AI 모델 학습의 혁신: AWS를 통한 Outpost VFX의 도약

AI 모델 학습의 혁신: AWS를 통한 Outpost VFX의 도약

시각효과(VFX)를 위한 AI 모델 학습은 기존에는 여러 주가 소요될 수 있으며, 이는 제작 일정에 큰 병목현상을 초래할 수 있습니다. 영국, 캐나다, 인도에 스튜디오를 운영하며 고품질의 영화 및 에피소드 콘텐츠를 제작하는 Outpost VFX에게 이러한 학습 지연은 고객 납품과 프로젝트 일정에 큰 영향을 미칩니다.

AWS와의 협력: 8배 빠른 AI 학습 구현

Outpost VFX는 AWS 인프라를 활용하여 얼굴 대체 워크플로우의 학습 속도를 8배 향상시키는 데 성공했습니다. 이는 단일 GPU의 제약을 극복하고 멀티 GPU 학습을 통해 달성된 기술적 성과였습니다.

과제: AI 학습의 단일 GPU 병목현상

기존의 얼굴 대체 작업은 5일 이상의 합성 과정을 필요로 했고, 이로 인해 중요한 제작 타임라인에서 병목현상이 발생했습니다. Outpost VFX는 AI 모델을 개발하여 이러한 과정을 가속화하려 했으나, 단일 GPU의 제한으로 효율성이 저해되었습니다.

설계 고려사항

Outpost VFX는 멀티 GPU를 활용한 병렬 학습, 인프라 보안, 성능 최적화를 목표로 세 가지 주요 기술 요건을 정의했습니다. AWS Generative AI Innovation Center와의 협력을 통해 이러한 요건을 충족하고 학습 알고리즘을 현대화하는 데 성공했습니다.

아키텍처 구현

기존의 얼굴 대체 모델을 멀티 GPU 분산 학습이 가능하도록 AWS 멀티 GPU Amazon EC2 P5 인스턴스를 활용하여 구현했습니다. P5 인스턴스는 NVIDIA H100 GPU를 기반으로 고대역 통신을 제공하여 학습 속도를 비약적으로 향상시켰습니다.

성능 향상의 측정

멀티 GPU 학습의 성능을 측정하기 위해 Outpost VFX는 데이터셋 수집, 모델 하이퍼매개변수 고정 및 학습 시간을 측정했습니다. 그 결과, P5 인스턴스를 활용한 모델 학습은 최대 8배의 속도 향상이 있었고, 이는 고객에게 초안을 전달하는 시간을 단축하는 동시에 출력 품질을 높이는 결과를 가져왔습니다.

"우리는 지금 우리 워크플로의 병렬화를 통해 더 빠르게 반복할 수 있습니다." – Tim Chauncey, Outpost VFX CTO

결론 및 향후 계획

AWS로 최적화된 아키텍처는 Outpost VFX가 시각 효과의 제작과 관련된 보안과 확장성을 유지하면서 AI를 활용한 얼굴 대체 기능을 고객에게 제공할 수 있도록 했습니다. 앞으로 훨씬 높은 해상도의 이미지를 처리하기 위해 최신 Amazon EC2 P5 인스턴스를 활용하여 이미지 출력 품질을 높일 계획도 검토 중입니다.

"이제 이러한 모델은 더 이상 실험적이지 않습니다. 현대 VFX 파이프라인의 필수적인 요소로 자리 잡고 있습니다." – Dheeraj Bhadani, Outpost VFX 소프트웨어 아키텍트

다음 단계

여러분이 AI 학습 워크플로우를 가속화하고자 한다면, 다음의 단계를 고려해보세요:

• 현재 GPU 사용량 평가: 단일 GPU 제약으로 인해 학습 성능이 제한되고 있는지 파악
• 멀티 GPU 아키텍처 탐색: Amazon EC2 P5 인스턴스
• AWS Generative AI Innovation Center와의 협업: Outpost VFX와 협력하여 교육 워크플로를 병렬화했듯이 활용 가능

자세한 방법은 여러분의 구체적인 사용 사례 및 인프라 요건에 적합하게 적용할 수 있습니다.

[1] https://aws.amazon.com/blogs/machine-learning/how-outpost-vfx-uses-aws-to-accelerate-ai-model-training-for-visual-effects/