본문으로 건너뛰기
AN INDEPENDENT ECONOMIC JOURNAL생활에서 시작하는 경제 읽기
가까이 두고 읽는 경제 이야기
CIN · CONNECT · INFORM · NEWS
경제의 흐름을,
생활의 언어로.

CIN ECONOMIC NOTES

구글 임베딩젬마 2, 한 검색어로 사진과 영상 속 장면을 찾는다

구글이 10월 6일 여러 형식의 데이터를 같은 벡터 공간에 올리는 모델을 공개했다. 기기 안에서 유사한 파일을 찾는 방식과 저장 비용의 차이를 살펴봤다.

핵심 먼저 읽기

AT A GLANCE
  • 임베딩젬마 2는 텍스트·코드·이미지·영상·오디오를 공통 공간의 벡터로 표현한다.
  • 구글은 기본 768차원 벡터를 512·256·128차원으로 줄일 수 있다고 밝혔다.
  • 개발자 시연은 기기 안에서 사진을 검색하고 영상의 관련 구간을 찾는 방식을 보여 줬다.
휴대전화 안에서 사진·영상·소리를 공통 형태로 바꿔 비슷한 장면을 찾는 모습을 그린 삽화
본문의 이해를 돕기 위한 일러스트레이션
이 글의 순서 · 6개 주제

의미가 가까운 자료를 숫자로 비교

구글은 2026년 10월 6일 임베딩젬마 2를 공개했다. 이 모델은 문장, 코드, 이미지, 영상, 오디오를 공통 벡터 공간으로 옮긴다. 벡터는 자료를 표현하는 숫자들의 모음이다. 검색어와 자료의 벡터를 비교해 상대적으로 가까운 결과를 찾으면 파일 이름이나 태그에 같은 단어가 없더라도 내용이 유사한 파일을 제시할 수 있다. 구글은 이 모델을 휴대전화 등 기기에서 직접 활용할 수 있도록 만들었다고 설명했다. [1][2]

검색이 이뤄지려면 먼저 앱이 검색 대상 자료를 읽어 벡터를 만들고 나중에 비교할 수 있게 저장해야 한다. 사용자가 검색어를 입력하면 그 입력도 같은 공간의 벡터로 바꾼다. 앱은 질의 벡터와 저장된 벡터의 유사도를 구해 결과 목록을 정렬할 수 있다. 파일을 모아 만든 검색용 색인과 새 질의에 대한 연산을 구분하면, 앱이 처음 자료를 준비하는 시간과 검색 때 응답하는 시간이 왜 다를 수 있는지 알 수 있다. [1][2]

사진과 영상에 같은 검색 방식 적용

가령 파일 이름이 날짜로만 적힌 사진 폴더에서 ‘눈 위를 달리는 개’를 찾는다고 하자. 앱은 사진의 벡터와 문장의 벡터를 비교해 내용이 가까운 사진을 먼저 보여 줄 수 있다. 영상의 경우 한 파일 전체를 하나의 결과로 반환하는 것 외에도 프레임이나 구간별로 벡터를 만들어 관련 장면의 위치를 찾을 수 있다. 구글 개발자 글은 기기에서 사진을 찾고 영상의 시각과 소리를 이용해 관련 구간을 탐색하는 시연을 보여 줬다. [1][2]

영상에서 장면을 찾을 때에는 색인에 넣는 프레임과 오디오 구간의 범위가 중요하다. 긴 영상의 프레임을 촘촘히 포함하면 더 많은 시점을 비교할 수 있지만 색인할 내용도 늘어난다. 반대로 큰 간격으로 프레임을 고르면 짧게 나타난 장면이 빠질 수 있다. 같은 방식의 검색도 원본 길이와 색인 정책, 처리할 수 있는 기기의 자원에 따라 결과를 보여 주는 범위가 달라진다. [1][2]

낮은 차원의 벡터를 사용하는 이유

구글은 기본 출력이 768차원이며 상황에 따라 512, 256, 128차원으로 줄일 수 있다고 밝혔다. 같은 자료 수와 같은 요소당 저장 단위를 가정하면 128차원 벡터는 768차원 벡터의 6분의 1만큼의 요소를 저장한다. 이 계산은 벡터 값 자체의 크기만 비교한 것이다. 파일 식별자, 검색 색인의 내부 구조, 다른 메타데이터까지 포함한 실제 저장 공간이 같은 비율로 줄어드는지는 앱의 구성에 따라 달라진다. [1][2]

예를 들어 32비트 값만 1만 개의 벡터에 저장한다면 768차원에서 약 30.72MB, 128차원에서 약 5.12MB가 된다. 여기서 MB는 100만 바이트를 뜻하고 파일 이름과 색인 부가 정보는 뺐다. 낮은 차원을 쓰면 저장하고 비교할 값이 줄지만, 검색 품질이 동일한지는 서비스가 찾으려는 자료에서 시험해 봐야 한다. 여러 질의의 상위 결과를 비교하면 차원을 줄였을 때 필요한 파일이 계속 검색되는지 확인할 수 있다. [1][2]

어떤 입력을 처리하는지에 따른 모델 구성

발표에 따르면 전체 모델은 7억4천만 개 매개변수를 사용한다. 텍스트만 처리할 때의 구성은 약 2억7천만 개이며 시각과 오디오 입력을 처리하는 인코더를 필요에 따라 더한다. 제품의 검색 대상에 사진이 들어 있는지, 오디오나 영상의 소리도 포함되는지는 어떤 모델 구성 요소를 기기에 올릴지 결정하는 조건이 된다. 같은 모델 이름을 쓰는 두 앱이 기기에 요구하는 자원이 서로 다를 수 있는 이유다. [1][2]

구글 개발자 시연은 이용자의 사진과 영상에서 벡터 생성과 검색을 기기 안에서 실행하는 예를 보여 줬다. 제품이 이런 처리를 기기에서 끝내도록 만든다면 원본 파일을 검색 서버로 보내지 않고도 결과를 만들 수 있다. 실제 앱의 데이터 전송 여부는 별도로 구현한 동기화, 보관, 로그 설정에 달려 있다. 모델을 로컬에서 실행할 수 있다는 사실만으로 모든 앱이 데이터를 같은 방식으로 다룬다고 결론 내릴 수는 없다. [1][2]

처음 색인할 때와 검색할 때 걸리는 시간

보관 중인 사진과 영상을 모두 처음부터 처리하려면 앱은 각 파일을 읽고 벡터를 만든 뒤 검색용 색인에 저장한다. 한 번 준비한 색인을 다시 쓰는 경우 새 검색어의 벡터를 만들어 저장된 값과 비교하는 단계만 거칠 수 있다. 사진이 추가되거나 지워지면 색인도 바뀐 파일을 반영해야 한다. 앱이 보여 주는 입력 직후의 반응 속도와 최초 파일 목록을 준비하는 데 걸리는 시간은 따라서 별도로 측정할 수 있다. [1][2]

파일명 검색과 벡터 검색을 함께 사용하는 방식도 가능하다. 사람이 파일 이름을 정확히 기억하면 문자 일치로 빠르게 좁힐 수 있다. 기억하는 것이 사진 속 사물이나 영상에서 들은 소리라면 의미가 가까운 자료를 먼저 찾는 것이 도움이 될 수 있다. 구글 시연이 집중한 것은 기기 안의 사진과 영상에서 문자 입력과 다른 형식의 자료를 연결하는 두 번째 경우다. [1][2]

우선 관련성이 높은 여러 후보를 돌려주는 서비스에서는 상위 결과에 찾는 파일이 있는지를 볼 수 있다. 문서를 찾기 위해 필요한 정확한 제목이나 숫자를 입력한 경우에는 원문 확인이 뒤따를 수 있다. 모든 검색 결과에 하나의 정확도 수치를 적용하기 전에 앱이 해결하는 검색 문제와 파일 유형, 벡터 차원 같은 조건을 함께 기록한다. 모델 공개와 실제 앱의 품질 검증이 서로 다른 작업인 이유다. [1][2]

시연에서 확인할 수 있는 범위

벡터가 가까운 결과는 학습된 표현에서 비슷하다고 판단한 자료다. 영상에 특정 사물이 확실히 있다는 판정이나 소개 자료에 없는 모든 기기에서 같은 검색 속도를 보장하는 값으로 사용할 수는 없다. 실제 앱에서는 자료 수, 처리할 종류, 검색의 정확도와 저장 공간을 함께 확인한다. 10월 공개 자료는 여러 형식의 자료를 같은 검색 절차로 비교하고 목적에 따라 표현 크기를 고를 수 있는 방법을 보여 준다. [1][2]

이 글에서 생긴 질문을 다른 관점으로 이어 읽어보세요.

CONNECTED NOTES

SOURCES & FURTHER READING

참고한 자료, 더 읽을 거리

글의 근거와 더 자세한 배경은 아래 원문에서 이어 읽을 수 있습니다.

01
구글

EmbeddingGemma 2 is a best-in-class open model for natively multimodal embeddings

↗
02
구글 개발자 블로그

Bring multimodal semantic search to the edge with EmbeddingGemma 2

↗
CIN

흩어진 소식을 연결하고,
일상의 질문에서 경제를 이해합니다.

블로그 소개 ↗