정광수 연구실
전자통신공학과
정광수
정광수 연구실은 전자통신공학 분야에서 네트워크 기반 미디어 스트리밍, 엣지 컴퓨팅, 인공지능 영상 처리 등 첨단 정보통신기술을 융합한 연구를 선도하고 있습니다. 연구실은 HTTP 적응적 스트리밍, 강화학습 기반 미디어 품질 제어, 엣지 서버 간 협업, IoT 융합 서비스 등 다양한 주제를 중심으로, 이론적 연구와 실용적 시스템 개발을 동시에 추구하고 있습니다. 특히, 네트워크 환경의 불확실성과 다중 사용자 환경에서의 품질 보장 문제를 해결하기 위해, 강화학습과 엣지 컴퓨팅을 결합한 혁신적인 스트리밍 프레임워크를 개발하고 있습니다.
최근 연구실은 다중 클라이언트 환경에서의 QoE(체감 품질) 향상, 네트워크 자원의 효율적 분배, 공정성 보장 등 실질적인 문제 해결에 집중하고 있습니다. 엣지 컴퓨팅 기반의 분산 학습, 클라이언트 재할당, 실시간 네트워크 상태 분석 등 다양한 기술을 통해, 기존의 중앙 집중형 미디어 서비스가 가지는 한계를 극복하고 있습니다. 이러한 연구는 5G, IoT, 스마트 시티, 실시간 방송 등 차세대 미디어 서비스의 품질 혁신에 직접적으로 기여하고 있습니다.
또한, 연구실은 딥러닝 기반의 영상 처리, 객체 검출, 데이터 증강 등 인공지능 기술을 미디어 스트리밍 및 보안 분야에 접목하고 있습니다. GAN 기반 데이터 증강, 온디바이스 객체 검출, 그래프 신경망 기반 특성 맵 융합 등 최신 AI 기술을 활용하여, 실제 환경에서의 영상 인식 및 분석 성능을 극대화하고 있습니다. 이러한 기술은 화재 감지, 유해 영상 차단, 스마트 팩토리, 지능형 CCTV 등 다양한 산업 현장에 적용되고 있습니다.
정광수 연구실은 국내외 유수 학술지 및 국제 학회에서 다수의 논문을 발표하고, 다양한 특허 및 산학협력 프로젝트를 수행하며, 이론과 실무를 아우르는 연구 역량을 인정받고 있습니다. 연구실의 구성원들은 정보통신기술의 미래를 이끌어갈 창의적 인재로 성장하고 있으며, 산학연 협력을 통한 실질적 기술 이전과 사회적 가치 창출에도 적극적으로 참여하고 있습니다.
향후 연구실은 초연결 사회에서 요구되는 초저지연, 초고신뢰 미디어 서비스, 지능형 네트워크, 실시간 영상 분석 등 미래 정보통신 분야의 핵심 기술 개발에 더욱 박차를 가할 예정입니다. 이를 통해, 차세대 미디어 및 네트워크 산업의 혁신을 선도하고, 사회적 안전과 편의를 증진하는 데 기여하고자 합니다.
강화학습 및 엣지 컴퓨팅 기반 적응적 미디어 스트리밍
정광수 연구실은 최근 네트워크 환경의 변화와 사용자 요구에 따라 미디어 스트리밍의 품질을 동적으로 최적화하는 기술을 중점적으로 연구하고 있습니다. 특히, HTTP 적응적 스트리밍(HTTP Adaptive Streaming)에서 강화학습(Reinforcement Learning, RL)과 엣지 컴퓨팅(Edge Computing)을 결합하여, 다양한 네트워크 상황과 다중 클라이언트 환경에서 사용자 체감 품질(QoE, Quality of Experience)을 극대화하는 방안을 제시하고 있습니다. 연구실은 RL 기반의 정책 학습을 통해 네트워크 상태 변화에 신속하게 대응하고, 엣지 서버 간의 협업을 통해 자원의 효율적 분배와 공정성을 보장하는 기술을 개발하고 있습니다.
이러한 연구는 실제로 다중 클라이언트가 동시에 비디오를 스트리밍하는 환경에서 발생하는 자원 경쟁, 네트워크 혼잡, 품질 불균형 문제를 해결하는 데 초점을 맞추고 있습니다. 엣지 협업 모델에서는 각 클라이언트의 네트워크 상태와 요구를 실시간으로 분석하여, 최적의 엣지 서버로 클라이언트를 재할당하거나, 분산 강화학습을 통해 전체 시스템의 QoE를 향상시키는 전략을 도입합니다. 실험 결과, 기존의 단일 서버 기반 적응적 스트리밍 기법에 비해 전체 QoE와 공정성이 크게 향상되는 것을 확인하였습니다.
연구실은 또한 모바일 환경, 5G 네트워크, IoT 기반의 스마트 디바이스 등 다양한 응용 시나리오에 적합한 스트리밍 프레임워크를 개발하고 있습니다. 이러한 기술은 실시간 방송, 온라인 교육, 원격 회의, 스마트 팩토리 등 다양한 산업 분야에 적용될 수 있으며, 미래의 초연결 사회에서 미디어 서비스의 품질과 신뢰성을 보장하는 핵심 인프라로 자리매김할 것입니다.
지능형 객체 검출 및 데이터 증강을 위한 딥러닝 기반 영상 처리
정광수 연구실은 영상 데이터의 효율적 활용과 인공지능 기반 객체 검출(Object Detection) 기술의 고도화를 위해 다양한 딥러닝 및 데이터 증강(Data Augmentation) 기법을 연구하고 있습니다. 특히, 소규모 데이터셋이나 다양한 도메인에 적용 가능한 객체 검출 성능 향상을 위해, 적대적 생성 신경망(GAN, Generative Adversarial Network) 기반의 데이터 증강 모델을 개발하여 실제 환경에서의 객체 검출 정확도를 높이고 있습니다. 연구실은 RDAGAN(Robust Data Augmentation GAN)과 같은 파이프라인 모델을 통해, 다양한 도메인에서 수집된 이미지로부터 실제와 유사한 새로운 데이터를 생성하고, 이를 통해 객체 검출 모델의 일반화 성능을 극대화합니다.
이와 함께, 온디바이스(On-Device) 객체 검출을 위한 경량화 모델 설계, 상황 인지 기반의 모델 선택 기법, 그래프 컨볼루션 네트워크(GCN) 기반의 특성 맵 융합 등 최신 딥러닝 기술을 적극적으로 도입하고 있습니다. 이러한 연구는 모바일, 드론, 로봇, IoT 디바이스 등 연산 자원이 제한된 환경에서도 실시간 객체 검출이 가능하도록 하며, 실제 화재 감지, 스마트 팩토리, 영상 보안 등 다양한 산업 현장에 적용되고 있습니다.
연구실은 또한 데이터 증강과 객체 검출 기술을 융합하여, 화재 이미지와 같은 특수 목적 데이터셋의 부족 문제를 해결하고, YOLO, GCN 등 최신 객체 검출 알고리즘의 성능을 극대화하는 실험적 연구를 수행하고 있습니다. 이러한 기술은 영상 기반 안전 시스템, 지능형 CCTV, 스마트 시티 등 미래 지향적 응용 분야에서 핵심적인 역할을 할 것으로 기대됩니다.
1
RL - based HTTP Adaptive Streaming with Edge Collaboration in Multi-Client Environment
정광수, 강정호
Journal of Network and Computer Applications, 2024
2
Distributed DRL-Based Computation Offloading Scheme for Improving QoE in Edge Computing Environments
정광수
Sensors, 2023
3
HTTP adaptive streaming scheme based on reinforcement learning withedge computing assistance
정광수
Journal of Network and Computer Applications, 2023
1
이종 시스템간 협업문제 해결을 위한 5G 기반 협력대응형 영상보안 핵심기술 개발(4차년도)
2
모바일 엣지 컴퓨팅 기반의 협업형 미디어 스트리밍 모델 연구(3차년도)
3
드론 및 로봇분야에 적용 가능한 5G 환경 온디바이스 IoT 고속 지능 HW 및 SW 엔진 기술 개발(3차년도)
