강제원 연구실은 차세대 비디오 압축 기술 개발에 중점을 두고 있습니다. 연구실은 H.266/VVC, HEVC, 3D-HEVC 등 최신 국제 비디오 압축 표준의 핵심 기술을 선도적으로 연구하며, 인공지능 및 딥러닝 기반의 부호화 알고리즘을 개발하여 영상 신호의 효율적인 압축과 전송을 실현하고 있습니다. 특히, 화면 간 예측, 블록 분할 구조 최적화, 인루프 필터링, 색상 변환 등 다양한 영상 신호처리 요소를 혁신적으로 개선하여 고화질, 초고해상도, 몰입형 비디오의 실시간 처리와 전송을 가능하게 하고 있습니다. 이러한 연구는 영상 데이터의 폭발적인 증가와 8K, 16K 등 초고해상도 미디어의 등장, 그리고 메타버스, VR/AR, 실감형 콘텐츠 등 새로운 미디어 환경에서 필수적인 기반 기술로 자리 잡고 있습니다. 연구실은 신경망 기반의 예측 및 보정, 강화학습을 활용한 예측 구조 최적화, 다양한 잡음 및 특성에 적응하는 인루프 필터 등 첨단 AI 기술을 비디오 압축에 융합하여 기존 대비 월등한 압축 효율과 화질 개선을 달성하고 있습니다. 또한, 연구실은 다중시점, 360도, 6자유도(6DoF) 등 몰입형 비디오의 효율적 압축 및 전송 기술, 그리고 대용량 공간 데이터의 신호처리와 피처 레벨 학습 등 미래 지향적 연구도 활발히 수행하고 있습니다. 이러한 기술은 방송, 통신, 엔터테인먼트, 의료, 자율주행 등 다양한 산업 분야에 적용되어, 차세대 미디어 서비스의 혁신을 주도하고 있습니다.

연구실은 딥러닝 및 머신러닝을 활용한 영상 인식, 분석, 멀티모달 신호처리 분야에서도 탁월한 연구 성과를 내고 있습니다. 영상 내 객체 검출, 얼굴 표정 및 응시 방향 분석, 자세 인식, 언어-비디오 질의응답, 수면 단계 분석 등 다양한 응용 분야에서 신경망 기반의 혁신적인 알고리즘을 개발하고 있습니다. 특히, CNN, LSTM, 트랜스포머 등 최신 딥러닝 아키텍처를 영상 신호처리에 접목하여, 복잡한 시공간적 패턴을 효과적으로 학습하고 해석 가능한 결과를 도출하고 있습니다. 이러한 연구는 방송뉴스, 정치 토론 영상, 의료 영상, 자율주행 등 실제 환경에서 발생하는 다양한 영상 데이터를 분석하고, 자동화된 인식 및 분류, 예측 시스템을 구축하는 데 중추적인 역할을 하고 있습니다. 예를 들어, TV토론 영상에서 후보자의 표정과 응시 방향을 자동 분석하거나, 수면 단계 신호의 노이즈 제거 및 분류, 콘크리트 구조물의 손상 자동 검출 등 다양한 실용적 문제를 해결하고 있습니다. 또한, 연구실은 멀티모달 데이터(영상, 음성, 텍스트 등)의 융합 처리, 도메인 적응, 블랙박스 모델 기반 전이학습 등 첨단 AI 기술을 적극적으로 도입하고 있습니다. 이를 통해, 다양한 도메인과 환경에서 강인하게 동작하는 인공지능 시스템을 개발하고, 실제 산업 및 사회 문제 해결에 기여하고 있습니다.

강제원 연구실은 몰입형 미디어와 3차원 비디오 신호처리 분야에서도 선도적인 연구를 수행하고 있습니다. 360도, 6자유도(6DoF), 다중시점(멀티뷰) 비디오의 압축, 전송, 화질 개선, 그리고 실감형 콘텐츠 생성 및 처리 기술을 집중적으로 개발하고 있습니다. MPEG-I, TMIV 등 국제 표준 기반의 몰입형 비디오 코덱 개발, 360도 영상의 초해상도 및 프레임 보간, 3D 공간 구조 기반의 플렌옵틱 영상 부호화 등 다양한 연구를 통해 차세대 메타버스 및 실감형 미디어 서비스의 기술적 토대를 마련하고 있습니다. 특히, 몰입형 비디오의 대용량 데이터 처리와 실시간 스트리밍을 위한 압축 도메인 학습, 입체 공간 피처 레벨 신호처리, 신경망 기반의 영상 표현 및 전송 기술 등 첨단 연구를 수행하고 있습니다. 이러한 기술은 가상현실(VR), 증강현실(AR), 실사 메타버스, 원격 협업, 실감형 방송 등 다양한 미래 미디어 서비스에 핵심적으로 적용될 수 있습니다. 연구실은 또한, 메타버스 환경에서의 실시간 콘텐츠 제작, 자동 영상 생성, 시뮬레이션 기반 융복합 콘텐츠, 실사 메타버스 비디오 획득 및 처리 등 국가적 대형 연구과제도 주도적으로 수행하고 있습니다. 이를 통해, 몰입형 미디어의 상용화와 글로벌 경쟁력 확보에 기여하고 있습니다.