Stereo and Urban Visual Reasoning for Trajectory Prediction and Anomaly Detection
연구 내용
컬러-모노크롬 스테레오 정합과 도시 영역의 시각-공간 특성을 학습하여 일탈/위험 신호를 예측하고 경로를 추론하는 연구
컬러 이미지와 모노크롬 이미지를 함께 활용하는 스테레오 정합 프레임을 기반으로, 노이즈와 광량 차이를 반영한 깊이·불일치 추정을 학습합니다. 이 시각 표현을 도시 공간의 연속 영상에 적용하여 일탈 범죄와 비공식 위험 행동을 포함한 deviance를 인지하고, 어떤 시각 속성이 예측에 기여하는지 분석하는 방향으로 연구를 수행합니다. 또한 보행자 궤적 예측을 시각-언어 입력으로 재구성해 사회적 관계를 추론하는 경로 생성 모델을 개발하며, 스마트시티 모빌리티 융합 과제의 데이터 기반 예측 체계와 연계 가능한 기술 축을 형성합니다.
관련 연구 성과
관련 논문
3편
관련 특허
2건
관련 프로젝트
1건
연구 흐름
초기에는 컬러-모노크롬 조합에서 stereo matching 성능을 확보하기 위해 깊이·색 정보의 공통 표현을 학습하는 신경망 구조를 구축했습니다. 이후 Google Street View 기반 연속 이미지와 사건 보고 데이터를 결합하여 도시 안전에서의 deviance를 인지하고, 모델이 활용하는 시각 특성을 해석하는 연구로 확장했습니다. 최근에는 궤적 예측 문제를 비전-언어 질의응답 형태로 재정의하여 장면 맥락과 보행자 간 관계를 반영한 경로 생성으로 발전시키는 흐름으로 연구를 진행했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
CMSNet: Deep Color and Monochrome Stereo
What Makes Deviant Places?
Social Reasoning-Aware Trajectory Prediction via Multimodal Language Model
관련 특허
구분
제목
컬러 이미지와 모노크롬 이미지를 이용하여 스테레오 매칭을 수행하는 방법 및 이를 이용한 장치
보행자 그룹화를 통한 경로 예측 방법
관련 프로젝트
구분
제목
차세대 스마트시티 구축을 위한 AI 초연결 모빌리티 융합기술개발