대화하는 사람들의 주변에 있는 사물을 비디오로 촬영하는 것만으로도 무슨 말이 오가는지를 알아낼 방법이 개발됐다.
4일 워싱턴포스트(WP) 인터넷판에 따르면 미국 매사추세츠공대(MIT) 연구원들은 음성이 사물에 가하는 미세한 진동을 비디오 이미지로 촬영한 뒤 이를 분석해 원래의 음성을 파악하는 알고리즘을 개발했다.
음성이 사물에 부딪히면서 생기는 진동은 미약해 때로는 비디오 이미지에는 수천분의 1 픽셀 정도로만 표시되기도 한다.
연구를 주도한 MIT 전기컴퓨터공학부의 대학원생 에이브 데이비스는 그러나 모든 음성 신호의 평균을 낸다면 알아들을 수 있는 음성을 추출할 수 있다면서 사물 전체를 정밀히 관찰하면 잡음을 걸러낼 수 있다고 말했다.
WP는 데이비스의 연구는 현재 마이크로소프트(MS) 연구소에서 일하는 마이클 루빈스타인이 MIT에 재학하던 지난 2012년 수혈 받을 때 피부색이 변하는 것을 포착할 목적으로 비디오 이미지의 미세 변화를 증폭하는 실험을 한데서 힌트를 얻어 이를 음성에도 적용해본 것이라며 그 결과는 놀라운 것이었다고 전했다.
데이비스는 과자를 담은 봉지를 방음 유리벽을 사이에 두고 15피트(약 4.5ｍ) 거리에서 비디오 카메라로 촬영했으며 이를 분석해 음성을 재구축했다.
과자 봉지가 놓여 있던 방에서 누군가가 "메리에게는 새끼 양 한 마리가 있네"라고 말한 장면을 비디오에서 오디오로 추출한 결과는 그리 명료하지 않았으나 단어들을 해독하기에는 충분했다.
이런 작업에는 고속 카메라가 필요한데, 연구원들이 사용한 것은 초당 2천~6천 프레임 정도여서 현재 시중에서 판매되는 초고속 카메라의 초당 10만 프레임에는 비할 바가 못 되는 제품이었다.
데이비스는 롤링 셔터 방식을 이용하면 훨씬 싼 카메라도 사용할 수 있다면서 이를 활용하면 카메라의 실제 프레임 레이트(연속된 이미지들을 촬영하거나 재현하는 속도의 비율)보다 몇배나 빠른 주파수를 갖는 음성도 재현할 수 있다고 말했다.
롤링 셔터는 화면 전체를 단번에 잡는 게 아니라, 좌우 혹은 위아래로 스캔하면서 미세한 시간차를 두고 이미지를 잡아내는 방식이어서 실제의 프레임 레이트보다 훨씬 더 높은 속도로 이미지 정보를 인코딩할 수 있다는 것이다.
(서울=연합뉴스)
데이비스는 이 기술이 분명히 한계가 있다면서 기존 방법보다 더 나은 것은 아닐지 모른다고 말했다.
그러면서도 "종전에는 아무것도 들을 수 없던 상황에서 음성을 찾아내는 데 이 방법을 사용할 수 있을 것으로 본다"면서 법의학 분야에 적용할 도구를 하나 더 보탠 셈"이라고 덧붙였다.