압축 기반 빠른 유사도 측정법과 색상 이미지 검색 적용

초록

본 논문은 사전 기반 압축 기법을 활용한 Fast Compression Distance(FCD)를 제안한다. 기존 압축 기반 유사도 측정은 계산 복잡도가 높아 대규모 데이터에 적용이 어려웠으나, FCD는 사전 생성과 교집합 연산만으로 복잡도를 크게 낮춘다. 이를 색상 이미지에 적용한 콘텐츠 기반 이미지 검색 시스템을 구현하고, 전통적인 색상 불변 특성 기반 방법들과 비교 실험을 수행한다. 실험 결과, FCD는 동일하거나 더 높은 검색 정확도를 유지하면서 처리 속도가 현저히 개선됨을 보여준다.

상세 분석

본 연구는 압축 기반 유사도 측정의 근본적인 한계인 시간·공간 복잡도를 사전(dictionary) 기반 접근으로 해결하고자 한다. 기존의 Normalized Compression Distance(NCD)는 두 객체를 하나의 문자열로 결합한 뒤 압축률을 비교하는 방식으로, 압축 엔진에 따라 결과가 달라지고, 특히 대용량 데이터셋에서는 압축·복원 과정이 병목이 된다. 저자들은 LZW와 같은 사전 기반 압축기를 선택하고, 각 이미지에 대해 색상 채널을 순차적으로 나열한 문자열을 생성한 뒤, 해당 문자열을 압축하면서 사전을 구축한다. 핵심 아이디어는 두 이미지의 사전을 비교하여 교집합 크기를 직접 계산함으로써 압축률을 추정하는 것이다. 즉, 압축된 길이 L(x)와 L(y) 대신 사전 크기 |D(x)|, |D(y)|, 그리고 교집합 |D(x)∩D(y)|를 이용해

 FCD(x,y)=1−|D(x)∩D(y)| / max(|D(x)|,|D(y)|)

라는 식을 정의한다. 이 식은 압축 엔진의 내부 동작을 명시적으로 활용하므로, 동일한 압축 알고리즘을 사용하더라도 구현 차이에 민감하지 않다. 또한 사전은 한 번 생성하면 여러 쿼리 이미지와 재사용 가능하므로, 전체 복잡도는 O(N·|D|) 수준으로 감소한다.

색상 이미지에 적용하기 위해 저자들은 RGB 3채널을 각각 독립적인 문자열로 변환하고, 채널 간 순서를 고정함으로써 색상 정보를 보존한다. 사전 생성 시에는 8비트 색상값을 그대로 사용해 알파벳 크기를 256으로 제한하고, 사전 최대 크기를 2^16으로 설정해 메모리 사용을 제어한다. 이러한 설계는 색상 분포와 텍스처 정보를 동시에 포착하면서도, 전통적인 색상 히스토그램이나 색상 순간값(moment) 기반 방법보다 더 풍부한 구조적 정보를 제공한다.

실험에서는 Corel, Caltech-101, 그리고 자체 구축한 10만 장 규모의 컬러 이미지 데이터베이스를 사용했다. 평가 지표는 정밀도·재현율·Mean Average Precision(mAP)이며, 비교 대상은 HSV 히스토그램, 색상 순간값, 그리고 최근의 딥러닝 기반 특징 추출기이다. 결과는 FCD가 mAP 기준으로 2~5% 향상을 보였으며, 특히 대규모 데이터셋에서 검색 시간은 기존 NCD 대비 10배 이상 단축되었다. 이는 사전 기반 교집합 연산이 압축·복원 과정을 회피함으로써 얻은 실질적인 이점이다.

또한 저자들은 FCD가 압축 엔진에 종속적이지만, 사전 구조 자체가 데이터의 내재적 패턴을 반영한다는 점을 강조한다. 따라서 사전 크기와 교집합 비율은 데이터 복잡도와 유사도에 대한 직관적인 해석을 가능하게 하며, 향후 클러스터링이나 이상 탐지와 같은 비지도 학습에도 활용 가능할 것으로 기대한다.

요약하면, 본 논문은 사전 기반 압축 거리(FCD)를 통해 압축 기반 유사도 측정의 계산 효율성을 크게 개선하고, 색상 이미지 검색에 적용함으로써 기존 방법과 동등하거나 우수한 성능을 입증하였다. 이는 압축 이론과 실용적인 정보 검색 사이의 연결 고리를 강화하는 중요한 기여라 할 수 있다.