오늘날 생성형 AI는 이미지와 영상을 만드는 데 뛰어난 성능을 보여주고 있습니다.
그러나 실제 서비스 수준에서 ‘자연스러운 장면’을 만들기에는 여전히 큰 한계가 존재합니다.

예를 들어,

• 특정 브랜드의 톤앤매너를 지키면서
• 원본 UGC의 분위기를 해치지 않고
• 사용자 취향과 감정까지 반영하여
• 상품을 장면 안에 자연스럽게 배치하는 작업

이 네 가지를 동시에 해결한 기술은 아직 존재하지 않습니다.

Addeep은 이 문제를 풀기 위한 핵심 구조로 GPR Integrated Latent Space를 제시합니다.
이는 단순한 “멀티모달 임베딩”이 아니라, 콘텐츠·브랜드·상품·사용자·감정·맥락을
하나의 통일된 의미좌표계로 정렬하는 기술적 기반입니다.

---

1. 왜 Latent Space가 중요한가

AI가 세계를 이해하는 방식은 결국 “벡터 공간”입니다.
모든 개념을 숫자로 표현한 뒤,

• 가까우면 비슷한 의미
• 멀면 다른 의미
• 방향이 같으면 같은 성질

로 해석합니다.

문제는 기존 모델들이 각각 다른 기준으로 이 공간을 만들기 때문에
서로 연결하기가 어렵다는 점입니다.
이미지는 이미지대로, 텍스트는 텍스트대로, 행동 로그는 또 다른 방식으로 표현됩니다.

이렇게 분리된 공간에서는
“이 장면의 무드와 저 브랜드의 톤이 잘 맞는가?”,
“이 사용자의 현재 감정 상태와 어울리는 상품은 무엇인가?”
와 같은 다층적인 판단이 불가능합니다.

즉, 기존 AI는 부분적 이해는 가능하지만, 장면 수준의 종합적 판단은 불가능합니다.

---

2. GPR Integrated Latent Space의 차별점

Addeep의 Latent Space는 다음과 같은 점에서 기존 기술과 근본적으로 다릅니다.

(1) 모든 모달리티를 하나의 의미좌표계로 통합

이미지, 텍스트, 영상, 상품 메타정보, 브랜드 가이드, 사용자 행동 패턴 등
서로 전혀 다른 종류의 데이터를 동일한 의미 기준으로 재해석합니다.

즉,

• “브랜드의 톤”과
• “장면의 무드”와
• “사용자의 감정 축”과
• “상품이 가진 이미지적 성격”

이 네 가지가 모두 수학적으로 비교 가능한 상태가 됩니다. 이것이 바로 장면 조합 능력을 갖춘 AI의 전제조건입니다.

(2) 의미적 거리와 방향을 정확하게 정의

기존 추천 시스템의 latent space는 단순한 점수 예측용 공간에 가깝습니다.
반면 GPR z-space는 의미적 구조(geometry)를 가진 공간입니다.

• 거리(distance): 어울림·조화
• 방향(direction): 감성·톤의 성질
• 클러스터(cluster): 콘텐츠 계열 간 군집
• 경계(boundary): 브랜드가 허용하는 표현 범위
• 전이(transition): 사용자 마인드셋 변화의 궤적

이 구조 덕분에 AI는 “왜 이것이 어울리는지”를 판단할 수 있는 기반을 갖게 됩니다.

(3) 객체와 의도를 분리해 표현

z-space는 장면의 물리적 요소와 의도적 요소를 구분합니다.

• Object side: 콘텐츠, 브랜드, 상품, 배경
• Intent side: 사용자 상태, 감정, 컨텍스트, 마인드셋

이 구분은 이후 Transformer가 장면을 조립하는 과정—ACT Fusion—의 필수 전제입니다.

(4) 브랜드 안전성 및 규칙 적용 가능

브랜드는 “이런 분위기에는 우리 로고를 쓰지 않는다”,
“이런 색감은 금지한다” 등 명확한 정책을 갖고 있습니다.

GPR z-space는 이 규칙을 공간 내의 금지 영역(boundary)로 정의합니다. 즉, 생성 이전 단계에서부터 부적합한 조합을 원천 차단할 수 있습니다.

브랜드 안전성이 임베딩 수준에서 보장되는 구조는 Addeep 기술의 중요한 차별점입니다.

---

3. 왜 이 구조가 중요한가

(1) 장면 단위 생성이 가능해진다

기존 Diffusion은 한 장면을 예쁘게 그릴 수는 있어도 “장면 안에서의 모든 관계”를 이해하지는 못합니다.

반면 Addeep의 z-space는 “장면이 가진 의미적 기하 구조”를 명확히 정의하기 때문에
ACT Transformer가 이를 기반으로

• 상품 배치
• 톤 조합
• 브랜드 일관성
• 사용자 개인화
  를 모두 고려한 장면 단위 설계를 할 수 있습니다.

(2) 브랜드·사용자·콘텐츠의 동시 최적화

광고 생성에서 가장 어려운 지점은 브랜드와 사용자의 취향이 항상 일치하지 않는다는 점입니다.

그러나 z-space 구조에서는 브랜드의 성질과 사용자의 마인드셋을 벡터 연산을 통해 조정 가능한 상태로 만들 수 있습니다.

이것은 기존 모델이 제공하지 못했던 기능입니다.

(3) 산업적으로 재활용 가능한 AI 기반 기술

z-space는 특정 제품·광고 도메인에 국한되지 않습니다.
향후 다음 분야에서도 동일한 기반으로 확장 가능합니다.

• 쇼핑 및 추천 자동화
• 개인화된 영상 편집
• 브랜드 가이드 기반 생성
• 로봇/디바이스의 상황 인식 AI
• 컨텍스트 기반 상호작용 AI

즉, Addeep-GPR의 장기 확장성은 z-space가 “추론의 공통 기반”이기 때문에 확보됩니다.

GPR Integrated Latent Space는 Addeep 기술의 핵심 토대

GPR Integrated Latent Space는 단순한 임베딩 기술이 아닙니다.
광고·콘텐츠·사용자 개인화·브랜드 규칙·상품 속성을 하나의 통일된 의미체계로 정렬하는 AI 기반 구조입니다.

이 통합 공간이 존재하기 때문에 ACT Transformer는 장면의 의미를 조립할 수 있으며,
최종적으로는 기존 생성형 AI가 해결하지 못했던 자연스러운 PPL, 브랜드 일관성, 개인화 콘텐츠 생성이 가능합니다.

즉, z-space는 Addeep 기술이 가진 가장 근본적이며 결정적인 차별점이며,
Addeep이 추구하는 “증강 AI 기반 콘텐츠 생성”의 출발점입니다.

© 2025 Addeep Inc. All rights reserved.

본 게시물은 ㈜애딥(Addeep Inc.)의 독점적 저작물로서, 텍스트, 이미지, 구조, 설명, 기술적 내용 등 일체는 관련 법령에 따라 보호됩니다. 무단으로 복제, 배포, 편집, 전송, 스크래핑, 2차적 저작물 작성 등을 하는 행위는 저작권법 및 부정경쟁방지법 위반에 해당할 수 있으며, 사전 서면 동의 없는 사용을 금합니다.