인프런에서 언어의 장벽을 넘어 더 넓은 지식을 전달하기 위해 준비 중인 '영상 화면 번역' 기능의 구현 과정을 소개해 드립니다. 이 기능은 영상 위에 번역된 텍스트를 오버레이하는 방식으로, OCR로 글자를 읽고 VLM과 XY Cut 알고리즘을 활용해 문단을 파악하며, k-means 클러스터링으로 색상을 추출하는 등 다양한 기술이 적용되었습니다. 또한, 프레임 간 데이터 재사용을 통해 처리 비용을 최적화하고 화면 깜빡임을 방지하는 기술적 고민도 함께 담겨 있습니다.