글로벌 비디오를 위한 브랜드 안전 구축: PYLER의 컨텍스트 인식 AI 플랫폼

PYLER는 광고주의 광고가 유해한 영상과 함께 표시되지 않도록 보장하여 브랜드 이미지를 보호하는 데 도움이 됩니다. 대신 컨텍스트에 맞는 설정에 광고를 배치하여 브랜드 가치와 마케팅 효과를 높입니다. 이 솔루션은 시장에 필요한 중립적이고 설명 가능한 검증 계층을 제공합니다.

PYLER는 영상 이해와 브랜드 신뢰의 교차점에서 작동하며, 영상 컨텍스트의 의미 있는 단위인 시맨틱 프리미티브를 정의하고 이를 풍부하고 시간을 인지하는 시맨틱 공간으로 구성합니다. PYLER는 이러한 비디오 공간을 조합해 브랜드 안전성 및 적합성 정책에 따라 정밀하게 평가합니다. 이를 통해 YouTube부터 신흥 CTV 자산에 이르기까지, 다양한 플랫폼과 포맷을 아우르는 투명한 신뢰 레이어를 기업에 제공합니다.

Samsung, LG, Kenvue를 포함한 주요 브랜드들은 PYLER를 활용하여 수십억 회 이상의 노출 전반에 걸쳐 영상 환경을 검증하며, PYLER는 이미 국내 대기업 20곳과 포춘 500대 기업 10곳에 서비스를 제공하고 있습니다. 이러한 규모를 지원하기 위해 PYLER의 Antares 모델은 매일 약 100GB의 영상을 처리하며, 누적 7억 개에 달하는 영상과 일일 200만 개의 영상을 처리합니다. 이는 매일 60년 이상의 콘텐츠 분량에 해당합니다.

NVIDIA 플랫폼을 도입하기 전 PYLER의 핵심 과제는 기술적 규모와 복잡성이었습니다. 영상은 크고 멀티모달이며 정보 밀도가 매우 높은 반면, 기존의 단편화된 파이프라인은 이를 감당할 수 없었습니다. 인간 참여형(Human-in-the-loop) 샘플링, 기능별 모델, 규칙 기반 검증은 높은 지연 시간과 비용을 야기하여 새로운 정책이나 사용 사례에서 처리량을 제한하고 반복 시간을 늦추었습니다.

PYLER는 프로덕션 배포를 위해 영상당 비용을 충분히 낮게 유지하면서 거의 실시간으로 대규모 비디오 스트림을 임베딩, 검색 및 레이블링할 수 있는 인프라가 필요했습니다. NVIDIA Blackwell 아키텍처, CUDA 및 AI 프레임워크를 기반으로 하는 NVIDIA DGX 시스템을 포함한 NVIDIA의 가속 컴퓨팅 스택은 대규모 멀티모달 추론 및 검색을 위해 필요한 처리량과 지연 시간에 도달할 수 있는 유일한 실행 가능한 경로로 부상했습니다.

PYLER는 영상의 각 순간에 고유한 디지털 지문을 할당하는 비디오 벡터 임베딩 파이프라인을 구현하여 멀티모달 입력(시각, 오디오, 텍스트 및 메타데이터)을 통합된 표현으로 통합했습니다. 이러한 임베딩은 pgvector와 함께 PostgreSQL 기반 벡터 데이터베이스(Vector Database)에 저장되고, 고처리량 서빙을 위한 SingleStore로 보완되며, 수백만 개의 영상 전반에 걸쳐 빠른 유사성 검색과 컨텍스트 매칭을 가능하게 합니다.

Blackwell 아키텍처와 고대역폭 NVIDIA NVLink 인터커넥트를 갖춘 NVIDIA DGX 시스템은 이러한 고성능 학습 및 추론 파이프라인을 위한 근간이 되는 동력을 제공합니다. NVIDIA Mission Control을 활용하여 복잡한 학습 워크로드를 오케스트레이트하고, NVIDIA NeMo Curator를 활용하여 데이터 큐레이션 및 필터링을 자동화함으로써 PYLER는 이전 사내 파이프라인 대비 영상 사전 처리 처리량을 4배 높였습니다. 이러한 하드웨어-소프트웨어 시너지를 통해 PYLER는 전례 없는 효율성으로 대규모 데이터셋 전반에 걸쳐 영상 분석 및 검색을 처리할 수 있습니다.

DGX B200으로의 전환은 PYLER의 개발 속도를 근본적으로 변화시켰습니다. 팀은 하이퍼매개변수 검색 기능을 5배 증가시키기 위해 증가된 컴퓨팅 밀도를 활용함으로써 모델 학습 반복 주기를 3개월에서 단 1개월로 단축했습니다. 또한 Blackwell 기반 시스템으로 전환함으로써 이전 세대 대비 멀티모달 모델 학습 속도가 3배 향상되었으며, PYLER의 모델을 그 어느 때보다 빠르게 개발 및 배포할 수 있습니다.

비디오 검색 및 요약(VSS)을 위한 NVIDIA Blueprint를 확장하고 NVIDIA NV-Embed를 활용하여 임베딩 생성을 가속화함으로써, 시스템은 대규모 비디오 데이터셋 전반에 걸쳐 영상 분석 및 검색을 효율적으로 처리합니다. PYLER의 모델은 단순히 '자동차'를 보는 것이 아니라 '사람이 빗속에서 운전하며 좌절감을 느끼고 있다'는 것을 이해하여, 이전에는 대규모로 처리할 때 불가능했던 정밀한 컨텍스트 배치와 안전 감사를 가능하게 합니다.

PYLER의 기술 해자는 표현 수준에서 작동하는 벡터 기반 시간 인식 컨텍스트 추론에 있으며, 전체 재학습 없이 정책 및 안전 정의를 신속하게 업데이트할 수 있습니다. 이 아키텍처는 브랜드 안전성과 적합성 전반에 걸쳐 고객에게 명확하고 정량화 가능한 결과를 제공했습니다.

농심의 KPOP Demon Hunters(HUNTRIX) 캠페인의 경우, PYLER의 AiD 브랜드 안전 솔루션은 한 달 만에 브랜드 부적합 콘텐츠에 지출되는 예산 비중을 벤치마크인 19.3%에서 단 4.67%로 줄였으며, 해당 기간 동안 200만 개 이상의 영상에서 부적절한 게재 위치를 검증했습니다. Kenvue의 Tylenol 캠페인의 경우 PYLER의 AiM 브랜드 적합성 솔루션은 인간 검토자의 경우 약 30초(외부 업계 벤치마크 기반)의 평균 검증 시간을 0.011초로 단축하여 브랜드 관리자가 고도로 세분화된 비디오 수준의 미디어 전략을 실행하는 동시에 검토자 비용을 99.963% 이상 절감할 수 있도록 지원합니다.