CCTV·의료 감시 환경을 위한 비디오 복원과 장면 인지 품질평가 연구

Video Restoration and Scene-aware Image Quality Assessment for CCTV and Hospital Surveillance

연구 내용

감시 영상의 품질 저하가 분석 성능에 미치는 영향을 규명하고, Transformer 기반 비디오 인페인팅과 장면 인지 IQA 벤치마크를 통해 복원·평가를 연계하는 연구

CCTV 및 병원 감시 영상에서 품질 저하(조명 변화, 압축 아티팩트, 잡음)가 분석 성능에 미치는 영향을 줄이기 위해 장면 인지 품질평가와 비디오 복원 연구를 수행합니다. 감시 환경을 대표하는 CQAD와 HIQA-DB 데이터셋을 구성하고 왜곡 유형과 장면 맥락, 평가자 MOS를 기반으로 IQA 모델이 견고해지도록 설계합니다. 동시에 Fast Fourier tokenization을 이용한 Transformer 기반 영상 인페인팅 모델을 개발해 경계로부터 반복적으로 큰 마스크를 채우며 시공간 장거리 의존성을 학습합니다. 이를 통해 복원 품질을 객관적으로 평가하고 다운스트림 감시 분석과의 연계를 강화하는 차별성을 보유합니다.

관련 프로젝트

0건

연구 흐름

먼저 자연 영상 중심 벤치마크의 한계를 보완하기 위해 CCTV와 병원 감시 장면에 특화된 품질평가 데이터셋을 정의하고, 왜곡 생성과 주관평가를 통해 장면 맥락 의존성을 분석하는 단계로 진행했습니다. 이후 품질 저하가 발생한 영상에서 결손 영역을 복원하기 위해 Transformer 기반 비디오 인페인팅을 설계하고, Fourier 기반 토큰 표현과 분리형 시공간 처리를 통해 장거리 정보를 활용하도록 했습니다. 최근에는 이러한 벤치마크를 복원·평가의 공통 언어로 사용하여 감시 로버스트성 향상을 목표로 연구를 확장하고 있습니다.

활용 가능성

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

장면 인지 IQA 평가 모델
복원 기반 객체탐지 성능 향상
압축 왜곡 저감 알고리즘
대규모 마스크 처리 비디오 인페인팅
의료 감시 영상 복원 파이프라인
품질 저하 원인 분석 체계
품질 기반 실시간 경보
데이터셋 기반 벤치마크 자동화
복원-분석 공동 최적화
감시 장치 품질 튜닝 가이드