Untitled

ArchiTag – 대통령기록관 시청각기록 메타데이터 자동 생성 시스템

---

🎯 Executive Summary

• 문제:

  대통령 시청각기록물은 관리용 메타데이터는 존재하지만, 내용 기반 메타데이터(Description, Subject)는 선택 요소이며 수작업에 의존하여 실제로는 공백 상태가 발생한다

• 해결:

  VLM을 활용하여 이미지로부터 Description(내용 기술)과 행사 카테고리를 자동 생성하고,

  이를 기존 메타데이터와 비교하여 AI 보조(HITL) 기록관리 워크플로우의 실효성을 검증한다

• 결과 (목표):

  • Description 품질 (BERTScore, ROUGE)
  • 행사 분류 성능 (Macro F1)
  • 처리시간 및 재작업률 변화

• 다음 단계:

  • 데이터 수집 및 어노테이션 기준 정의
  • VLM 기반 생성 실험
  • HITL 워크플로우 비교 분석

---

1. 배경·목표

핵심 문제 정의

• 메타데이터는 두 계층으로 구성됨:
  • 관리 메타데이터 → 자동 생성
  • 내용 메타데이터 → 수작업 입력
• 문제:
  • Description / Subject = 선택 요소
  • 입력 방식 = 수작업
  • 작성 기준 = 없음

→ 결과:

• 내용 기반 검색 어려움
• 메타데이터 품질 불균일
• 대규모 데이터 적용 불가능

---

목표

• VLM 기반 내용 기술 자동 생성 가능성 검증
• 기존 메타데이터 체계 내에서 적용 가능성 실증
• AI + 인간 협업(HITL) 워크플로우 비교 분석

---

2. 성공 기준 (KPI)

(계획서에 명시된 지표만 유지)

• 행사 카테고리 분류: Macro F1
• Description 품질: BERTScore, ROUGE
• 처리시간
• 재작업률

---

3. 범위 (Scope)

포함

• 최근 2~3대 대통령 사진 기록물
• 이미지 기반 Description 생성
• 행사 카테고리 분류 (8종)
• AI vs 인간 vs HITL 비교

제외

• 비공개 기록물
• 영상/음성
• 실시간 처리
• 시스템 연동

---

4. 아키텍처

이미지 수집
  → 기존 메타데이터 수집
  → VLM 입력
  → Description + 카테고리 생성
  → NAK 메타데이터 필드 매핑
  → 성능 평가 (BERTScore / F1 등)
  → 3조건 비교 실험

---

5. 핵심 기능

1. Description 자동 생성

• 2~3문장 구조
• 장면 + 행사 맥락 기술
• NAK 8 ‘내용요약’ 대응

---

2. 행사 카테고리 분류

• 8개 카테고리
• multi-label (최대 2개)

---

3. AI vs 인간 비교

• 품질
• 처리시간
• 수정률

---

6. 기술 스택

• Python
• VLM (Qwen2.5-VL, LLaVA, Gemma)
• Ollama / 로컬 환경
• 평가: BERTScore, ROUGE, F1

---

7. 실험 설계

조건	방식
A	수작업 (파일럿)
B	AI 자동 생성
C	AI + 인간 검수

---

8. 평가 방법

모델 성능

• F1 (카테고리)
• BERTScore / ROUGE (Description)

워크플로우

• 처리시간
• 처리량
• 재작업률

---

9. 주요 가설

• VLM은 Description 생성 가능
• VLM은 행사 분류 수행 가능
• HITL 방식이 단독 방식 대비 효율적

---

10. 일정

월	내용
5월	데이터 수집
6월	모델 구축
7월	실험
8월	분석
9월	논문 작성

---