라이즈그룹

AI소프트웨어융합학부 조경은

라이즈그룹은 AI소프트웨어융합학부 소속 연구실로, 첨단 인공지능 기술을 활용한 다양한 연구를 수행하고 있습니다. 최근 3년간 뉴럴 렌더링 기반의 메타버스 응용을 위한 실시간 시맨틱 3D 동적 환경 재구성, 스포츠 게임 분야 첨단 AI 기술 R&D 전문인력 양성, 공간데이터 획득시스템 구축 및 난제 객체 검출 기술 구현 등의 프로젝트를 성공적으로 완료하였습니다. 특히, 뉴럴 렌더링과 3D 장면 재구성 분야에서 탁월한 성과를 보이며, 관련 논문과 특허를 다수 발표하였습니다. 또한, 자율 항해 및 스포츠 AI 분야에서도 활발한 연구를 진행 중이며, 다수의 학술지와 컨퍼런스에서 그 성과를 인정받고 있습니다. 라이즈그룹은 이러한 연구 경험과 성과를 바탕으로 기업들과의 협력을 통해 더욱 혁신적인 R&D 프로젝트를 추진하고자 합니다.

Autonomous Navigation

AI in Sports

Object Detection

대표 연구 분야

연구 영역 전체보기

단일 2D 이미지를 이용한 3D 장면 재구성

단일 2D 이미지로부터 실내 장면의 3D 재구성을 위한 연구를 진행하고 있습니다. 인공지능 및 신경망 기술을 활용하여 2D 이미지로부터 객체의 깊이와 형태를 추정하고, 이를 기반으로 3D 모델을 생성합니다. 이러한 기술은 가상현실(VR) 및 증강현실(AR)에서의 응용뿐만 아니라, 다양한 산업 분야에서의 3D 시각화 및 데이터 분석에 활용될 수 있습니다. 특히, 뉴럴 렌더링을 통해 더욱 사실적이고 정교한 3D 장면을 구현할 수 있는 가능성을 열어두고 있습니다.

스포츠 게임을 위한 행동 복제 기반 강화 학습

스포츠 게임 분야에서 행동 복제 기반의 강화 학습 기술을 연구하고 있습니다. 이 접근법은 전문가의 행동을 모방하여 인공지능 에이전트를 훈련시키는 방식으로, 주로 농구 게임과 같은 복잡한 환경에서의 의사 결정 과정을 개선하는 데 중점을 두고 있습니다. 행동 복제와 배우-비평가(A2C) 알고리즘을 결합하여, 게임 내에서 유연하고 효율적인 전략을 구사할 수 있는 인공지능 시스템을 개발합니다. 이 기술은 실시간 게임 분석 및 전략 추천 시스템 등 여러 응용 분야에 활용될 수 있습니다.

주요 논문

발행물 전체보기

Switchable-Encoder-Based Self-Supervised Learning Framework for Monocular Depth and Pose Estimation

Junoh Kim, Rui Gao, Jisun Park, Jinsoo Yoon, Kyungeun Cho

Remote Sensing, 2023

CAGNet: A Multi-Scale Convolutional Attention Method for 3 Glass Detection Based on Transformer

XiaoHang Hu, Rui Gao, Seungjun Yang, Kyungeun Cho

Mathematics, 2023

Neural Rendering-Based 3D Scene Style Transfer Method via Semantic Understanding Using a Single Style Image

Jisun Park, Kyungeun Cho

Mathematics, 2023

완료된 프로젝트

프로젝트 전체보기

공간데이터 획득시스템 구축 및 난제 객체 검출 기술 구현

ETRI

스포츠 게임 분야 첨단 AI 기술 R&D 전문인력 양성

한국콘텐츠진흥원

뉴럴 렌더링 기반의 메타버스 응용을 위한 실시간 시맨틱 3D 동적 환경 재구성

과학기술정보통신부