ZERO 2.2 업데이트: 텍스트 프롬프트 정확도와 한국어 이해가 향상됐습니다

슈퍼브에이아이가 산업 특화 비전 파운데이션 모델 제로(ZERO)를 2.2 버전으로 업데이트했습니다. 이번 버전은 슈퍼브 플랫폼의 Labs에 적용되어 별도 설치나 학습 과정 없이 지금 바로 사용해 볼 수 있으며, AWS Marketplace에서도 바로 사용 가능합니다.

ZERO는 텍스트나 예시 이미지를 입력하는 것만으로, 사전에 학습하지 않은 객체를 찾아내는 모델입니다. 새로운 객체를 검출하기 위해 데이터를 모으고 라벨링하고 모델을 다시 학습시키는 기존 과정이 필요하지 않습니다. 2.2 버전에서는 이 핵심 기능인 프롬프트 기반 검출의 정확도와 사용성이 개선됐습니다.

무엇이 달라졌나

1. 텍스트 프롬프트 검출 정확도 향상

텍스트로 객체를 지정했을 때의 검출 성능이 눈에 띄게 개선됐습니다. 내부 테스트에서 이전 버전은 여러 객체 중 일부를 놓치는 경우가 있었지만, 2.2 버전에서는 미검출이 뚜렷하게 줄었습니다.

예를 들어 반도체 제조 라인 이미지에서 “blue chip”이라는 텍스트만 입력하면, 초점이 흐린 영역에 있는 칩까지 포함해 화면 안의 대상을 찾아냅니다. 검사 대상이 자주 바뀌는 제조 현장에서 품목마다 모델을 새로 학습시킬 필요가 없다는 의미입니다.

2. 한국어와 자연어 구문 이해

2.2 버전은 한국어 프롬프트 성능이 향상됐고, 단어 단위를 넘어 서술형 표현을 이해합니다.

식품 공장 컨베이어 이미지에 “치즈”를 입력하면 이송 중인 치즈 블록을, 편의점 CCTV 화면에 “컵라면”을 입력하면 진열대와 고객의 손에 있는 컵라면을 검출합니다. 영어로 번역해 입력할 필요 없이 현장에서 쓰는 한국어 그대로 사용할 수 있습니다.

서술형 표현도 처리합니다. 수십 명이 오가는 광장 이미지에 “오렌지색 자켓”을 입력하면, 다른 보행자는 제외하고 오렌지색 상의를 입은 인물만 찾아냅니다. 색상·복장 같은 속성 조건으로 특정 대상을 지정하는 방식은 보안·관제 업무에서 특히 유용합니다.

3. 신뢰도 스코어 구분이 명확해져 운영이 쉬워졌습니다

객체 검출 모델을 실제 업무에 적용할 때는 신뢰도 임계값(threshold)을 정해야 합니다. 임계값이 낮으면 오검출이 늘고, 높으면 미검출이 늘기 때문에, 정답과 오답의 스코어가 얼마나 뚜렷하게 갈리는지가 운영 난이도를 좌우합니다.

2.2 버전은 정답과 오답의 스코어 차이가 이전보다 벌어져 임계값 설정이 쉬워졌습니다. 내부 테스트 기준으로 이전 버전은 0.1 수준의 낮은 임계값이 필요했지만, 2.2 버전은 0.2~0.3 수준에서 안정적으로 동작합니다. 검출 결과의 신뢰도가 전반적으로 높아졌다는 뜻이며, 현장 적용 시 임계값을 세밀하게 조정하는 데 드는 시간을 줄여줍니다.

4. 비주얼 프롬프트: 예시 하나로 같은 객체 전부 검출

이름을 붙이기 어려운 객체는 텍스트 대신 박스로 지정할 수 있습니다. 이미지 위에 예시 객체 하나를 박스로 표시하면, 화면 안에서 같은 종류의 객체를 모두 찾아냅니다.

과일과 채소가 섞인 이미지에서 토마토 하나를 지정하면 색이 비슷한 감귤류나 단호박은 제외하고 토마토만 검출하고, 편의점 진열대에서 특정 과자 하나를 지정하면 진열된 같은 제품을 모두 찾아냅니다. 신제품처럼 일반적인 명칭이 없는 대상이나, 텍스트로 구분하기 어려운 유사 품목을 다룰 때 효과적입니다.

이 성능의 근거: CVPR 2026 챌린지 1위

이번 업데이트의 기반이 되는 ZERO의 기술력은 국제 학회에서 검증됐습니다. 슈퍼브에이아이는 2026년 6월 세계 최대 컴퓨터 비전 학회 CVPR의 Foundational Few-Shot Object Detection 챌린지에서 1위를 차지했습니다. 클래스당 10장의 예시 이미지만으로 X-ray, 열화상, 항공 영상 등 20개 특수 도메인의 객체를 검출하는 과제에서, mAP 53.9로 2위 팀(51.6)과 주최 측 베이스라인(33.3)을 앞섰고 7개 평가 카테고리 중 5개에서 1위를 기록했습니다. 2025년 같은 챌린지 4위에서 한 해 만에 순위를 끌어올린 결과입니다. 우승에 사용된 기술 접근은 위닝 솔루션 해설에서 자세히 다뤘습니다.

ZERO는 처음부터 산업 현장 배포를 목표로 설계된 모델입니다. 10억 장 규모의 자체 산업 이미지 데이터에서 선별한 약 90만 장의 정제된 데이터로 학습했으며, 37개 산업 데이터셋 평가에서 기존 공개 모델보다 우수한 성능을 보였습니다. 학습 데이터 구성과 평가 결과는 기술 논문(arXiv:2507.04270)으로 공개되어 있습니다.

왜 중요한가: 학습 없이 시작하는 비전 AI

비전 AI 도입에서 가장 큰 비용은 모델 자체가 아니라 데이터 준비에서 발생합니다. 검출 대상이 바뀔 때마다 이미지를 수집하고, 라벨링하고, 모델을 재학습하는 주기를 반복해야 하기 때문입니다.

ZERO는 이 주기를 프롬프트 입력으로 대체합니다. 텍스트 한 줄 또는 예시 박스 하나로 새로운 객체 검출을 시작할 수 있고, 2.2 버전에서는 그 결과의 정확도와 신뢰도가 한층 높아졌습니다. 제조 품질 검사, 물류 재고 관리, 보안 관제, 리테일 매장 분석처럼 검출 대상이 수시로 바뀌는 환경일수록 도입 효과가 큽니다.

ZERO 2.2를 사용하는 두 가지 방법

슈퍼브 플랫폼에서 바로 체험

ZERO 2.2는 슈퍼브 플랫폼의 Labs에 적용되어 있습니다. 샘플 이미지 또는 보유한 이미지를 업로드하고, 텍스트나 박스 프롬프트로 검출 결과를 직접 확인해 보세요. 별도 설치나 인프라 준비가 필요하지 않습니다.

AWS Marketplace: 기존 클라우드 인프라에 바로 배포

ZERO 2.2는 AWS Marketplace에서도 제공됩니다. Amazon SageMaker 엔드포인트 형태로 배포해 API로 호출할 수 있어, 이미 AWS 인프라를 운영 중인 기업이라면 별도 계약 절차 없이 기존 AWS 계정으로 도입할 수 있습니다. 과금은 사용량 기반이며 무료 체험 기간을 제공합니다.

AWS Marketplace에서 ZERO 보기 →

함께 보면 좋은 글: CVPR 2026 시리즈

• [1편] CVPR 2026 Few-Shot Object Detection Challenge 우승 소식
• [2편] ZERO의 CVPR 2026 우승 솔루션 기술 해설
• [3편] 우승팀 엔지니어 인터뷰
• [4편] Few-Shot Object Detection Challenge 3년의 지형 변화
• [5편] 산업 비전 AI의 데이터 병목, 이미지 10장으로 시작하기

FAQ

Q. ZERO는 어떤 모델인가요?
슈퍼브에이아이가 개발한 산업 특화 비전 파운데이션 모델입니다. 텍스트 또는 예시 이미지(박스) 프롬프트만으로 사전 학습하지 않은 객체를 검출하며, 별도의 데이터 수집·라벨링·재학습 과정이 필요하지 않습니다.

Q. ZERO 2.2에서 무엇이 개선됐나요?
텍스트 프롬프트 검출 정확도 향상, 한국어·서술형 자연어 이해 개선, 미검출 감소, 신뢰도 스코어 구분 명확화(임계값 설정 용이), 비주얼 프롬프트 검출 성능 개선입니다.

Q. 한국어 프롬프트를 지원하나요?
네. “치즈”, “컵라면” 같은 한국어 단어는 물론 “오렌지색 자켓”처럼 속성을 포함한 서술형 표현도 처리합니다.

Q. 어디서 사용해 볼 수 있나요?
슈퍼브 플랫폼의 Labs에서 무료로 체험할 수 있습니다. AWS를 사용 중이라면 AWS Marketplace에서 SageMaker 엔드포인트로 배포해 사용량 기반으로 도입할 수 있습니다.

Q. ZERO의 성능은 어떻게 검증됐나요?
CVPR 2026 Foundational Few-Shot Object Detection 챌린지에서 mAP 53.9로 1위를 차지했으며, 37개 산업 데이터셋 평가 결과가 공개 논문(arXiv:2507.04270)에 수록되어 있습니다.

슈퍼브에이아이는 산업 현장의 시각 데이터를 기업이 활용할 수 있는 인텔리전스로 전환하는 비전 인텔리전스 기업입니다.