인공지능

MagicTime: AI 생성 타임랩스 비디오의 획기적인 혁신

게시일 2025년 5월 14일

업데이트일 2026년 9월 20일

작성자

David Hamilton

Securities.io를 Google의 선호 소스에 추가

로체스터대학교, 베이징대학교, 캘리포니아대학교 산타크루즈 캠퍼스, 싱가포르국립대학교 연구진은 글로 묘사한 변화를 타임랩스 영상으로 만드는 MagicTime을 개발했다. 식물이 자라거나 건물이 지어지는 과정을 영상으로 표현하는 모델이다. 연구는 2025년 IEEE Transactions on Pattern Analysis and Machine Intelligence에 발표됐다. 결과물이 그럴듯해 보인다는 사실이 물리 현상을 정확히 예측한다는 뜻은 아니다.

시간에 따른 변화를 표현하기 어려운 이유

한 장의 설득력 있는 그림을 만드는 것과 꽃이 피는 전 과정을 일관된 영상으로 만드는 것은 다르다. 연속 프레임에서 형태와 움직임, 사건의 순서가 맞아야 한다. 기존 텍스트 기반 영상 모델은 움직임이 부족하거나 중간 변화가 어색한 경우가 있었다. MagicTime은 이런 변형 과정을 더 자연스럽게 보여 주는 데 초점을 맞췄다.

MagicTime의 작동 방식

연구진은 상세한 설명을 붙인 타임랩스 영상 2,000개 이상으로 ChronoMagic 데이터셋을 구성했다. 논문에 따르면 MagicAdapter는 기존 텍스트-영상 모델에 공간과 시간의 변화 패턴을 학습시키고, Dynamic Frames Extraction은 변화가 잘 드러나는 프레임을 고르며, Magic Text-Encoder는 입력 문장의 해석을 돕는다. 모델은 영상 사례에서 패턴을 학습할 뿐, 자연법칙을 독립적으로 증명하지는 않는다.

출처: 로체스터대학교

생성된 영상의 사양과 연구 결과

로체스터대학교에 따르면 공개된 U-Net 버전은 512 × 512픽셀, 초당 8프레임으로 2초 길이의 영상을 만든다. 별도의 확산 트랜스포머 구조는 길이를 최대 10초로 늘린다. 식물의 변화, 빵 굽기, 건물 건설 등이 예시다. 이 영상은 시각적 생성 결과이며, 검증된 과학 시뮬레이션이나 실험 측정치가 아니다.

활용 가능성과 한계

이런 영상은 교육 자료, 엔터테인먼트, 연구 아이디어의 초기 시각화에 도움이 될 수 있다. 연구진은 향후 가설을 더 빠르게 탐색하는 도구가 되기를 기대하지만, 최종 검증에는 실제 실험이 필수라고 강조한다. 이번 연구가 MagicTime으로 실험실 검사를 대체하거나 비용을 줄였음을 입증한 것은 아니다.

U-Net 버전은 공개 모델로 제공된다. 다른 연구자가 이를 평가하거나 개선할 수 있지만, 새로운 용도마다 별도의 정확도 검증이 필요하다.