컴퓨터비전 기반 프라이버시 비식별 및 효율적 인식 모델 연구

Computer Vision for Face De-identification and Efficient Recognition Models

연구 내용

얼굴 랜드마크 기반 생성적 적대 신경망으로 비식별화를 수행하고, 무인 차량용 실시간 인식 모델을 효율적으로 학습하는 연구

컴퓨터비전 응용에서 프라이버시 보호와 실시간 인식 성능을 동시에 고려하는 연구를 수행합니다. 얼굴 비식별화에서는 랜드마크 기반 L-GAN 구조로 효율적인 생성형 학습을 통해 식별 정보를 제거하는 방향을 적용합니다. 무인 차량 환경에서는 센서 입력 크기를 계단형으로 점진 축소하는 병렬 Transformer 구조인 StairWave를 제안합니다. DETR 계열 대비 작은 데이터에서도 학습이 가능하도록 설계하고, 센서 포지션이 미세하게 어긋나는 조건에서도 인식 결과의 일관성을 유지하도록 모델을 구성합니다.

관련 프로젝트

0건

연구 흐름

얼굴 비식별을 목표로 랜드마크 기반 생성적 적대 신경망을 적용하여 효율적인 비식별화 학습 절차를 확보했습니다. 이후 무인 차량의 다양한 센서 입력을 전제로, 인식 기능을 빠르게 활용하기 위한 Transformer 기반 경량화 구조를 연구했습니다. StairWave에서는 입력 크기 축소와 병렬 구조를 통해 계산 부담을 줄이면서도 수렴 특성을 개선하는 설계를 도입했습니다. 이 흐름을 통해 생성형 비식별 기술과 실시간 비전 인식 모델의 공통 설계 관점을 확장했습니다.

활용 가능성

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

얼굴 비식별화
프라이버시 보호 컴퓨터비전
무인 차량 인식
센서 기반 객체 탐지
실시간 추론 최적화
경량 Transformer
데이터 효율 학습
센서 미스얼라인먼트 강건성
비전 기반 안전 시스템
보안·감시 데이터 처리 파이프라인