RnDCircle Logo
arrow left icon

인공지능융합 연구실

성균관대학교 소프트웨어학과

김광수 교수

Internet of Things

Autonomous Driving

AI in Healthcare

인공지능융합 연구실

소프트웨어학과 김광수

인공지능융합 연구실은 첨단 인공지능 기술의 이론적 발전과 실용적 응용을 선도하는 연구 기관입니다. 본 연구실은 컴퓨터 비전, 연합학습, 도메인 적응, 설명 가능한 인공지능 등 다양한 인공지능 핵심 분야에서 활발한 연구를 수행하고 있습니다. 특히, 영상 및 이미지 인식, 객체 탐지, 3D 비전, 시계열 예측 등 컴퓨터 비전 분야에서 국내외 저명 학회 및 저널에 다수의 논문을 발표하며 기술적 우수성을 인정받고 있습니다. 연합학습과 도메인 적응 분야에서는 데이터 프라이버시 보호와 분산 환경에서의 효율적 인공지능 모델 학습을 위한 혁신적 방법론을 개발하고 있습니다. 의료, 자율주행, IoT 등 다양한 실제 환경에서의 적용을 통해 기술의 실용성과 확장성을 입증하고 있으며, 관련 특허 출원 및 산학협력 프로젝트를 통해 산업적 파급력을 높이고 있습니다. 설명 가능한 인공지능(XAI) 연구는 인공지능의 신뢰성과 투명성 확보를 위한 핵심 분야로, 본 연구실은 계층적 프로토타입 기반 설명 모델, 컨셉 시각화, 다양한 수준의 설명 제공 등 혁신적 기술을 개발하고 있습니다. 이를 통해 의료, 금융, 국방 등 고신뢰가 요구되는 분야에서 인공지능의 활용도를 높이고 있습니다. 본 연구실은 다양한 정부 및 산업체 지원 프로젝트를 수행하며, 의료 인공지능, 자율주행, 스마트 시티, 국방 등 다양한 응용 분야에서 인공지능 기술의 사회적 가치 창출에 기여하고 있습니다. 또한, 산학협력, 특허, 국제 학술대회 발표 등 다양한 경로를 통해 연구 성과를 국내외에 확산시키고 있습니다. 앞으로도 인공지능융합 연구실은 첨단 AI 기술의 이론적 심화와 실용적 확산을 동시에 추구하며, 차세대 인공지능 인재 양성과 사회적 문제 해결에 앞장서는 연구실로 자리매김할 것입니다.

Internet of Things
Autonomous Driving
AI in Healthcare
컴퓨터 비전 및 영상 인식
컴퓨터 비전은 인공지능 분야에서 인간의 시각적 인지 능력을 모방하여 이미지나 영상을 분석하고 이해하는 기술입니다. 본 연구실에서는 객체 탐지, 얼굴 인식, 3D 객체 색상 군집화, 시계열 예측 등 다양한 컴퓨터 비전 응용 분야를 연구하고 있습니다. 특히, 위성 이미지 객체 탐지, 영상 프레임의 중요도 분석을 통한 동영상 요약, 비가시 영역 영상 복원 등 실세계 문제 해결을 위한 첨단 알고리즘 개발에 주력하고 있습니다. 최근에는 HSV 임베딩 기반 3D 객체 색상 군집화, Visual Grounding, 스타일 기반 트랜스포머 등 최신 딥러닝 모델을 활용한 연구가 활발히 이루어지고 있습니다. 또한, 얼굴 랜드마크 기반 구조 가이던스를 활용한 Training-Free Control Diffusion 모델, Edge 정보를 활용한 도메인 일반화 등 다양한 혁신적 접근법을 시도하고 있습니다. 이러한 연구는 국제 저명 학회(CVPR, ICML 등) 및 국내외 저널에 다수 게재되고 있으며, 특허 출원 및 등록을 통해 기술적 우수성도 입증받고 있습니다. 컴퓨터 비전 연구는 자율주행, 의료 영상 분석, 스마트 시티, 보안 등 다양한 산업 분야로의 확장 가능성을 지니고 있습니다. 본 연구실은 실제 산업 현장에서 요구되는 문제를 해결하고, 사회적 가치를 창출하는 응용 연구에도 적극적으로 참여하고 있습니다. 이를 통해 차세대 인공지능 기반 영상 인식 기술의 선도적 발전에 기여하고 있습니다.
연합학습(Federated Learning) 및 도메인 적응
연합학습(Federated Learning)은 데이터 프라이버시와 분산 환경에서의 효율적인 인공지능 모델 학습을 목표로 하는 첨단 기술입니다. 본 연구실은 의료, 자율주행, IoT 등 다양한 분야에서 연합학습의 이론적 발전과 실제 적용에 중점을 두고 있습니다. 클라이언트 기여도 평가, 글로벌 모델 구축, 클라이언트 드리프트 방지, 데이터 불균형 문제 해결 등 연합학습의 핵심 이슈를 다루는 연구가 활발히 진행되고 있습니다. 도메인 적응(Domain Adaptation) 및 도메인 일반화는 서로 다른 데이터 분포 간의 성능 저하 문제를 극복하기 위한 연구로, 본 연구실은 프롬프트 가이드, 비주얼 프롬프트 마스크, 배치 정규화 레이어 파인튜닝 등 다양한 방법론을 개발하고 있습니다. 이러한 기술들은 실제 의료 영상, 자율주행 환경, 산업 데이터 등 다양한 도메인에 적용되어 높은 성능과 견고성을 입증받고 있습니다. 연합학습과 도메인 적응 연구는 데이터 프라이버시 보호, 분산 인공지능, 실시간 데이터 처리 등 현대 사회가 직면한 중요한 문제를 해결하는 데 필수적인 역할을 하고 있습니다. 본 연구실은 관련 특허 출원 및 산학협력 프로젝트를 통해 기술의 실용화와 산업적 확산에도 적극적으로 기여하고 있습니다.
설명 가능한 인공지능(Explainable AI) 및 AI 응용
설명 가능한 인공지능(Explainable AI, XAI)은 인공지능 모델의 의사결정 과정을 인간이 이해할 수 있도록 설명하는 기술로, 신뢰성과 투명성 확보를 위해 필수적인 연구 분야입니다. 본 연구실은 계층적 프로토타입 기반 설명 모델, 컨셉 시각화 장치 및 방법, 다양한 수준의 설명 제공 등 XAI의 이론적·실용적 발전에 주력하고 있습니다. 이를 통해 의료, 금융, 자율주행 등 고신뢰가 요구되는 분야에서 인공지능의 활용도를 높이고 있습니다. AI 응용 분야에서는 의료 영상 분석, 바이오메디컬 데이터 예측, 스마트 시티, 국방, 산업 자동화 등 다양한 영역에 인공지능 기술을 접목하고 있습니다. 예를 들어, 흉부질환 탐지, 뇌졸중 환자 회복 패턴 예측, 바이오매스 조성 예측 등 실제 문제 해결을 위한 AI 모델 개발이 활발히 이루어지고 있습니다. 또한, 영상 프레임 중요도 기반 동영상 요약, 오디오 분류, 반려견 행동 추측 등 새로운 응용 분야로의 확장도 시도하고 있습니다. 설명 가능한 인공지능과 AI 응용 연구는 사회적 신뢰 확보, 윤리적 AI 구현, 산업 현장 문제 해결 등 다양한 측면에서 중요한 의미를 지닙니다. 본 연구실은 이론 연구와 실용화 연구를 병행하며, 국내외 학술대회 및 특허, 산학협력 프로젝트를 통해 연구 성과를 지속적으로 확산시키고 있습니다.
1
Enriching Chest Radiography Representations: Self-Supervised Learning with a Recalibrating and Importance Scaling
Heesan Kong, Donghee Kim, Kwangsu Kim
IEEE Access, 2023.09
2
Predicting biomass composition and operating conditions in fluidized bed biomass gasifiers
Jun Young Kim, Ui Hyeon Shin, Kwangsu Kim
Energy, 2023.07
3
Analysis of load-bearing capacity factors of textile-reinforced mortar using multilayer perceptron and explainable artificial intelligence
Y.Song, K.Kim, S.Park, S.Park, J.Park
JCBM, 2022.12
1
[KISA] 자율주행 환경에서 AI 학습 가능한 개인영상정보 프라이버시 ..
2023년 05월 ~ 1970년
2
[NIPA] 인공지능중심 산업융합 집적단지 조성사업 연구개발 - 헬스케..
2020년 04월 ~ 1970년
3
[KISA] 자율주행 환경에서 AI 학습 가능한 개인영상정보 프라이버시 보존 기술개발
2023년 05월 ~ 1970년