엣지 배치용 경량 인공지능 및 비식별화·표준화

Lightweight AI for Edge Deployment and Privacy-Preserving Standardization

연구 내용

FPGA 기반 하드웨어 가속과 경량화·희소 표현 학습을 통해 추론 지연과 계산 비용을 줄이고, 비식별화 및 BCI 연동 표준화로 안전한 엣지 배치를 지원하는 연구

딥러닝 기반 비전 모델은 고성능 GPU 환경에 의존할 때 지연과 전력, 배치 제약이 커집니다. 본 연구는 FPGA 기반 하드웨어-소프트웨어 공동 설계를 통해 얼굴 인식과 같은 컴퓨터비전 응용을 오프라인 환경에서 수행 가능하도록 구성합니다. 또한 네트워크 압축 관점에서 희소 인코더를 설계하여 이미지 표현을 효율적으로 구성하고 손실 없는 압축과 데이터 전송 부담 감소를 목표로 합니다. 프로젝트 기반으로는 인공지능 모델 경량화와 추론 프레임워크의 국제표준 기술을 개발하며, 동영상 개인 비식별화와 BCI 연동 표준화 기반조성까지 연결해 실제 배치 요구를 반영하는 방향으로 진행합니다.

관련 프로젝트

10건

연구 흐름

초기에는 영상 표현을 효율화하는 희소 인코더(SIBS) 연구를 통해 압축과 빠른 인코딩을 동시에 달성하는 방향을 확보했습니다. 이후 2025년에는 FPGA로 CNN 기반 얼굴 인식 파이프라인을 구현하여 인터넷 연결 없이 동작하는 엣지 배치 가능성을 검증했습니다. 동시에 2022년부터는 인공지능 모델 경량화와 인공지능 추론 프레임워크 관련 국제표준 기술 개발 과제를 통해 최적화와 운영 관점의 요구사항을 정리하고, 클라우드-엣지 컴퓨팅 환경에서 활용할 수 있는 구조로 확장했습니다. 더불어 동영상 개인 비식별화와 BCI-인공지능 연동 표준화 기반조성 과제를 통해 프라이버시 및 상호운용성 요소를 연구 범위에 포함했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

동영상 개인 비식별화 파이프라인
FPGA 기반 얼굴 인식 엣지 시스템
손실 없는 이미지 희소 표현 인코딩
인공지능 모델 경량화 모듈
온디바이스 인공지능 추론 프레임워크
클라우드-엣지 모델 운영 체계
비인터넷 보안형 비전 처리
BCI 연동용 데이터 표준화 기반
저지연 분류 및 탐지 서빙
엣지 배치용 성능 검증 방법