영상 복원·효율화·신뢰성 기반 비전 AI

Vision AI for restoration, efficiency, and trustworthiness

연구 내용

블라인드 초해상도 커널 추정으로 복원 품질을 높이고, 채널 프루닝과 개념 제거·연속 학습 지식 소거로 신뢰가능한 비전 AI를 구축하는 연구

본 연구는 영상 복원과 모델 효율화, 그리고 신뢰성 확보를 하나의 비전 AI 체계로 통합합니다. 블라인드 초해상도에서는 왜곡 커널(blur kernel)을 무지도 방식으로 추정하고 커널 보정까지 수행하여 복원 성능을 향상시키는 접근을 사용합니다. 동시에 모바일·엣지 환경을 고려해 Tailored Channel Pruning처럼 목표 자원 예산에 맞춰 학습 중에 구조적 희소성을 제어하는 방식으로 정확도 저하를 줄입니다. 신뢰성 측면에서는 CLIP 기반 개념 제거와 생성형 모델 연계를 통해 우회 가능성을 다루고, 연속 학습 환경에서 지식 소거를 통해 신뢰 가능한 동작 조건을 확보하는 연구를 수행합니다. 비지도 이상치 감지 장치 특허를 통해 이상 탐지의 실사용 관점도 함께 다룹니다.

관련 프로젝트

2건

연구 흐름

초기에는 blind super-resolution에서 핵심 요소인 커널 추정을 정확도 관점에서 개선하고, 커널 보정과 감도 설계를 함께 고려하는 흐름으로 연구를 시작하였습니다. 이후에는 모델 경량화를 목표로 목표 복잡도 예산을 반영한 채널 프루닝 기법을 제안하며 학습-압축 통합 전략을 강화했습니다. 신뢰성 연구로는 생성형 모델과 결합된 개념 제거를 통해 원하지 않는 표현 경로를 억제하는 방향으로 확장되었고, 연속 학습 환경에서는 지식 소거를 통해 의도된 정보만 남기려는 접근을 수행하고 있습니다. 이러한 축을 비지도 이상치 감지와 같은 실용 태스크로 연결하는 단계까지 진행합니다.

활용 가능성

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

블라인드 초해상도 복원
왜곡 커널 추정·보정
목표 예산 기반 채널 프루닝
엣지 배포용 경량 비전 모델
CLIP 기반 개념 제거
생성형 모델 안전 제어
연속 학습 지식 소거
신뢰가능 AI 운영 체계
비지도 이상치 감지
강건한 비전 예측 파이프라인