-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2025-06-23 데이터 개방 Beta Version 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2025-06-23 산출물 전체 공개 소개
한국 고유의 자연 및 시대 배경이 촬영된 영상의 장면 및 맥락 이해를 위한 상세 설명문 데이터 구축
구축목적
고품질의 대한민국 배경영상 데이터셋 구축을 통한 미디어·콘텐츠 분야 멀티모달 AI 모델 및 솔루션 개발 기반 마련
-
메타데이터 구조표 데이터 영역 영상이미지 데이터 유형 비디오 데이터 형식 *.mp4 데이터 출처 자체 제작 라벨링 유형 설명문(Description) 라벨링 형식 *.json 데이터 활용 서비스 배경영상 상세 설명문 생성 데이터 구축년도/
데이터 구축량2024년/- 원천 데이터(배경영상): 10,701건 - 라벨링 데이터(설명문): 10,701건 -
1. 데이터 구축 규모
1. 데이터 구축 규모 데이터명 원천데이터 수량 라벨링 데이터 수량 대한민국 배경영상 상세 설명문 데이터 영상 클립 10,701건 설명문 10,701건 - 라벨링 데이터 총 캡션 어절 수: 1,477,814어절(띄어쓰기 기준)
2. 데이터 분포
2. 데이터 분포 클래스 구분 구축 비율 대분류 소분류 수량 비중 자연 2010년 이후 2,153 20.12% 1990년~2010년 966 9.03% 1990년 이전 561 5.24% 시가지 2010년 이후 2,503 23.39% 1990년~2010년 1,169 10.92% 1990년 이전 637 5.95% 건축물 2010년 이후 1,592 14.88% 1990년~2010년 716 6.69% 1990년 이전 404 3.78% 합계 10,701 100% - 원천데이터 수집 후 자체 품질 검증 과정에서 폐기되는 수량이 발생하여 목표 비율 대비 약간의 오차 발생
-
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드- 거대 멀티 모달 모델 (Large Multimodal Model)
기존 거대 언어 모델 (Large Language Model)이 텍스트 데이터만 처리하는 것과 달리 텍스트, 이미지, 비디오, 오디오 등 다양한 유형의 데이터를 입·출력 할 수 있는 인공지능 모델- 활용 모델
본 과제에서는 사전 학습된 LLaVA-Next-Video 모델에 대한민국 배경영상 구축 데이터를 fine-tuning하여 대한민국 배경영상 상세 설명문 작성 모델을 개발- 활용 모델 AI모델 task AI모델(후보) 성능 지표 및 목표값 Data I/O 생성 LLaVA-Next METEOR: 0.18 이상 Input data : 비디오 output data : 설명문 
- (선정사유) LLaVA의 최신 버전으로 이미지 입력 외에 비디오 입력 모델도 개발되었고, Open Large Multimodal Model 중 가장 연구가 활발하게 진행, Apache-2.0 License로 학습 코드 및 가중치를 자유롭게 활용 가능
- (선행연구) Video-MME benchmark에서 24년 9월, LLaVA-Next의 파생 모델인 LLaVa-Video 모델이 70.6/76.9 점 기록 (wo/w subs)(GPT-4o는 71.9/77.2 점으로 동등한 수준으로 평가)
- 사전 학습 가중 치 및 코드 출처: https://github.com/LLaVA-VL/LLaVA-NeXT
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드1. 데이터 구성
1. 데이터 구성 획득/처리 방법 유형/포맷 공개여부 원시
데이터- 한국 고유의 자연 및 시대 배경이 촬영된 영상 소재 200시간 이상 수집 *.mp4 미공개 - 수행기관(문화방송)이 직접 제작한 뉴스 및 시사교양 프로그램 영상 - 총수량: 4TB(약 300시간) 이상 원천
데이터- 수집한 원시데이터에서 한국 고유의 배경이 촬영된 부분을 클리핑한 영상 클립 *.mp4 공개 - 오디오 제거 및 개인정보 비식별화 과정 수행 - 총수량: 10,701 클립 라벨링
데이터- 대한민국 배경영상 클립에 대한 상세한 설명문 작성(500자 이상) *.json 공개 - 총수량: 10,701 건 2. 어노테이션 포맷
2. 어노테이션 포맷 구분 속성명 타입 필수
여부설명 1 info object 데이터셋 정보 1-1 dataset_name string Y 데이터셋 명칭 1-2 version string Y 데이터셋 버전 1-3 year string Y 데이터셋 생성년도 2 category array 카테고리 정보 2-1 background string Y 배경 카테고리 2-2 year string Y 연도 카테고리 3 video array 원본영상 정보 3-1 id string Y 영상 아이디 3-2 width number Y 영상 너비 3-3 height number Y 영상 높이 3-4 file_name string Y 영상 파일명 4 clip array 클립영상 정보 4-1 id number Y 클립 넘버 4-2 file_name string Y 클립영상 파일명 4-3 depth string Y 클립 계층정보 4-4 length string Y 클립 길이 4-5 width number Y 클립 너비 4-6 height number Y 클립 높이 4-7 format string Y 클립 확장자 4-8 ratio string Y 클립 비율 4-9 fps number Y 클립 FPS 4-10 bitrate string Y 클립 비트레이트 5 annotation array 어노테이션 정보 5-1 id number Y 어노테이션 아이디 5-2 description_kr string Y 국문 Descripton 5-3 description_en string N 영문 Description 3. 데이터 포맷
- 원시 데이터: *.mp4
- 원천 데이터: *.mp4
- 라벨링 데이터: *.json4. 실제 예시
4. 실제 예시 원천데이터 예시 이미지 
※ 영상 클립을 캡처한 예시 이미지이며, 원천데이터는 영상임
라벨링데이터 예시 이미지 
-
데이터셋 구축 담당자
수행기관(주관) : ㈜문화방송
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 권석원 02-789-0011 mbcaxteam@mbc.co.kr 사업 총괄 및 데이터 획득/수집, 데이터 정제 수행기관(참여)
수행기관(참여) 기관명 담당업무 ㈜데이터메이커 데이터 정제, 데이터 가공/검수, 저작도구 개발 ㈜엘지경영개발원 AI연구원 AI 모델 개발 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 권석원 02-789-0011 mbcaxteam@mbc.co.kr 유영진 02-789-0011 mbcaxteam@mbc.co.kr AI모델 관련 문의처
AI모델 관련 문의처 담당자명 전화번호 이메일 이시행 02-3773-5999 sihaeng.lee@lgresearch.ai 이건희 02-3773-5999 gunhee.lee@lgresearch.ai 저작도구 관련 문의처
저작도구 관련 문의처 담당자명 전화번호 이메일 권기락 070-7139-9784 kirak.kwon@datamaker.io 이도영 070-7139-9784 doyeong.lee@datamaker.io
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.
오프라인 데이터 이용 안내
본 데이터는 K-ICT 빅데이터센터에서도 이용하실 수 있습니다.
다양한 데이터(미개방 데이터 포함)를 분석할 수 있는 오프라인 분석공간을 제공하고 있습니다.
데이터 안심구역 이용절차 및 신청은 K-ICT빅데이터센터 홈페이지를 참고하시기 바랍니다.
국방데이터 개방 안내
본 데이터는 국방데이터로 군사 보안에 따라 AI허브에서 데이터를 제공하지 않으며,
군 담당자를 통한 별도의 사용 신청이 필요합니다.