Google Research, 길고 일관된 영상을 위한 에이전트 제품군 공개

2026년 9월 24일, Google Research 블로그에 연구원 Yale Song과 Yiwen Song이 쓴 글 Automating coherent long-form video generation이 게시됐다. 글은 네 가지 연구 시스템을 소개하는데, 각각 별도의 arXiv 논문이 뒷받침한다. 이 시스템들은 Gemini와 Veo 모델 위에서 오케스트레이션 계층으로 작동하며, Google에 따르면 SynthID 워터마크를 비롯한 모델의 안전 장치를 그대로 물려받고 최종 영상에는 추가 분류기가 적용된다. AI Video Co-Director, CANVAS, A²RD, VQQA로 이루어진 이 시스템들은 서사와 시각의 일관성을 유지하며 긴 영상을 생성할 수 있는 '제품군'으로 소개됐다. 다만 짚어둘 점이 있다. 각 시스템은 자기 논문에서 따로 평가됐고, 넷을 하나의 파이프라인으로 묶었을 때의 성능을 측정한 문서는 없다.

Co-Director(arXiv 2604.24842, 2026년 4월 27일)는 계층형 멀티 에이전트 프레임워크로, 멀티암드 밴딧 알고리즘을 이용해 창작 전략, 서사 방식, 미적 원형을 선택한다. 저자들은 가상의 광고 시나리오 400개로 구성된 벤치마크 GenAD-Bench를 새로 제시하고 품질 점수 81.4를 보고했다. 하지만 이 결과는 짧은 광고 영상에 관한 것이지 몇 분짜리 이야기에 관한 것이 아니며, 제3자가 재현하지도 않았다.

CANVAS(arXiv 2604.13452, 2026년 4월 15일)는 인물, 장소, 사물에 대한 시각적 기억을 지속적으로 유지한다. 스토리보드 벤치마크에서 최고 성능의 베이스라인 대비 배경 연속성 +21.6%, 인물 일관성 +9.6%, 사물 일관성 +7.6%의 개선을 보고했다. 다만 이 지표는 완성된 영상이 아니라 이미지 시퀀스를 기준으로 한 것이어서, 긴 영상 생성에 얼마나 의미가 있는지는 불확실하다.

A²RD(arXiv 2605.06924, 2026년 5월 7일)는 검색(Retrieve)-합성(Synthesize)-다듬기(Refine)-갱신(Update) 루프로 영상을 구간별로 생성하며, 베이스라인 대비 일관성은 최대 30%, 서사 일관성은 최대 20% 향상됐다고 밝혔다. 이 결과는 저자들이 발표한 것이고(A²RD는 사람 평가로 뒷받침), 독립적으로 재현되지 않았다. 평가는 공개 벤치마크와 1~10분 길이의 영상으로 구성된 새 벤치마크 LVBench-C에서 이뤄졌다.

VQQA(arXiv 2603.12310, 2026년 3월 12일)는 시각적 질문과 비전-언어 모델의 비평을 활용해, 모델 내부에 접근하지 않고(블랙박스 방식) 프롬프트를 최적화한다. 기본 생성 대비 T2V-CompBench에서 11.57점, VBench2에서 8.43점의 절대적 개선을 보였다.

블로그에는 10분짜리 시연 영상이 실려 있지만, 어떤 시스템 조합으로 만들었는지는 분명하지 않다. 제3자 분석(Superpower Daily)은 A²RD의 결과물로 보지만, 1차 출처에서는 확인되지 않는다. 게다가 모든 수치는 저자들이 스스로 밝힌 것이고 논문은 arXiv 프리프린트여서, 근거가 얼마나 탄탄한지는 더 지켜봐야 한다. 이는 COLM, EMNLP 등 2026년 학회에서 발표된 연구 성과이지 상용 제품이 아니다.