본 연구실은 컴퓨터 비전 분야에서 영상 및 이미지 처리 기술의 개발과 응용에 중점을 두고 있습니다. 영상 내 객체 인식, 분할, 추적 등 다양한 문제를 해결하기 위해 최신 딥러닝 및 머신러닝 기법을 적극적으로 도입하고 있습니다. 특히, 이미지 검색, 영상 매팅, 장면 인식 등에서 뛰어난 성과를 거두고 있으며, 실제 환경에서의 적용 가능성을 높이기 위한 연구를 지속적으로 수행하고 있습니다. 연구실에서는 이미지의 구조적 임베딩, 자기 유사성 분석, 도메인 일반화 등 다양한 첨단 기술을 활용하여 복잡한 영상 데이터를 효과적으로 분석하고 처리하는 방법을 탐구합니다. 예를 들어, 이미지 검색 분야에서는 구조적 임베딩을 통해 이미지 간의 유사성을 정밀하게 파악하고, 영상 매팅 분야에서는 최소한의 입력 정보만으로도 고품질의 분리 결과를 얻는 방법을 개발하였습니다. 이러한 연구는 국제적으로 권위 있는 학회 및 저널에 다수 발표되며, 그 우수성을 인정받고 있습니다. 이러한 영상 및 이미지 처리 기술은 자율주행, 로봇 비전, 스마트 시티 등 다양한 산업 분야에 적용될 수 있습니다. 연구실은 실제 산업체와의 협업을 통해 기술의 실용화와 고도화를 동시에 추구하고 있으며, 미래 사회에서 요구되는 지능형 영상 처리 시스템의 핵심 기술을 선도하고자 노력하고 있습니다.

시맨틱 세그멘테이션은 영상 내 각 픽셀의 의미를 분류하는 핵심 컴퓨터 비전 기술로, 본 연구실은 도메인 적응 및 일반화에 초점을 맞춘 세그멘테이션 연구를 활발히 진행하고 있습니다. 실제 환경에서는 학습 데이터와 테스트 데이터의 분포가 다를 수 있기 때문에, 도메인 간 차이를 극복하는 기술이 매우 중요합니다. 연구실은 WildNet, Cross-Domain Moving Object Mixing 등 다양한 방법론을 통해 도메인 일반화와 적응 문제를 해결하고 있습니다. 이러한 연구는 자율주행 차량, 로봇, 스마트 감시 시스템 등에서 다양한 환경 변화에 강인하게 동작할 수 있는 인공지능 시스템 개발에 필수적입니다. 예를 들어, 낮과 밤, 실내와 실외, 다양한 기상 조건 등 변화하는 환경에서도 일관된 성능을 보장하는 시맨틱 세그멘테이션 모델을 개발하고 있습니다. 또한, 비지도 학습 및 준지도 학습 기법을 활용하여 라벨링 비용을 절감하면서도 높은 정확도를 유지하는 방법을 연구합니다. 연구실의 도메인 적응 및 일반화 연구는 국제적 학회에서 다수의 수상 및 발표 실적을 보유하고 있으며, 실제 산업 현장에 적용 가능한 기술로 발전하고 있습니다. 앞으로도 다양한 환경에서 신뢰성 있게 동작하는 인공지능 비전 시스템 개발을 목표로 연구를 이어갈 예정입니다.

본 연구실은 3차원 포인트 클라우드 데이터 처리 및 로봇 비전 분야에서도 활발한 연구를 수행하고 있습니다. 3D 객체 추적, 라이다 데이터 처리, 실내외 위치 인식 등 다양한 응용 분야에 적합한 알고리즘을 개발하고 있으며, 실제 로봇 시스템에 적용 가능한 기술을 중점적으로 연구합니다. 예를 들어, 그래프 기반 포인트 트래커, 6-자유도 카메라 재위치 추정 등 첨단 기술을 개발하여 로봇의 인지 능력을 향상시키고 있습니다. 이러한 연구는 청소 로봇, 자율주행 차량, 드론 등 다양한 지능형 로봇 시스템의 핵심 기술로 활용될 수 있습니다. 특히, 복잡한 실내외 환경에서의 정확한 위치 인식과 객체 추적은 로봇의 자율성과 효율성을 크게 높여줍니다. 연구실은 확률적 접근법과 딥러닝을 융합하여 기존 방법보다 더 높은 정확도와 신뢰성을 제공하는 시스템을 개발하고 있습니다. 앞으로도 연구실은 3차원 데이터와 로봇 비전 분야에서의 연구를 지속적으로 확장할 계획입니다. 실제 환경에서의 적용 가능성을 높이기 위해 산업체와의 협업 및 다양한 실험을 진행하며, 차세대 지능형 로봇 시스템의 발전에 기여하고자 합니다.