"가볍기 때문에 빠르고, 빠르기 때문에 이긴다" CVPR 우승팀 고경렬 엔지니어 인터뷰
작년 4위에서 올해 1위, CVPR 2026 퓨샷 객체 탐지 챌린지 우승팀의 고경렬 엔지니어를 만났습니다. 제로(ZERO)의 경량성이라는 설계 선택, 'AI로 AI를 만드는' 연구 문화, 벤치마크 너머 현장을 보는 관점을 들었습니다.
핵심 요약
- 슈퍼브에이아이가 CVPR 2026 Foundational 퓨샷 객체 탐지 챌린지 Overall Track에서 1위를 차지했습니다. 우승팀의 고경렬 머신러닝 엔지니어에게 그 과정을 들었습니다.
- 작년 4위, 올해 1위. 변화의 핵심은 "사전학습 성능 검증"에서 "산업에서 어떻게 잘 쓸 것인가"로의 포커스 전환이었습니다.
- 한정된 기간의 집중 투입으로 우승이 가능했던 배경에는 제로(ZERO)의 경량성이 있었습니다. 모델이 가벼울수록 실험 사이클이 빨라지고, 같은 시간에 더 많은 가설을 검증할 수 있기 때문입니다.
- AI 어시스턴트를 연구 과정에 적극 활용하는 'AI로 AI를 만드는' R&D 문화도 한몫했습니다.
지난 6월 4일(현지 시간) 미국 덴버, CVPR 2026 Open-World Vision(VPLOW) 워크숍에서 슈퍼브에이아이의 이름이 호명됐습니다. 17개 팀이 200건 넘게 제출한 Foundational 퓨샷 객체 탐지 챌린지 Overall Track의 우승팀으로서였습니다. 작년 4위에서 1년 만에 이뤄낸 역전. 1년 동안 무슨 일이 있었는지, 우승팀의 고경렬 머신러닝 엔지니어에게 물었습니다. 이번 도전에는 고경렬 엔지니어와 진현동, 장태웅, 최우성 엔지니어가 함께했습니다.
"작년에는 기본기를, 올해는 체계를"
Q. 작년 4위에서 올해 1위가 됐습니다. 1년 사이 무엇이 달라졌나요?
"모델도 방법론도 모두 좋아졌지만, 결정적인 차이는 '포커스의 전환'이었어요. 작년은 제로가 막 세상에 나오던 시점이라, 최대 관심사는 사전학습 성능 그 자체였습니다. '제로의 기본기가 얼마나 통하나'를 확인하는 게 목표였죠. 파인튜닝은 사실상 기본 설정에 가까웠고요.
올해는 질문을 바꿨습니다. '이 모델을 산업에서 실질적으로 어떻게 잘 활용할 것인가.' 20개 도메인 데이터를 하나하나 뜯어보고, 각 도메인에 빠르고 가볍게 적응시키는 체계를 만드는 데 역량을 쏟았어요. 챌린지가 끝나도 고객 프로젝트에 쓸 수 있는, 확장 가능한 모듈을 만들자는 생각으로요. 그 관점의 차이가 점수 차이가 됐다고 생각합니다."
"모델이 가벼우면, 실험이 빨라지고, 실험이 빠르면 이깁니다"
Q. 준비 과정에서 가장 어려웠던 점은 무엇이었나요?
"시간이요. 다른 프로젝트들과 병행하면서 챌린지를 준비해야 했기 때문에, 쓸 수 있는 시간이 정말 한정적이었습니다. 그 조건에서 결과를 내려면 실험 사이클을 최대한 빠르게 돌리는 수밖에 없었어요.
그게 가능했던 첫 번째 이유는 제로가 다른 파운데이션 모델 대비 상대적으로 가벼운 모델이라는 점입니다. 좋은 설정을 찾으려면 가설을 세우고, 돌려보고, 결과를 보고, 다시 세우는 과정을 수없이 반복해야 하는데, 모델이 지금보다 훨씬 무거웠다면 같은 기간에 시도할 수 있는 실험 수가 몇 분의 일로 줄었을 거예요. '가벼워서 빠르고, 빨라서 더 많이 검증한다'는 구조적인 이점이 있었습니다."
Q. 경량성이 큰 역할을 했네요. 제로가 가벼운 것도 처음부터 의도된 건가요?
"제로의 경량성은 챌린지를 위한 게 아니라, 처음부터 고객 현장 배포를 전제로 한 설계 선택이었습니다. 산업 현장에서는 거대한 모델을 돌릴 인프라가 없는 경우가 대부분이고, 있더라도 비용이 도입의 발목을 잡거든요. 그래서 '현장에 들어갈 수 있는 무게'를 모델의 핵심 요건으로 놓고 만들어 왔어요. 그렇게 현장을 보고 내린 선택이 챌린지라는 시간 제약 상황에서도 그대로 이점으로 작동한 거죠. 현장을 위한 설계가 연구 경쟁력으로 되돌아온 경험이라, 저희에게는 우승만큼이나 의미 있는 검증이었습니다.
우승 솔루션의 설계 철학도 같은 선상에 있어요. 일부 팀은 결과 보정에 초대형 모델을 동원했지만, 저희는 가볍고 확장 가능한 재분류 모듈을 직접 고안했습니다. 핵심은 거대한 모델을 동원하는 것이 아니라, 가볍고 빠르게 현장에 적응하는 방법을 설계하는 것이었어요. 제로의 효율성 덕분에 짧은 기간에도 여러 가설을 빠르게 검증하며 최적의 조합을 찾을 수 있었고요."
"AI로 AI를 만듭니다"
Q. 한정된 시간을 극복한 또 다른 비결이 있다면요?
"AI 어시스턴트를 적극적으로 활용했습니다. 실험 코드를 짜고, 밤사이 실험이 자동으로 돌아가는 체계를 갖추는 데 큰 도움을 받았어요. 사람이 자는 동안에도 검증이 진행되니까, 하루의 실험 밀도 자체가 달라집니다. AI를 만드는 일 자체를 AI와 함께하는 게 저희 팀에서는 자연스러운 방식이 됐습니다.
그리고 합이 잘 맞는 팀 덕분이죠. 네 명이 함께했는데요. 동료들의 지원이 없었다면 이 일정으로는 불가능했을 겁니다."
"다음 질문은 이미 정해져 있습니다"
Q. 우승이 확정된 순간 어땠나요?
"솔직히 기뻤지만, 동시에 머릿속에는 다음 질문이 떠올랐어요. 챌린지에서 검증한 이 적응 체계를 어떻게 제품으로, 고객의 현장으로 가져갈 것인가. 저희에게 챌린지는 목적지가 아니라 외부 검증 무대거든요. 진짜 평가는 고객의 라인에서 이뤄진다고 생각합니다."
Q. 마지막으로, 같은 길을 고민하는 엔지니어들에게 한마디 한다면요?
"벤치마크 점수와 현장 가치가 따로 노는 연구도 많은데, 저희는 그 둘을 같은 문제로 풀 수 있는 환경에서 일하고 있습니다. 연구가 곧 제품이 되고, 제품의 노하우가 다시 연구로 돌아오는 순환이요. 그 순환을 함께 만들 동료라면 언제든 환영합니다."
슈퍼브에이아이의 우승 성과와 솔루션의 기술 상세는 아래 콘텐츠에서 확인할 수 있습니다.
[관련 콘텐츠 더 보기]