요약 / 핵심 포인트
6년 만에 첫 번째 주요 OpenCV 업데이트가 출시되었으며, 이는 엄청난 변화입니다. 재작성된 딥러닝 엔진은 그 어느 때보다 빠르게 최신 AI 모델을 실행하며, 이 모든 것이 CPU에서 가능합니다.
6년 만의 도약: 버전 5가 중요한 이유
컴퓨터 비전을 위한 핵심 라이브러리인 OpenCV는 로봇 공학, 증강 현실, 의료 공학 및 산업 검사 전반에 걸쳐 애플리케이션의 기반이 됩니다. 86,000개 이상의 GitHub 스타와 백만 건 이상의 일일 설치 수를 자랑하며 그 영향력은 엄청납니다. 이번 릴리스는 2018년 이후 첫 번째 주요 버전 업그레이드를 의미하며, 버전 4 라인에서 6년간의 개발 끝에 심오한 변화를 알립니다.
신경망 실행을 담당하는 엔진인 Deep Neural Network (DNN) 모듈의 전면적인 재작성은 OpenCV 5의 가장 중요한 발전입니다. 이전에는 OpenCV 4의 DNN 모듈이 ONNX operators의 약 22%만을 지원하여 호환성 문제로 인해 최신 AI 모델 배포를 자주 방해했습니다.
OpenCV 5는 이 지원을 ONNX operators의 80%로 대폭 확장하여 AI 개발자에게 중요한 장벽을 제거합니다. 이러한 아키텍처 변화를 통해 개발자는 복잡하고 최첨단 AI 모델을 라이브러리 내에서 직접 기본적으로 실행할 수 있습니다. 이제 사용자는 다음을 실행할 수 있습니다: - 객체 감지를 위한 YOLO - 인페인팅을 위한 Stable Diffusion - 전체 비전 언어 모델 결정적으로, 이러한 고급 기능은 PyTorch 또는 ONNX Runtime과 같은 외부 프레임워크 없이 작동하여 개발 및 배포를 크게 단순화합니다.
22%에서 80%로: ONNX 문제 해결
OpenCV 4의 아킬레스건은 ONNX operators의 22%만을 인식하는 Deep Neural Network (DNN) 엔진에 있었습니다. 머신러닝 모델을 위한 개방형 표준인 ONNX는 다양한 프레임워크에서 훈련된 모델을 배포하는 데 중요합니다. 이러한 제한된 지원은 개발자들이 광범위한 맞춤형 해결책 없이는 대부분의 최첨단 모델을 실행할 수 없어 호환성 문제에 자주 부딪혔다는 것을 의미했습니다.
OpenCV 5는 근본적인 아키텍처 개편을 통해 이러한 병목 현상을 제거합니다. 이전 엔진은 전체 요리를 이해하지 못한 채 레시피를 한 단계씩 따르는 것처럼 네트워크를 단순한 계층별 방식으로 처리했습니다. 그러나 새 엔진은 typed operation graph에서 작동합니다. 먼저 전체 네트워크를 분석하고, 실행 전에 적절한 모양 추론, 상수 폴딩 및 연산자 융합과 같은 중요한 단계를 수행합니다.
이러한 정교한 접근 방식은 OpenCV 5가 이전에 극복할 수 없었던 동적 모양 및 최신 transformer architectures와 같은 복잡한 구조를 기본적으로 처리할 수 있도록 합니다. ONNX operator 커버리지를 강력한 80%로 높임으로써, OpenCV 5는 이제 개발자들이 대다수의 현대 AI 모델을 '즉시' 배포할 수 있도록 하여 머신러닝 파이프라인을 획기적으로 간소화합니다.
CPU에서 표준보다 빠름
재작성된 DNN 엔진의 성능 벤치마크는 자체 보고된 것이지만, OpenCV 5에 대한 설득력 있는 사례를 제시합니다. CPU에서 새 엔진은 인기 모델에서 Microsoft의 ONNX Runtime과 동등하거나 훨씬 뛰어난 성능을 보입니다. 예를 들어, YOLOv8을 11.5% 더 빠르게, OWL-v2를 거의 37% 더 빠르게, XFeat을 30% 더 빠르게 실행합니다. 이러한 수치는 특정 워크로드에 대한 독립적인 검증이 필요하지만, 효율성 면에서 상당한 도약을 의미합니다.
결정적으로, 이 고성능 엔진은 CPU-only로 출시됩니다. GPU 지원은 v5 주기 후반에 계획된 기능이지만, CUDA 또는 OpenVINO와 같이 GPU 추론이 필요한 현재 배포는 여전히 OpenCV의 기존 DNN 엔진을 활용할 것입니다. 이는 새 엔진이 성숙해지는 동안 기존 GPU 가속 워크플로우의 연속성을 보장합니다.
이러한 성능 향상은 실제 세계에 직접적인 영향을 미칩니다. 개발자는 이제 전용 GPU 없이도 범용 하드웨어에서 실시간 객체 감지 및 정교한 비전 언어 모델과 같은 까다로운 작업을 직접 실행할 수 있습니다. 이러한 접근성은 고급 AI를 대중화하여 더 많은 환경에서 강력한 컴퓨터 비전 애플리케이션을 실현 가능하게 합니다. 기술적 기반을 깊이 파고들거나 향후 개발 상황을 추적하고 싶은 분들을 위해 공식 OpenCV 5 GitHub 위키는 광범위한 문서를 제공합니다 OE 5. OpenCV 5 - GitHub.
추론을 넘어: 인페인팅, VLMs, 그리고 다음은 무엇인가
순수 추론 속도를 넘어, OpenCV 5는 고급 AI 기능을 직접 통합합니다. 이 라이브러리는 이제 잠재 확산 인페인팅을 지원하여 사용자가 마스크된 영역을 문맥을 인지하는 콘텐츠로 채워 이미지를 수정할 수 있게 합니다. 또한 비전 언어 모델(VLMs)을 기본적으로 실행하여 외부 프레임워크 없이 이미지 캡셔닝과 같은 작업을 가능하게 합니다. 이러한 강력한 기능은 PyTorch 또는 ONNX Runtime과 같은 종속성을 제거하고 전적으로 OpenCV 내에서 실행됩니다.
Enjoying this? Get one like it in your inbox each morning.
one email a day · unsubscribe in two clicks · no third-party tracking
이러한 기능들은 인상적이지만, CPU에서의 현재 성능은 기본 모델의 복잡성을 반영합니다. 반복적인 노이즈 제거 프로세스인 Latent diffusion은 특히 GPU가 없을 때 기존의 단일 패스 인페인팅보다 훨씬 느리게 실행됩니다. 마찬가지로, 이미지 캡셔닝을 위한 PaliGemma와 같은 모델로 시연된 VLM 추론은 CPU에서 "고통스러울 정도로 느리며" 평범한 결과를 낳습니다. 그러나 이러한 초기 통합은 OpenCV의 전략적 진화를 강력하게 시사합니다.
토크나이저, 어텐션 레이어, KV 캐시와 같은 신경망 구성 요소의 포함은 고전적인 컴퓨터 비전 유틸리티를 넘어선 OpenCV의 야망을 명확히 보여줍니다. 버전 5는 중대한 변화를 나타내며, 라이브러리를 비전 및 언어 AI를 위한 독립적이고 고성능 추론 엔진으로 변모시킵니다. 나중에 5.x 릴리스에서 GPU 지원이 제공되면, 이러한 고급 기능은 잠재력을 최대한 발휘하여 OpenCV를 포괄적이고 통합된 AI 런타임으로 확고히 할 것입니다.
자주 묻는 질문
OpenCV 5의 가장 큰 새로운 기능은 무엇입니까?
핵심 기능은 완전히 재작성된 심층 신경망(DNN) 모듈입니다. 이 새로운 엔진은 최신 AI 모델과의 호환성을 크게 향상시키고 CPU에서 주요 성능 향상을 제공합니다.
OpenCV 5는 ONNX 모델 지원을 어떻게 개선합니까?
OpenCV 5는 버전 4의 22%에 불과했던 ONNX 연산자 지원 범위를 80% 이상으로 늘렸습니다. 이는 ONNX 형식으로 내보낸 대부분의 최신 신경망이 이제 호환성 오류 없이 OpenCV에서 기본적으로 실행될 수 있음을 의미합니다.
새로운 OpenCV 5 DNN 엔진은 GPU를 지원합니까?
현재 새로운 DNN 엔진은 CPU 전용입니다. GPU 지원은 버전 5 주기 내의 향후 릴리스에서 계획되어 있습니다. 현재로서는 GPU 가속이 필요한 사용자는 CUDA 및 OpenVINO 지원을 유지하는 기존 엔진으로 돌아갈 수 있습니다.
OpenCV 5는 ONNX Runtime보다 빠릅니까?
OpenCV 자체 벤치마크에 따르면, CPU에서 실행되는 새로운 DNN 엔진은 특정 모델에 대해 Microsoft의 ONNX Runtime 성능과 일치하거나 심지어 능가하며, YOLOv8에서는 11.5% 더 빠릅니다.
OpenCV 5는 Stable Diffusion 또는 VLM과 같은 모델을 실행할 수 있습니까?
예, OpenCV 5는 복잡한 모델을 기본적으로 실행할 수 있습니다. Stable Diffusion 스타일 인페인팅 및 PaliGemma와 같은 비전 언어 모델(VLMs) 실행 예제를 포함하며, 이 모든 것은 PyTorch와 같은 외부 종속성 없이 가능합니다.