2002년에서 2003년 사이의 대학 프로젝트가 20년의 시간을 넘어 'MLL(Machine Learnt LVQ)'이라는 이름으로 다시 세상에 나왔습니다. 이 프로젝트는 C언어와 Allegro 4 라이브러리를 사용하여 개발된 이미지 압축 도구로, 특히 구형 DOS(디스크 운영체제) 환경에서도 충분히 잘 작동하도록 설계되었습니다. 개발자는 잃어버렸던 프로젝트를 2026년에 다시 살려냈으며, 이는 기술이 단순히 사라지는 것이 아니라 적절한 시기를 기다려 다시 빛을 볼 수 있음을 보여주는 사례입니다.
MLL은 '벡터 양자화(Vector Quantization, LVQ)'라는 순수 온라인 적응형 압축 방식을 사용합니다. 흑백 또는 YUV 4:2:0 색상 모드를 지원하며, 루마(luma) 가중치 학습을 통해 색상 품질을 유지하면서도 효율적인 압축을 가능하게 합니다. OpenMP를 활용한 병렬 처리로 학습, 압축, PSNR(최대 신호 대 잡음비) 계산 속도를 높였으며, 비트 패킹 파일 형식으로 저장됩니다. 특히, 256개의 코드북 엔트리(codebook entries)를 사용할 경우 약 22KB의 파일 크기를 보이며, 이는 JPEG-XL(q90)과 비교했을 때 단순한 이미지에서는 더 작은 크기를 보여주기도 합니다. 512×512 크기의 이미지를 압축하는 데 약 500ms(256 코드)에서 900ms(512 코드)가 소요되어, 2018년형 i7 노트북에서도 준수한 성능을 보였습니다.
이 프로젝트의 부활은 단순한 향수를 넘어, 제한된 자원 환경에서의 효율적인 이미지 처리 가능성을 다시금 조명합니다. MLL은 현대의 JPEG-XL과 같은 최신 압축 기술에 비해 PSNR 수치는 낮지만, 고정된 코드북 크기로 이미지 복잡도에 관계없이 일관된 파일 크기를 유지하는 특징이 있습니다. 이는 특히 구형 시스템이나 임베디드 환경처럼 자원이 제한적인 곳에서 유용하게 활용될 수 있음을 시사합니다. 또한, 개발자가 수십 년 전의 개인 프로젝트를 다시 꺼내어 현대적인 환경에서 재구현하고 공유하는 과정 자체가 오픈소스 커뮤니티에 영감을 주는 의미 있는 행동으로 평가할 수 있습니다.