Beamr의 벤치마크 테스트, 자율주행차를 위한 ML-Safe 비디오 데이터 워크플로우 검증

빔R, 자율주행차 영상 데이터 압축 기술로 스토리지 50% 절감 효과 입증

[2025년 12월 22일] 비디오 최적화 기술 선도 기업 Beamr Imaging Ltd.(NASDAQ: BMR)가 자체 개발한 콘텐츠 적응형 비트 전송률(CABR) 기술이 자율주행차(AV) 영상 데이터의 스토리지 용량을 최대 50%까지 줄일 수 있다는 벤치마크 테스트 결과를 발표했습니다. 이번 테스트는 머신러닝(ML) 모델의 정확도 역시 종합적으로 검증했습니다.

Beamr은 이번 테스트 결과를 바탕으로 CES 2026에 참가하는 자율주행차 팀 및 개발자들에게 미팅을 제안했습니다. 라스베이거스에서 2026년 1월 6일부터 9일까지 열리는 CES 2026에서 Beamr의 영상 데이터 전문가들과 만나 이번 테스트 결과와 ML 안전성을 갖춘 AV 파이프라인 구축에 대해 논의할 수 있습니다. 미팅 예약은 해당 링크를 통해 가능합니다.

이번 테스트는 자율주행차 개발의 핵심 과제인 방대한 양의 실제 및 합성 영상 데이터와 ML 모델 성능에 필요한 충실도 유지 사이의 균형을 맞추는 문제를 해결하는 데 중점을 두었습니다. 자율주행 시스템은 수백 페타바이트에 달하는 다중 카메라 영상을 생성하며, 이는 상당한 예산 및 인프라 비용을 발생시킵니다.

Beamr 최고 제품 책임자 Dani Megrelishvili는 "자율주행차 팀은 ML 파이프라인의 무결성을 위험에 빠뜨리지 않으면서 대규모 영상 데이터를 관리할 수 있는 검증된 접근 방식이 필요합니다"라며, "이번 벤치마크 테스트는 ML 모델 정확도에 2% 미만의 영향을 미치면서도 상당한 압축 효율성을 달성하는 변환이 가능하다는 것을 입증했습니다."라고 밝혔습니다.

벤치마크 테스트는 실제 다중 카메라 자율주행차 데이터셋인 PandaSet을 사용하여 Beamr의 CABR 기술과 업계 표준 워크플로우를 비교했습니다. 검증은 자율주행차 인식 시스템의 기본 작업인 객체 탐지에 초점을 맞추었으며, YOLOv8(Nano) 모델을 CABR 압축 전후 영상에 적용했습니다. 분석은 자율주행차 산업에서 가장 보편적인 클래스인 사람, 자동차, 오토바이, 트럭에 대한 모델 정확도를 측정했습니다.

테스트 결과, CABR은 평균 파일 크기를 약 48% 줄이면서 객체 탐지 신뢰도 표준 지표인 평균 정밀도(mAP)에서 2% 미만의 차이를 보였습니다. 또한 PSNR 및 LPIPS와 같은 다른 업계 표준 품질 지표에서도 일관된 결과를 확인했습니다.

전체 벤치마크 테스트 방법론 및 결과는 Beamr의 블로그 게시물에서 확인할 수 있습니다.

CES 2026 미팅 예약은 해당 링크를 통해 가능합니다.

Beamr(Nasdaq: BMR)은 Netflix 및 Paramount를 포함한 최고 미디어 기업들이 신뢰하는 콘텐츠 적응형 비디오 압축 분야의 세계적인 선두 기업입니다. Beamr의 지각 최적화 기술(CABR)은 53개의 특허를 보유하고 있으며, 기술 및 엔지니어링 에미상 수상 경력을 자랑합니다. 이 혁신적인 기술은 품질을 유지하면서 비디오 파일 크기를 최대 50%까지 줄이고 AI 기반 향상을 가능하게 합니다.

Beamr은 미디어 및 엔터테인먼트, 사용자 생성 콘텐츠, 머신러닝, 자율주행차와 같은 고성장 시장 전반에 걸쳐 효율적인 비디오 워크플로우를 지원합니다. 온프레미스, 프라이빗 또는 퍼블릭 클라우드를 포함한 유연한 배포 옵션을 제공하며, Amazon Web Services(AWS) 및 Oracle Cloud Infrastructure(OCI) 고객에게 편리하게 제공됩니다.