강석주

딥러닝 기반 영상처리 및 초고해상도 화질 개선

본 연구실은 딥러닝 기반 영상처리 기술을 통해 다양한 산업 분야의 시각적 경험을 혁신하고 있습니다. 특히, AI와 딥러닝 모델을 활용하여 영상의 화질 개선, 초해상화, 노이즈 제거, HDR(High Dynamic Range) 영상 복원 및 생성을 선도적으로 연구하고 있습니다. 디스플레이의 휘도 및 색상 보정 알고리즘, 비디오 압축 효율 최적화 기술 등을 개발하여 실제 제품에 적용 가능한 솔루션을 제공합니다.주요 연구 내용은 다음과 같습니다. 첫째, 단일 저해상도 이미지 또는 다중 노출 이미지를 활용하여 초고해상도 이미지를 복원하고, 시계열 및 공간적 일관성을 유지하면서 화질을 극대화하는 딥러닝 모델을 개발합니다. 여기에는 GAN(Generative Adversarial Network) 기반의 이미지 복원 및 노이즈 제거, 초해상화 모델의 학습 방법론 연구가 포함됩니다. 둘째, 디스플레이 패널의 특성을 고려한 최적의 휘도 및 색상 보상 기술을 개발하여 사용자에게 더욱 선명하고 정확한 색감을 제공합니다. 또한 VR/AR 디스플레이에서 발생하는 잔영 및 지연 현상을 줄여 몰입감 높은 사용자 경험을 구현하는 기술도 연구합니다. 셋째, 산업 현장의 비전 검사 시스템에서 발생하는 이미지 왜곡이나 결함을 딥러닝 기반으로 자동으로 감지하고 보정하는 기술을 개발하여 생산 효율성을 높이고 불량률을 감소시키는 데 기여합니다. 이러한 연구는 차세대 디스플레이, 자율주행 차량용 영상 처리, 메타버스 콘텐츠 제작 등 광범위한 분야에 적용되어 새로운 시각적 가치를 창출합니다.

인공지능 기반 센싱 기술 및 산업용 비전 검사

본 연구실은 인공지능 기반 센싱 기술과 비전 검사 분야에서 혁신적인 연구를 수행하여 다양한 산업 현장의 난제를 해결하고 있습니다. 실시간 데이터 분석과 고정밀 인식 기술을 통해 로보틱스, 자율주행, 산업 자동화 시스템의 핵심 역량을 강화하고 있습니다. 복잡한 환경에서 객체를 정확하게 감지하고 추적하며, 이상 징후를 조기에 탐지하는 기술 개발에 중점을 둡니다.주요 연구 내용은 다음과 같습니다. 첫째, 로보틱스 분야에서 Vision 기반 로봇 키네마틱 모델 보정 알고리즘을 개발하여 로봇의 정밀한 동작 제어를 지원하고, 공간 활용도를 높이는 인터랙티브 안전 센싱 기술을 연구합니다. 둘째, 자율주행 차량을 위한 영상 인식 기술을 개발하여 도로 환경, 객체, 보행자 등을 정확하게 인지하고 차량의 안전 운행을 보조합니다. 여기에는 빌트인 캠 후방 카메라의 오염도 감지, 다중 뷰 윈드실드 영상 정합 기술 등이 포함됩니다. 셋째, 산업용 비전 검사 시스템의 고도화를 위해 딥러닝 기반의 이상 탐지(Anomaly Detection) 기술을 개발합니다. 설비나 광학 편차에 강건한 비지도 학습 기반의 불량 검출 알고리즘을 통해 제조 공정의 품질 관리 및 장비 예지 보전을 위한 설명 가능한 AI 솔루션을 제공합니다. 넷째, HMD(Head Mounted Display) 기반의 VR/AR 환경에서 사용자의 시선 추적, 모션 인식, 지연 및 잔영 개선 기술을 연구하여 몰입감과 안전성을 동시에 확보하는 데 기여합니다. 이러한 연구는 스마트 팩토리, 자율주행 모빌리티, XR(확장 현실) 등 미래 핵심 산업의 발전에 필수적인 기술을 제공합니다.

뉴로모픽 엣지 AI 및 초경량 모델 개발

본 연구실은 고효율, 저전력 AI 시스템 구현을 목표로 뉴로모픽 엣지 AI 및 딥러닝 모델 경량화 기술을 선도적으로 연구하고 있습니다. 자율주행, IoT 디바이스, 웨어러블 기기 등 실시간 처리가 필수적인 엣지 환경에서 인공지능을 효과적으로 구동하기 위한 하드웨어-소프트웨어 통합 솔루션 개발에 집중하고 있습니다.주요 연구 내용은 다음과 같습니다. 첫째, 딥러닝 모델의 크기를 최적화하고 연산량을 줄여 자원 제약적인 엣지 디바이스에서도 고성능 AI 추론이 가능하도록 하는 모델 경량화 기법을 개발합니다. 여기에는 전치 합성곱 신경망 가속 장치 설계, 가지치기(pruning), 양자화(quantization), 지식 증류(knowledge distillation) 등 다양한 최적화 방법론이 포함됩니다. 둘째, 인간 뇌의 작동 방식을 모방한 뉴로모픽 컴퓨팅 기술을 연구하여 초저전력 인공지능 반도체(SOC) 개발에 기여합니다. 아날로그-디지털 혼성 뉴로모픽 엣지 SOC 개발을 통해 에너지 효율을 극대화하고 실시간 반응 속도를 확보합니다. 셋째, 소량의 데이터로도 효과적으로 학습할 수 있는 Neuro-Symbolic AI 기반 학습 연구를 수행하여 데이터 부족 문제를 해결하고, 시계열 데이터를 활용한 고성능 AI 기반 기계 잔여 수명 예측 네트워크를 개발합니다. 넷째, 엣지 AI 환경에 최적화된 터치 감지 모델 및 확장 가능한 딥 뉴럴 네트워크를 위한 평가 방법론을 연구하여 실제 응용 분야에서의 활용성을 높입니다. 이러한 연구는 AI 반도체 산업의 경쟁력을 강화하고, 다양한 엣지 디바이스에서 지능형 서비스가 확산될 수 있는 기반을 마련합니다.