※ 26년 신규 개방되는 데이터로, 데이터 활용성 검토, 이용자 관점의 개선의견 수렴 등을 통해 수정/보완될 수 있으며 최종데이터, 샘플데이터, 산출물 등은 변경될 수 있습니다
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2026-06-05 데이터 개방 Beta Version 소개
한국적 분위기를 담고 있으면서도 활용도가 높은 스톡 콘텐츠 (Stock Contents) 발굴을 위해 시각적·맥락적으로 재구성된 멀티모달(이미지-텍스트) 데이터
구축목적
• 글로벌 스톡 콘텐츠의 영어·서구권 편중을 해소하기 위해 한옥·사찰·전통예술·한식 등 한국적 문화·맥락 정보를 담은 고품질 멀티모달 이미지-텍스트 데이터 구축 • 이미지에 대한 시각적·직관적 이해뿐 아니라 문화적·맥락적인 이해가 가능하도록 Chain of Thought (CoT) 방식을 활용하여 라벨링
-
메타데이터 구조표 데이터 영역 영상이미지·멀티모달 데이터 유형 텍스트 , 이미지 데이터 형식 png 데이터 출처 SBS 라벨링 유형 이미지 검색 (이미지, 텍스트) 라벨링 형식 json 데이터 활용 서비스 텍스트를 토대로 이미지 검색 데이터 구축년도/
데이터 구축량2025년/원천데이터 (이미지) 52,463장 라벨링데이터 (텍스트) 52,463건 ** 라벨링데이터의 파일 수는 원천데이터와 동일하나 총 문장 수는 1,154,186 -
- 데이터 구축 규모
- 데이터 구축 규모 구축 데이터 담당기관 수량 ① 이미지
➁ 텍스트트위그팜 ① 52,463건
➁ 52,463건
** 파일 수는 이미지와 동일하나 문장 수는 총 1,154,186- 데이터 분포
- 데이터 분포 1차 경로 2차 경로 3차 경로 제출 수량 1. 원천데이터 image LF 8,063 LM 8,126 UR 5,448 FD 8,587 IN 8,638 CU 5,387 NT 8,214 2. 라벨링데이터 LF - 8,063 LM - 8,126 UR - 5,448 FD - 8,587 IN - 8,638 CU - 5,387 NT - 8,214 총 수량 이미지 52,463 텍스트 52,463 ※LF: Lifestyle (일상/생활), LM: Landmark (지역/랜드마크), UR: Urban (도시/인프라), FD: Food (음식/식재료), IN: Industry (산업/기술), CU: Culture (문화/사회), NT: Nature (환경/자연)
-
유효성 검증 모델 학습 및 검증 조건 개발 언어 Python 3.10.13 프레임워크 torch (2.0.1+cu118) 학습 알고리즘 VAST 학습 조건 "gradient_accumulation_steps":1,
"clip_lr":5e-7,
"optim":"adamw",
"learning_rate":1e-4,
"betas":[0.9, 0.98],
"weight_decay":0.01,
"grad_norm":2.0,
"warmup_ratio":0.1,
"resume":false,
"seed":50,
"fp16":true,
"bf16":false,
"zero_shot":false,
"scheduler":"warmup_linear"파일 형식 원본 데이터: png, json 전처리 후 데이터: img, json 전체 구축 데이터 대비
모델에 적용되는 비율• 100% (모델에 입력되는 input의 형태를 고려하여 이미지 50,000개 이상을 학습에 이용)
• 이미지: 총 50,000건 이상 (영어, 한글)모델 학습 과정별
데이터 분류 및 비율 정보한글
• Training: 41,970
• Validation: 5,249
• Test: 5,244
• 총 52,463건 -
- 데이터 구성
- 데이터 구성 1차 경로 2차 경로 3차 경로 제출 수량 1. 원천데이터 image LF 8,063 LM 8,126 UR 5,448 FD 8,587 IN 8,638 CU 5,387 NT 8,214 2. 라벨링데이터 LF - 8,063 LM - 8,126 UR - 5,448 FD - 8,587 IN - 8,638 CU - 5,387 NT - 8,214 총 수량 이미지 52,463 텍스트 52,463 ※LF: Lifestyle (일상/생활), LM: Landmark (지역/랜드마크), UR: Urban (도시/인프라), FD: Food (음식/식재료), IN: Industry (산업/기술), CU: Culture (문화/사회), NT: Nature (환경/자연)
- 어노테이션 포맷
- 어노테이션 포맷 구분 영문 필드명 타입 내용 및 기준 필요여부 A_메타정보 프로그램 제목 program_title string 생방송 투데이 필수 방송회차 고유ID ep_id string EP1234 필수 방송일자 ep_date int 2024-03-15 필수 수집 키워드 search_keyword string 한옥마을 필수 원시 데이터 유형 data_type string 이미지 필수 저작권 허용 여부 license string SBS 필수 타임코드 timecode int 00:12:45~00:12:55 필수 시리얼 넘버 image_id string 공동작업관리위해 이미지에 부여한 번호(파일명) 필수 이미지 크기 resolution string 이미지 픽셀 크기 필수 DPI DPI int Dot Per Inch, 이미지 픽셀 밀도 필수 심도 bitdepth int 이미지 심도가 높을수록 픽셀당 색상 정보가 많이 저장 필수 B_캡셔닝 데이터 질문 영문 question_en string 이미지에 대한 질문에 해당하는 문장 필수 캡션 영문 1 caption_en_1 string 이미지에 대한 시각정보(캡션) 영문 문장 1 필수 캡션 영문 2 caption_en_2 string 이미지에 대한 시각정보(캡션) 영문 문장 2 필수 캡션 영문 3 caption_en_3 string 이미지에 대한 시각정보(캡션) 영문 문장 3 필수 캡션 영문 4 caption_en_4 string 이미지에 대한 시각정보(캡션) 영문 문장 4 필수 캡션 영문 5 caption_en_5 string 시각정보를 기반으로 추론 영문 문장 1 필수 캡션 영문 6 caption_en_1 string 시각정보를 기반으로 추론 영문 문장 2 필수 캡션 영문 7 caption_en_2 string 시각정보를 기반으로 추론 영문 문장 3 필수 캡션 영문 8 caption_en_8 string 시각정보를 기반으로 추론 영문 문장 4 필수 캡션 영문 9 caption_en_9 string 시각정보를 기반으로 추론 영문 문장 5 필수 캡션 영문 10 caption_en_10 string 시각정보를 기반으로 추론 영문 문장 6 필수 캡션 영문 11 caption_en_11 string 추론의 최종 결론 영문 문장 필수 질문 국문 question_ko string 이미지에 대한 질문에 해당하는 문장 필수 캡션 국문 1 caption_ko_1 string 이미지에 대한 시각정보(캡션) 국문 문장 1 필수 캡션 국문 2 caption_ko_2 string 이미지에 대한 시각정보(캡션) 국문 문장 2 필수 캡션 국문 3 caption_ko_3 string 이미지에 대한 시각정보(캡션) 국문 문장 3 필수 캡션 국문 4 caption_ko_4 string 이미지에 대한 시각정보(캡션) 국문 문장 4 필수 캡션 국문 5 caption_ko_5 string 시각정보를 기반으로 추론 국문 문장 1 필수 캡션 국문 6 caption_ko_6 string 시각정보를 기반으로 추론 국문 문장 2 필수 캡션 국문 7 caption_ko_7 string 시각정보를 기반으로 추론 국문 문장 3 필수 캡션 국문 8 caption_ko_8 string 시각정보를 기반으로 추론 국문 문장 4 필수 캡션 국문 9 caption_ko_9 string 시각정보를 기반으로 추론 국문 문장 5 필수 캡션 국문 10 caption_ko_10 string 시각정보를 기반으로 추론 국문 문장 6 필수 캡션 국문 11 caption_ko_11 string 추론의 최종 결론 국문 문장 필수 C_추가라벨링 데이터 영문 토큰 개수 words_per_caption_en int 캡션 영문에 대한 총 토큰 수 필수 국문 토큰 개수 words_per_caption_ko int 캡션 국문에 대한 총 토큰 수 필수 대분류 category_1 string 텍스트 콘텐츠의 라벨링을 위한 최상위 분류 항목
(예: 문화, 교육, 뉴스 등)필수 중분류 category_2 string 대분류 내 세부 항목을 정의한 중간 단계 분류
(예: 뉴스 –> 정치/사회/경제 등)필수 소분류 category_3 string 중분류 내 더 세분화된 하위 항목
(예: 정치 -> 선거/입법/외교 등)필수 종합추론 분류 category_r string 종합추론 결과를 분류하기 위한 카테고리 필수 - 최종데이터 포맷 (실제 예시)
{
"A_메타정보": {
"프로그램 제목": "모닝와이드 2부",
"방송회차 고유ID": "PRGTM_202211150014",
"방송일자": "20221213",
"수집 키워드": "공사장",
"원시 데이터 유형": "이미지",
"저작권 허용 여부": "SBS",
"타임코드": "00:15:19",
"시리얼 넘버": "IN_00003",
"이미지 크기": "1280x720",
"DPI": 96,
"심도": 32
},
"B_캡셔닝 데이터": {
"질문 영문": "Describe this image visually and infer the meaning of the \"intention and purpose\" it contains.",
"캡션 영문 1": "A tower cranes stand amidst high-rise frames, consistently hoisting heavy steel beams upward.",
"캡션 영문 2": "Several bulky concrete blocks are wrapped in bright orange safety netting layered like terraces.",
"캡션 영문 3": "Long rows of blue storage containers and bundled materials are neatly lined across the dusty ground.",
"캡션 영문 4": "A curving trail of tire marks, left by excavation machinery, streaks across the bare soil.",
"캡션 영문 5": "Such organized arrangement of frames and equipment indicates the contractor’s intent to complete a massive residential complex swiftly.",
"캡션 영문 6": "The systematic placement of safety nets and containers further suggests a deliberate purpose of minimizing accidents while regulating worker movement.",
"캡션 영문 7": "Continuing construction in winter implies stakeholders are under pressure to meet a fixed move-in schedule without delay.",
"캡션 영문 8": "By elevating new towers that harmonize with nearby apartments, planners aim to boost neighborhood value and urban cohesion.",
"캡션 영문 9": "The remaining wide earth area foreshadows forthcoming amenities designed to enhance future residents’ everyday convenience.",
"캡션 영문 10": "Overall, the simultaneous bustling operations converge on a comprehensive objective of maximizing investment returns and city competitiveness.",
"캡션 영문 11": "Ultimately, the snow-dusted site testifies to a collective resolve balancing safety, speed, and profit to shape a new urban living horizon.",
"질문 국문": "이 이미지를 시각적으로 묘사하고 이 이미지에 담긴 ‘의도 및 목적'의 의미를 추론하라.",
"캡션 국문 1": "타워 크레인이 높은 아파트 단지 앞에서 철근 구조물을 들어 올리고 있다",
"캡션 국문 2": "주황색 안전망으로 둘러싸인 여러 동의 콘크리트 골조가 흰 눈 위에 층층이 올라가 있다",
"캡션 국문 3": "현장 중앙에는 파란색 컨테이너와 자재 더미가 길게 나열되어 정돈된 모습을 보인다",
"캡션 국문 4": "왼쪽 흙바닥에는 굴착기가 남긴 곡선형 타이어 자국이 뚜렷하게 이어지고 있다",
"캡션 국문 5": "이처럼 복잡하게 배치된 골조와 장비는 대규모 주거 시설을 신속히 완공하려는 시공사의 효율적 계획을 보여 준다",
"캡션 국문 6": "안전망과 컨테이너 배치는 현장에서 발생할 수 있는 사고를 최소화하며 노동자들의 동선을 체계적으로 관리하려는 목적을 드러낸다",
"캡션 국문 7": "겨울철에도 이어지는 공사는 입주 일정에 맞춰 시간을 절약하려는 이해관계자들의 강한 압박이 반영된 결과로 보인다",
"캡션 국문 8": "주변 기존 아파트 단지와의 통일감을 유지하면서 새 건물을 높이 띄우는 설계는 지역 가치 상승을 노린 전략적 의도가 담겨 있다",
"캡션 국문 9": "넓은 흙바닥에 남은 공간은 앞으로 추가적인 설비와 편의시설을 수용해 입주민의 생활 편의를 극대화하려는 계획을 예고한다",
"캡션 국문 10": "따라서 현장 전체에서 느껴지는 바쁜 동시다발적 공정은 투자 수익과 도시 경쟁력을 높이려는 종합적 목적으로 연결된다",
"캡션 국문 11": "결국 눈덮인 공사장은 안전과 속도 그리고 경제적 이익을 조율하며 새로운 도시 주거 지평을 열고자 하는 집단적 의지를 힘 있게 증언하고 있다"
},
"C_추가라벨링 데이터": {
"영문 토큰 개수": 184,
"국문 토큰 개수": 159,
"대분류": "산업/기술",
"중분류": "산업",
"소분류": "건축/건설",
"종합추론 분류": "의도 및 목적"
}
} -
데이터셋 구축 담당자
수행기관(주관) : 트위그팜
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 최규동 02-1833-5926 ken.choi@twigfarm.net 총괄 담당자 수행기관(참여)
수행기관(참여) 기관명 담당업무 디노티시아 데이터 가공 및 AI 모델 개발, 유효성 검증 지로 데이터 수집, 데이터 정제 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 최규동 02-1833-5926 ken.choi@twigfarm.net 송수민 02-1833-5926 sumin.song@twigfarm.net AI모델 관련 문의처
AI모델 관련 문의처 담당자명 전화번호 이메일 이승재 02-588-1002 seungjae.lee@dnotitia.com 문성현 02-588-1002 sunghyun@dnotitia.com 저작도구 관련 문의처
저작도구 관련 문의처 담당자명 전화번호 이메일 최규동 02-1833-5926 ken.choi@twigfarm.net 송수민 02-1833-5926 sumin.song@twigfarm.net
-
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.
-
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