이석환 연구실
컴퓨터공학과
이석환
이석환 연구실은 디지털 트윈, 스마트 시티, 첨단 영상처리, 인공지능 및 딥러닝을 융합한 융복합 연구를 선도하고 있습니다. 본 연구실은 실제 도시 및 건물 환경을 가상 공간에 실시간으로 재현하는 디지털 트윈 기술을 기반으로, 도시의 다양한 데이터를 통합·분석하고, 3D 시각화 및 시뮬레이션 플랫폼을 개발하여 스마트 시티의 효율적인 관리와 의사결정 지원을 목표로 하고 있습니다.
특히, 센서 데이터의 이질성 문제를 해결하기 위해 개방형 표준 기반 온톨로지와 OGC SensorThings API를 적용한 실시간 데이터 통합, 시맨틱 데이터 해석, 그리고 Building Information Modeling(BIM), CityGML, IFC 등 3D 공간정보 표준을 활용한 정밀한 3D 모델 구축 및 시각화 기술을 연구하고 있습니다. 이를 통해 에너지 관리, 화재 안전, 교통 흐름 등 도시의 다양한 문제를 시뮬레이션하고, 인공지능 기반의 맞춤형 분석 및 예측 서비스를 제공합니다.
또한, 본 연구실은 딥러닝 및 인공지능 기술을 활용한 첨단 영상처리 연구에 집중하고 있습니다. EfficientNet, Vision Transformer, Meta Pseudo Labels 등 최신 딥러닝 모델을 적용하여 딥페이크 이미지 및 영상 검출, 시각적 객체 추적, 의료 영상 자동 분류 등 다양한 응용 분야에서 우수한 성과를 내고 있습니다. 심층 강화학습, 블록체인 기반 연합학습, IoT 침입 탐지 등 최신 ICT 기술과의 융합을 통해 영상처리 기술의 신뢰성과 보안성을 강화하고 있습니다.
이외에도, 3D 프린팅 데이터 보안, 벡터 데이터 해싱 및 워터마킹, 의료 영상 데이터 보호, 바이오 정보 은닉 등 다양한 멀티미디어 데이터의 보안 및 인증 기술을 개발하고 있습니다. 이러한 연구는 스마트 시티, 보안, 의료, 산업 자동화 등 다양한 분야에서 실질적인 문제 해결에 기여하고 있습니다.
이석환 연구실은 이론적 연구와 실증적 적용을 병행하며, 산학협력 및 다양한 국가 연구과제를 수행하고 있습니다. 미래 도시의 디지털 전환, 안전한 정보 환경 구축, 첨단 영상처리 및 인공지능 기술의 실용화에 앞장서고 있으며, 국내외 학술대회 및 저널에서 활발한 연구성과를 발표하고 있습니다.
디지털 트윈 및 스마트 시티 시각화 기술
디지털 트윈 기술은 실제 도시나 건물, 인프라의 물리적 환경을 가상 공간에 실시간으로 재현하는 첨단 기술로, 스마트 시티 구현의 핵심 역할을 담당합니다. 본 연구실은 디지털 트윈을 활용하여 도시의 다양한 데이터를 통합·분석하고, 3D 시각화 플랫폼을 개발하여 도시 환경의 효율적 관리와 의사결정 지원을 목표로 하고 있습니다. 특히, 센서 데이터의 이질성 문제를 해결하기 위해 개방형 표준 기반의 온톨로지와 OGC SensorThings API를 적용하여, 실시간 데이터 통합 및 시맨틱 기반의 데이터 해석이 가능하도록 연구를 진행하고 있습니다.
스마트 시티의 에너지 관리, 화재 안전, 교통 흐름 등 다양한 도시 문제를 디지털 트윈 환경에서 시뮬레이션하고, 인공지능 및 딥러닝 기법을 접목하여 개인 맞춤형 쾌적성 분석, 화재 조기 탐지, 대규모 군중 행동 시뮬레이션 등 실질적인 도시 문제 해결에 기여하고 있습니다. 또한, Building Information Modeling(BIM)과 CityGML, IFC 등 3D 공간정보 표준을 활용하여 실제 도시와 동일한 수준의 정밀한 3D 모델을 구축하고, 이를 웹 기반 플랫폼(Cesium 등)에서 실시간으로 시각화하는 기술을 개발하고 있습니다.
이러한 연구는 도시의 지속가능한 발전, 에너지 효율화, 시민의 삶의 질 향상에 직접적으로 연결되며, 미래 도시의 디지털 전환을 선도하는 기반 기술로 자리매김하고 있습니다. 실증 연구와 실제 도시 환경 적용을 통해, 디지털 트윈 기반 스마트 시티 플랫폼의 실용성과 확장성을 지속적으로 검증하고 있습니다.
딥러닝 기반 영상처리 및 딥페이크 검출
본 연구실은 딥러닝 및 인공지능 기술을 활용한 첨단 영상처리 연구에 집중하고 있습니다. 특히, EfficientNet, Vision Transformer(ViT), Meta Pseudo Labels(MPL) 등 최신 딥러닝 모델을 적용하여 딥페이크 이미지 및 영상의 검출, 시각적 객체 추적, 의료 영상 분석 등 다양한 응용 분야에서 우수한 성능을 입증하고 있습니다. 딥페이크 검출 분야에서는 다양한 생성 모델에 대응할 수 있도록 메타러닝 기반의 일반화 기법, 도메인 적응 손실 함수, 슈퍼바이즈드 컨트라스티브 러닝 등 혁신적인 방법론을 개발하여, 실제 환경에서의 신뢰성 높은 딥페이크 탐지 시스템을 구축하고 있습니다.
또한, 심층 강화학습(DQN, TensorFlow Agents 등)을 활용한 시각적 객체 추적, 멀티 오브젝트 트래킹, 이미지 복원 및 잡음 제거, 의료 영상(뇌종양, 피부암, 백혈병 등) 자동 분류 등 다양한 영상처리 문제에 대해 연구를 수행하고 있습니다. 이러한 연구는 보안, 의료, 스마트 시티, 자율주행 등 다양한 산업 분야에서 실질적인 문제 해결에 기여하고 있으며, 실제 데이터셋과 시뮬레이션 환경을 통한 실험을 통해 알고리즘의 성능과 실용성을 지속적으로 검증하고 있습니다.
특히, 블록체인 기반 연합학습, IoT 침입 탐지, 합성 데이터 생성 등 최신 ICT 기술과의 융합을 통해 영상처리 기술의 확장성과 보안성을 강화하고 있습니다. 이와 같은 연구는 미래 사회의 정보 신뢰성, 프라이버시 보호, 안전한 디지털 환경 조성에 중요한 역할을 하고 있습니다.
1
Digital Twin Smart City Visualization with MoE-Based Personal Thermal Comfort Analysis
이석환, 람 호앙 칸, 람 푸옥 닷, 옥수열
SENSORS, 2025
2
Digital Twin Smart City: Integrating IFC and CityGML with Semantic Graph for Advanced 3D City Model Visualization
이석환, 람 푸옥 닷, 구본현, 람 호앙 칸, 옥수열
ENSOR, 2024
3
SupCon-MPL-DP: Supervised Contrastive Learning with Meta Pseudo Labels for Deepfake Image Detection
문경환, 옥수열, 이석환
APPLIED SCIENCES-BASEL, 2024
