 반영하고 실제 사용자 테스트를 빠르게 진행하려고 했다.

하지만 이번 주에는 팀원들의 개인 일정과 다른 대회 일정이 겹치면서 큰 기능 개발을 진행하지는 못했다.

대신 지금까지 팀 내부에서만 반복하던 테스트를 벗어나, 실제 대학생 지인을 대상으로 CampusLog 사용자 테스트를 시작했다.

이번 주는 새로운 기능을 많이 추가한 주라기보다, 지금까지 만든 서비스를 실제 사람이 사용했을 때 어떤 문제가 생기는지 확인하고, 앞으로 CampusLog를 단순한 프로젝트가 아니라 실제 운영 가능한 서비스로 발전시키기 위해 무엇을 준비해야 하는지 고민한 한 주였다.

STEP 1. 이번 주 목표 — 개발보다 실제 사용자를 만나보기

중간 데모데이 이전까지는 서비스의 핵심 흐름을 만드는 것이 가장 중요했다.

기록하고, 분석하고, 추천받는 전체 과정이 실제로 연결되어야 했기 때문에 개발팀 내부에서 더미 데이터를 넣고 기능을 반복해서 실행하는 방식으로 테스트했다.

하지만 중간 발표 이후에는 상황이 달라졌다.

팀원들에게는 이미 익숙한 서비스이기 때문에 버튼의 위치나 용어가 조금 이상해도 자연스럽게 다음 화면으로 넘어갈 수 있다.

반대로 처음 CampusLog를 접한 사람은

어디에서 경험을 추가해야 하는지
‘오늘의 기록’과 ‘나의 활동’의 차이가 무엇인지
AI 분석을 왜 해야 하는지
부족 정보에는 무엇을 입력해야 하는지
AI 추천 기능에서 어떤 질문을 입력해야 하는지

자체를 이해하지 못할 수 있다.

그래서 이번 주에는 가까운 지인 중 몇 명을 먼저 선정해 작은 규모로 테스트를 진행하기로 했다.

불특정 다수에게 바로 공개하는 대신, 피드백을 편하게 받을 수 있는 사람들을 대상으로 오픈채팅방을 만들고 테스트 링크를 전달했다.

[CampusLog 사용자 테스트 오픈채팅방 화면]

테스트를 시작한 지 오래되지 않았지만 벌써 팀 내부에서는 발견하지 못했던 여러 오류와 사용성 문제가 나오고 있다.

이 부분들은 단순히 버그 목록으로 끝내지 않고, 이번 주부터 우선순위를 정해 하나씩 수정할 예정이다.

STEP 2. 지인 테스트를 통해 발견하기 시작한 실제 문제

이번 테스트의 가장 큰 목적은 “서비스가 실행되는가?”를 확인하는 것이 아니다.

이미 개발팀 환경에서는 로그인, 경험 기록, AI 분석, 경험 추천 등의 주요 흐름이 작동하는 것을 반복해서 확인했다.

이제 확인해야 하는 것은

처음 사용하는 대학생도 설명 없이 CampusLog의 가치를 이해하고 사용할 수 있는가?

이다.

그래서 지인들에게 단순히 링크만 전달하고 끝내기보다 실제 서비스를 사용해보면서 불편했던 부분, 이해하기 어려웠던 기능, 오류가 발생한 상황을 자유롭게 전달해달라고 요청하고 있다.

현재 테스트를 통해 발견된 문제들은 이번 주부터 팀 회의를 통해 정리할 예정이다.

특히 지난 중간 데모데이에서 받은 피드백 중 아직 반영하지 못한 부분도 남아 있어,

사용자 테스트 피드백 + 중간 데모 멘토 피드백 + 기존 QA 이슈

를 하나의 개선 목록으로 합쳐 우선순위를 다시 정하려고 한다.

이번 과정에서 느낀 것은 개발자가 직접 테스트하는 것과 실제 사용자가 테스트하는 것은 정말 다르다는 점이다.

개발자는 기능이 어떻게 만들어졌는지 알고 있기 때문에 자연스럽게 서비스가 의도한 흐름을 따라간다.

하지만 사용자는 개발자의 의도를 알 필요가 없다.

화면만 보고 다음 행동을 이해할 수 있어야 한다.

결국 사용자 테스트는 단순히 버그를 잡기 위한 과정이 아니라 우리가 만든 사용자 흐름 자체가 실제로 통하는지 검증하는 과정이라는 생각이 들었다.

8월 9일 멘토링 — “이제 실제 서비스로 공개하면 무엇을 준비해야 할까?”

8월 9일 UNIKER 멘토링에서는 중간 데모 이후의 진행 상황을 공유했다.

이번 주에는 일정 문제로 큰 개발은 진행하지 못했고, 중간 데모에서 발생했던 오류를 우선 수정한 뒤 지인 테스트를 시작했다고 말씀드렸다.

그리고 이번에는 기능 구현 자체보다 조금 더 먼 질문을 드렸다.

“지인 테스트 인원이 많아지고, 나중에는 학교 학생들에게까지 서비스를 공개하고 싶다면 OpenAI API 비용이나 서버 비용은 어떻게 예상해야 할까요?”

현재 CampusLog는 AI 분석과 추천 과정에서 LLM API를 호출한다.

소수의 팀원과 지인이 사용하는 단계에서는 비용이 크지 않지만, 사용자가 늘어났을 때 한 명이 평균적으로 얼마나 많은 토큰을 사용하는지, 동시에 많은 요청이 들어오면 어느 정도까지 감당할 수 있는지에 대한 기준은 아직 없었다.

멘토님께서는 먼저 대표적인 사용자 흐름을 하나 정하고 실제로 한 명이 해당 흐름을 끝까지 사용했을 때 소비되는 토큰과 요청 횟수를 측정해보는 것이 좋다고 조언해주셨다.

예를 들어 CampusLog 사용자가 다음 행동을 한다고 가정할 수 있다.

경험 3개 등록
→ 경험별 AI 분석
→ 부족 정보 보완
→ 자기소개서 문항 입력
→ 경험 추천
→ 답변 초안 생성

이 한 사이클에서 사용하는 입력·출력 토큰과 API 호출 횟수를 측정하면,

사용자 10명, 100명, 1,000명으로 확대했을 때 대략 어느 정도의 비용이 발생할지 추정할 수 있다는 것이다.

LLM 서비스도 결국 ‘모니터링’이 필요하다

멘토링에서는 자연스럽게 LLMOps와 서비스 모니터링에 대한 이야기로 이어졌다.

단순히 OpenAI API를 호출하고 결과를 화면에 보여주는 것을 넘어,

요청마다 얼마나 많은 토큰을 사용하는지
AI 응답까지 얼마나 걸리는지
첫 응답이 나오기까지 시간이 얼마나 걸리는지
어느 API에서 오류가 많이 발생하는지
특정 사용자가 비정상적으로 많은 요청을 보내지는 않는지

등을 확인할 수 있어야 실제 서비스를 운영할 수 있다는 이야기였다.

멘토님께서는 LLM 호출 흐름을 관리하고 관찰하는 도구들과 함께, 웹 서비스 운영에서 사용되는 여러 모니터링 도구를 소개해주셨다.

특히 기억에 남았던 것은 다음과 같다.

Sentry

웹 애플리케이션 내부의 오류와 성능 문제를 추적할 수 있는 APM(Application Performance Monitoring) 도구로 소개해주셨다.

사용자가 어떤 흐름에서 오류를 만났는지, 특정 API 요청에서 어떤 문제가 발생했는지를 개발자가 추적하는 데 활용할 수 있다.

Prometheus + Grafana

CPU, 메모리, 네트워크, 서버 상태와 같은 시스템 지표를 수집하고 이를 Grafana 대시보드로 시각화할 수 있다고 설명해주셨다.

Grafana에는 이미 다른 사람들이 만든 다양한 대시보드 템플릿도 존재하기 때문에 필요한 환경에 맞게 가져와 수정해 사용할 수도 있다고 했다.

nGrinder

모니터링과는 조금 다른 영역으로, 많은 사용자가 동시에 서비스에 접속하는 상황을 가정한 부하 테스트에 활용할 수 있다고 설명해주셨다.

예를 들어 동시에 수백~수천 개의 요청을 발생시키고,

로그인 → 메뉴 이동 → 특정 API 호출

같은 실제 행동 흐름을 반복하게 만들어 어느 정도의 트래픽까지 서비스가 버틸 수 있는지 확인할 수 있다.

지금 당장 CampusLog에 이 모든 운영 시스템을 붙여야 하는 것은 아니다.

하지만 지금까지는

“기능이 잘 동작하는가?”

만 생각했다면,

이번 멘토링을 통해 처음으로

“실제 사용자가 늘어나도 안전하고 안정적으로 동작하는가?”

라는 다음 단계의 질문을 생각하게 되었다.

불특정 다수에게 공개하는 순간 생기는 새로운 문제

특히 멘토님께서는 소수 지인을 대상으로 테스트하는 것과 서비스를 불특정 다수에게 공개하는 것은 전혀 다른 문제라고 강조하셨다.

현재처럼 지인을 한 명씩 선정해서 테스트한다면 어느 정도 사용량을 통제할 수 있다.

하지만 학교 커뮤니티나 학과 단체방 등에 링크를 공개한다면 서비스는 외부 공격과 비정상적인 사용에도 노출된다.

예를 들어 누군가 AI API를 반복해서 호출한다면 짧은 시간 안에 API 비용이 급격하게 증가할 수 있다.

따라서 실제 공개 서비스에서는

사용자별 호출 제한
API 요청 횟수 제한
입력 길이 제한
지나치게 큰 출력 요청 제한
인증된 사용자만 AI 기능 사용
비정상적인 반복 요청 탐지
Prompt Injection 대응
예상 비용 초과 시 차단 또는 알림

등도 함께 고민해야 한다.

CampusLog를 만들면서 이미 로그인과 사용자별 DB, 기본적인 AI API 요청 제한을 구현했지만, 실제 운영 관점에서는 더 많은 검증이 필요하다.

이야기를 들으며 프로토타입을 개발하는 것과 서비스를 운영하는 것은 완전히 다른 단계라는 것을 다시 느꼈다.

서비스 개발과 운영은 다르다

멘토님께서는 인프라나 DevOps, MLOps, LLMOps 분야를 진로로 생각한다면 모니터링은 기본적인 역량 중 하나라고 설명해주셨다.

개발자에게도 APM이나 로그 분석 능력은 도움이 되지만, 운영 분야에서는

서버
네트워크
OS
가상화
VM과 Container
Docker
Kubernetes
모니터링
Alert
장애 대응

같은 기반 지식이 더욱 중요하다고 했다.

CampusLog는 현재 Vercel과 Supabase 같은 관리형 서비스를 활용하고 있어 직접 서버를 운영하는 부분은 많지 않다.

하지만 사용자가 늘어나는 상황을 고민하다 보니 자연스럽게 백엔드 개발을 넘어 서비스 운영, 트래픽, 비용, 보안까지 관심 범위가 넓어지고 있다.

UNIKER 프로젝트 하나를 진행하면서 프론트엔드와 AI API뿐 아니라 인증, DB, 운영과 모니터링까지 연결해서 생각해볼 수 있다는 점도 이번 프로젝트의 재미있는 부분이다.

엔지니어도 결국 많은 사람과 협업한다

멘토링 후반에는 멘토님의 실제 업무에 대해서도 질문했다.

현재는 금융권에서 AI 관련 업무를 하고 계시지만, 단순히 모델이나 시스템을 개발하는 일만 하는 것은 아니라고 했다.

특히 금융권에서는 서비스를 하나 도입하기 위해서도 보안, 준법, 컴플라이언스, 클라우드 사용 정책 등 여러 조건을 확인해야 한다.

그래서 실제 업무에서는 개발만큼이나 다른 부서와 회의하고, 요구사항을 정리하고, 문서를 작성하고, 내부 심사를 준비하는 일이 많다고 했다.

기술적으로 좋은 서비스를 만드는 것만으로 실제 서비스가 바로 운영되는 것은 아니다.

회사 규모가 커질수록 보안과 정책, 규정, 조직 간 협업까지 함께 고려해야 한다.

CampusLog에서도 이미 팀원 사이의 문서화와 GitHub 협업이 중요했는데, 실제 회사에서는 이런 협업 능력이 훨씬 더 중요해질 수 있다는 것을 느꼈다.

회의 많이 했는데 사진이 없네...

STEP 3. 이번 주 Key Takeaways

이번 주에는 새로운 기능을 많이 만들지는 못했다.

하지만 프로젝트 단계가 바뀌고 있다는 것은 느낄 수 있었다.

초반에는

“CampusLog를 실제로 만들 수 있을까?”

가 가장 큰 고민이었다.

중간에는

“AI 분석과 경험 추천이 제대로 작동할까?”

를 고민했다.

그리고 이제는

“실제 사람들이 이 서비스를 사용할 수 있을까?”

를 고민하고 있다.

이번 주 가장 크게 배운 점은 세 가지다.

1. 팀 내부 테스트만으로는 사용성을 검증하기 어렵다

개발자는 이미 서비스 구조를 알고 있기 때문에 사용자가 느끼는 진입 장벽을 발견하기 어렵다.

실제 사용자를 최대한 빨리 만나야 한다.

2. AI 서비스의 비용은 감이 아니라 측정해야 한다

대표 사용자 흐름을 정의하고 한 명이 사용하는 토큰과 호출 횟수를 실제로 측정한 뒤 규모에 따라 비용을 예측해야 한다.

3. 개발 완료와 서비스 운영 가능은 다르다

사용자가 증가하면 보안, API 제한, 장애 추적, 모니터링, 부하 테스트와 비용 관리까지 새로운 문제가 발생한다.

이번 멘토링을 통해 CampusLog를 단순한 UNIKER 프로젝트가 아니라 작은 서비스라는 관점에서 한 번 더 바라보게 되었다.

Next Step — 이번 주부터 다시 개발 집중

이번 주부터는 지인 테스트에서 들어오는 피드백을 본격적으로 개발에 반영할 예정이다.

우선순위는 다음과 같다.

1. 지인 테스트 오류 수정

오픈채팅방에서 전달받은 오류를 하나씩 재현하고, 사용자 흐름을 막는 문제부터 수정한다.

2. 중간 데모 피드백 반영

중간 발표 이후 아직 반영하지 못한 항목들을 다시 정리한다.

특히

AI 응답 대기 경험 개선
백그라운드 처리와 진행 상태
완료 알림
경험 입력 부담 감소
멀티모달 경험 입력
면접 단계까지의 활용

을 다시 검토할 예정이다.

3. 사용자 테스트 체계화

단순히 “써보고 알려주세요”에서 끝내지 않고 주요 사용 과업을 정리해볼 계획이다.

예를 들어

로그인 → 경험 등록 → AI 분석 → 부족 정보 답변 → 자기소개서 문항 입력 → 경험 추천

의 흐름을 실제 사용자가 끝까지 수행할 수 있는지 확인한다.

4. API 사용량과 오류 모니터링

현재 사용자 한 명이 대표 흐름을 수행했을 때 몇 번의 AI 요청을 하고 얼마나 많은 토큰을 사용하는지 측정해볼 예정이다.

Sentry를 비롯해 이번 멘토링에서 알게 된 모니터링 도구들도 CampusLog 규모에서 어떤 방식으로 적용할 수 있을지 공부해보려고 한다.

5. 최종 데모를 위한 서비스 안정화

이제 새로운 기능의 개수를 늘리는 것보다 실제 사용자가 안정적으로 서비스를 이용할 수 있도록 만드는 것이 더 중요하다.

최종 발표 전에는 사용자 테스트와 반복적인 시연 리허설을 통해 이전 중간 데모에서 발생했던 것과 같은 돌발 오류를 최대한 줄일 계획이다.

마무리

이번 주는 개발량만 보면 지난주보다 조용한 한 주였다.

팀원들의 일정이 겹치면서 계획했던 기능을 모두 진행하지는 못했다.

하지만 가까운 지인들에게 CampusLog를 처음 공개하고, 개발팀 밖에서 서비스를 바라보기 시작했다는 점에서는 중요한 전환점이었다.

실제로 사용해보는 사람이 생기자 지금까지 발견하지 못했던 오류가 나오기 시작했고, 사용자가 서비스를 이해하는 방식 역시 우리가 생각했던 것과 다를 수 있다는 것을 확인하고 있다.

8월 9일 멘토링에서는 그보다 더 먼 단계인 서비스 운영에 대해서도 생각해볼 수 있었다.

사용자가 몇 명까지 늘어날 수 있는지, AI API 비용은 어떻게 계산할지, 오류는 어떻게 추적할지, 악의적인 요청을 어떻게 막을지.

아이디어를 구현하는 것에서 출발했던 CampusLog가 이제는 이런 질문까지 고민하게 되었다.

남은 UNIKER 기간에는 새로운 기능을 계속 추가하기보다,

실제 대학생이 CampusLog를 편하게 사용할 수 있는가

를 검증하는 데 집중하려고 한다.

지인 테스트에서 발견한 문제와 지난 중간 데모 피드백을 하나씩 정리하면서, 최종 데모에서는 지금보다 훨씬 안정적이고 자연스러운 CampusLog를 보여줄 수 있도록 준비해보겠다.

경제금융용어 공부 588 : 탄소배출권

MKISOS — Tue, 11 Aug 2026 21:00:57 +0900

탄소배출권

기업이나 국가는 경제활동 과정에서 이산화탄소를 비롯한 온실가스를 배출한다. 탄소배출권은 이러한 온실가스를 일정한 범위 안에서 배출할 수 있도록 부여된 권리이다. 배출량을 줄여 배출권이 남은 기업은 이를 판매할 수 있고, 감축 목표를 달성하지 못한 기업은 배출권을 구매해야 한다. 환경문제 해결에 시장의 가격과 거래 원리를 활용한 제도라고 할 수 있다.

1. 한 줄 정의

탄소배출권은 기업이나 국가가 정해진 기간 동안 일정량의 온실가스를 배출할 수 있도록 인정받은 권리이다.

2. 기본 개념

탄소배출권은 정부나 국제기구가 기업 또는 국가에 허용한 온실가스 배출 한도를 권리의 형태로 만든 것이다.

일반적으로 탄소배출권 1단위는 이산화탄소 1톤 또는 이와 같은 온실효과를 일으키는 다른 온실가스의 양을 배출할 수 있는 권리를 의미한다.

정부는 온실가스 감축 목표에 따라 기업별 배출 허용량을 정한다.

기업이 할당량보다 적게 배출하면 남은 배출권을 다른 기업에 판매할 수 있다. 반대로 허용량을 초과해 온실가스를 배출한 기업은 부족한 배출권을 시장에서 구매해야 한다.

이처럼 배출권에 가격을 부여하고 거래할 수 있게 만든 제도를 배출권거래제라고 한다.

3. 왜 중요한가

온실가스는 배출 과정에서 기업이 직접 비용을 부담하지 않더라도 기후변화와 환경오염이라는 사회적 비용을 발생시킨다.

기업이 이러한 비용을 고려하지 않으면 온실가스를 지나치게 많이 배출할 가능성이 있다.

탄소배출권 제도는 온실가스 배출에 경제적 비용을 부과한다. 배출량이 많을수록 더 많은 배출권을 구매해야 하므로 기업은 자연스럽게 에너지 효율을 높이고 배출량을 줄이려 한다.

반대로 온실가스를 적게 배출한 기업은 남은 배출권을 판매해 추가 수익을 얻을 수 있다.

따라서 탄소배출권은 규제와 시장원리를 결합해 온실가스 감축을 유도하는 제도이다.

4. 쉽게 이해하는 예시

실생활 예시

학교가 동아리별로 한 달 동안 사용할 수 있는 전력량을 정했다고 가정해보자.

A동아리는 허용량보다 전기를 적게 사용해 사용권이 남았다. 반면 B동아리는 행사를 많이 열어 전력 사용량이 허용량을 초과했다.

A동아리가 남은 전력 사용권을 B동아리에 판매할 수 있도록 한 구조가 탄소배출권 거래와 비슷하다.

기업 예시

정부가 A철강회사에 연간 100만 톤의 탄소배출권을 할당했다고 가정해보자.

A회사가 친환경 설비를 도입해 실제로 90만 톤만 배출했다면 10만 톤에 해당하는 배출권이 남는다.

이 배출권을 감축 목표를 달성하지 못한 다른 기업에 판매해 수익을 얻을 수 있다.

투자 예시

탄소배출권 가격이 상승하면 온실가스를 많이 배출하는 기업의 비용 부담이 커질 수 있다.

반대로 신재생에너지, 전기차, 에너지효율 기술을 보유한 기업은 탄소 감축 수요가 늘면서 새로운 사업 기회를 얻을 수 있다.

경제 예시

온실가스 감축비용이 낮은 기업은 적극적으로 배출량을 줄인 뒤 남은 배출권을 판매한다.

감축비용이 매우 높은 기업은 당장 설비를 모두 교체하기보다 배출권을 구매해 규제를 충족할 수 있다.

그 결과 경제 전체에서는 상대적으로 적은 비용으로 온실가스를 줄일 수 있다.

5. 핵심 특징

5-1. 온실가스 배출에 가격을 부여한다

탄소배출권 제도에서는 온실가스를 배출하는 행위가 기업의 비용으로 연결된다.

탄소배출권 가격이 높아질수록 기업이 온실가스를 줄일 경제적 유인도 커진다.

5-2. 배출권을 사고팔 수 있다

배출량을 많이 줄인 기업은 남은 배출권을 판매할 수 있다.

배출 허용량을 초과한 기업은 부족한 배출권을 시장에서 구매해야 한다.

5-3. 기업마다 다른 감축비용을 활용한다

모든 기업이 같은 비용으로 온실가스를 줄일 수 있는 것은 아니다.

감축비용이 낮은 기업이 더 많이 줄이고 배출권을 판매하도록 하면 경제 전체의 온실가스 감축비용을 낮출 수 있다.

5-4. 정책에 따라 가격이 크게 변할 수 있다

탄소배출권의 공급량은 정부의 할당정책과 감축 목표에 영향을 받는다.

배출 한도가 강화되거나 공급량이 줄어들면 배출권 가격이 상승할 수 있다.

6. 관련 개념과의 차이

탄소배출권 vs 탄소세

탄소배출권

정부가 전체 배출 허용량을 정함
기업이 배출권을 서로 거래함
시장의 수요와 공급으로 가격이 결정됨
배출량을 직접 관리하는 방식임

탄소세

온실가스 배출량에 따라 세금을 부과함
정부가 탄소 가격을 직접 결정함
기업은 배출량만큼 세금을 납부함
가격을 통해 배출 감축을 유도하는 방식임

탄소배출권은 배출량을 먼저 정하고 가격을 시장에 맡기는 방식이다. 탄소세는 가격을 먼저 정하고 기업이 그 가격에 반응하도록 만드는 방식이다.

탄소배출권 vs 탄소크레딧

탄소배출권

정부가 정한 배출 한도 안에서 온실가스를 배출할 수 있는 권리임
주로 배출권거래제 참여 기업에 할당됨

탄소크레딧

산림 조성, 신재생에너지 사업 등으로 온실가스를 감축하거나 흡수한 실적을 인증한 것임
감축사업을 통해 새롭게 만들어질 수 있음

탄소배출권은 배출할 수 있는 권리에 가깝고, 탄소크레딧은 온실가스를 실제로 줄인 성과를 증명하는 단위에 가깝다.

탄소배출권 vs 신재생에너지 인증서

탄소배출권

온실가스 배출량을 관리함
탄소 감축이 핵심 목적임

신재생에너지 인증서

신재생에너지로 전력을 생산했다는 사실을 인증함
재생에너지 보급 확대가 핵심 목적임

둘 다 친환경 정책에 활용되지만 관리하는 대상과 정책 목적이 다르다.

7. 경제적 의미

국가경제 관점

탄소배출권은 국가가 온실가스 감축 목표를 달성하기 위한 핵심 정책수단이다.

배출량을 줄이는 동시에 기업들이 가장 효율적인 방식으로 감축하도록 유도해 사회 전체의 비용을 낮출 수 있다.

기업 관점

온실가스를 많이 배출하는 기업에는 탄소배출권 구입이 새로운 생산비용이 된다.

반대로 친환경 설비에 투자해 배출량을 줄인 기업은 배출권 판매수익과 비용 절감 효과를 얻을 수 있다.

금융시장 관점

탄소배출권이 거래되면서 환경정책이 금융상품과 연결된다.

배출권 가격은 정부 정책, 경기, 에너지 가격, 기업 생산량 등에 따라 변하며 새로운 원자재 성격의 시장을 형성한다.

투자 관점

탄소배출권 가격 상승은 철강, 시멘트, 정유, 발전처럼 탄소배출량이 많은 산업에 부담이 될 수 있다.

반면 신재생에너지, 탄소포집·저장, 전기차, 에너지효율 기술 관련 기업에는 성장 기회가 될 수 있다.

투자자는 기업의 현재 배출량뿐 아니라 감축설비 투자계획과 배출권 구매비용도 함께 살펴봐야 한다.

8. 정리

탄소배출권은 기업이나 국가가 일정 기간 동안 정해진 양의 온실가스를 배출할 수 있도록 부여된 권리이다. 배출량을 줄여 배출권이 남은 기업은 이를 판매하고, 허용량을 초과한 기업은 배출권을 구매해야 한다. 이 제도는 온실가스 배출에 경제적 비용을 부과해 기업의 자발적인 감축과 친환경 투자를 유도한다. 탄소배출권은 기후변화 대응뿐 아니라 기업의 비용구조와 산업 경쟁력, 투자환경에도 큰 영향을 미치는 중요한 경제제도이다.