사진 수천 장도 '주제별'로 자동 분류할 수 있을까?

무슨 연구인가

정치 뉴스나 SNS에는 글만큼이나 사진이 넘쳐납니다. 이 연구는 글을 주제별로 묶던 '토픽모델링'을 이미지에도 쓸 수 있게 만든 새 모델(vSTM)을 선보입니다.

🔬 어떻게 분석했나

① 먼저 사진을 숫자 좌표로 바꿨어요(임베딩) — 모습이나 뜻이 비슷한 이미지일수록 가까운 위치에 놓이게 하는 기술이라, 컴퓨터가 '이 사진들은 비슷하다'를 거리로 계산할 수 있게 됩니다.
② 이 좌표를 '구조적 토픽모델(STM)'에 넣었어요 — STM은 문서 하나가 여러 주제의 섞임이라고 보고 숨은 주제들을 자동으로 찾아내는 통계 기법입니다. 여기선 문서 대신 사진이 들어간 셈이죠.
③ STM의 장점을 살려, 주제가 '언제·누가' 같은 배경 정보와 어떻게 연결되는지도 함께 분석했어요. 특정 시기에 어떤 종류의 이미지가 늘었는지 볼 수 있습니다.
④ 새로 모델을 학습시키지 않고 이미 만들어진 딥러닝 모델을 그대로 가져다 썼어요 — 그래서 시간·비용·장비가 훨씬 덜 듭니다.

📊 무엇을 찾았나

이렇게 찾아낸 주제들이 사람이 보기에도 말이 되고(해석 가능), 서로 일관적이며, 온라인 정치 소통 연구에 실제로 쓸모 있다는 걸 실험으로 보였습니다.

💡 내 연구에 가져갈 것

이미지 데이터를 주제별로 나눠보고 싶다면, 처음부터 모델을 학습시키기보다 사전학습 임베딩 + 기존 토픽모델 조합부터 시도해 보세요.

📄 논문 정보

An Image Is Worth K Topics: A Visual Structural Topic Model with Pretrained Image Embeddings
Matías Piqueras, Alexandra Segerberg, Matteo Magnani, Måns Magnusson, Nataša Sladoje
Political Analysis · 2026-11-05
원문 보기 ↗