3D 인식과 산업용 비전에서의 분할·깊이 추정

3D perception and segmentation/depth estimation for industrial vision

연구 내용

점군·라이트필드·다중 센서 데이터를 활용해 분할과 깊이 추정을 정밀화하고, 산업 비전 검사 성능을 맥락 기반으로 개선하는 연구

본 연구는 3D 장면을 효율적으로 이해하기 위해 점군 및 라이트필드 기반 네트워크를 설계합니다. 점군 분할에서는 Projection-based Point Convolution처럼 2D convolution과 MLP를 조합하여 계산량과 메모리 부담을 줄이면서도 분할 성능을 유지하는 구조를 적용합니다. 라이트필드 깊이 추정에서는 전경·배경을 다중 스케일로 분리해 시각적 복잡도를 줄이고 깊이 예측 품질을 확보합니다. 또한 산업용 검사에서는 배경 맥락을 반영하는 데이터 증강을 통해 과적합을 완화하고 범용성을 높입니다. 더 나아가 카메라-레이더 센서 융합과 경계 인식 기반 3차원 가우시안 최적화로 장면 복원·객체 분할을 함께 개선하는 방향을 수행합니다.

관련 프로젝트

3건

연구 흐름

초기에는 점군 분할에서 계산 효율과 분할 성능 간 균형을 목표로 Projection 기반 구조를 개발하고, 라이트필드 깊이 추정에서는 다중 스케일 전경·배경 분리로 예측 안정성을 확보했습니다. 이후 산업 비전에서는 Context-aware data augmentation을 적용하여 학습 분포의 변화에 대한 민감도를 낮추는 방향으로 연구를 확장하였습니다. 최근에는 3차원 가우시안 최적화와 카메라-레이더 센서 퓨전으로 객체 탐지와 장면 복원 성능을 동시에 다루는 통합 연구를 진행하고 있습니다. 의료 영상에서는 멀티모달 MRI 기반 악성도 예측을 설명 가능 관점에서 확장하여 응용 범위를 넓히고 있습니다.

활용 가능성

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

점군 의미 분할
효율적 3D 특징 추출
라이트필드 깊이 추정
산업용 비전 검사
배경 맥락 기반 데이터 증강
카메라-레이더 센서 융합 탐지
경계 인식 객체 분할
3D 장면 복원
의료 영상 위험도 예측
실시간 객체 탐지 파이프라인