안면 감정 인식(Facial Emotion Recognition, FER)은 특히 파킨슨병(Parkinson’s disease, PD), 다발성 경화증(Multiple Sclerosis, MS), 뇌졸중(Stroke)과 같은 신경학적 장애(Neurological Disorders, NDs)를 겪는 개인의 경우를 중심으로 인간의 행동을 이해하는 데 핵심적인 역할을 한다. 감정에 대한 조기·정확한 탐지는 관련 기분 장애의 진단뿐 아니라 지속적인 모니터링에도 중요하다. 그러나 전통적 방법은 비침습적이며 실시간인 해결책을 제공하는 데에서 종종 한계를 보이며, 각 ND 범주에 연관된 특정 감정 유형을 식별하는 데 필요한 임상적 전문성 또한 부족한 실정이다. 이에 본 연구는 ALAMEDA 컨소시엄 하에서, 뇌 질환의 조기 진단과 치료를 강화하기 위한 사물인터넷(Internet of Things, IoT) 기반 FER AI Toolkit을 제안한다. 이 툴킷은 컨소시엄의 임상 가이드라인에 부합하며, 의료 분야에서 Industry 5.0의 목표를 지원하는 개인화되고 환자 중심적인 솔루션을 제공한다. Industry 5.0의 원칙에 따라 FER AI Toolkit은 엣지 디바이스를 사용하여 실시간 얼굴 데이터를 수집하고, 클라우드 서버에서 실행되는 딥러닝 모델이 이 데이터를 처리한다. 인식된 감정은 Semantic Knowledge Graph(SemKG) 서버로 업로드된다. 이를 통해 의료진은 실시간 데이터에 기반하여 정보에 입각한 의사결정을 내릴 수 있다. 또한 이 툴킷은 안전한 접근을 위한 Identity Authentication Manager(IAM)와 효율적인 자원 관리를 위한 ALAMEDA Innovation Hub(AIH)를 포함하여 ALAMEDA의 핵심 구성요소와 원활하게 통합된다. 지속적이고 개인화된 의료 인사이트를 제공함으로써, FER AI Toolkit은 진단과 환자의 안녕 사이의 격차를 연결하여 궁극적으로 의료 시스템을 발전시키는 데 기여한다. 추가 학습을 위해 교육 자료와 비디오 시연이 https://drive.google.com/drive/folders/1-iUz7FE2IrKHt5nMl3oGjsrCtk7Ps2bM?usp=sharing에 제공된다.

장면 이해는 맥락 정보를 추출하고 의사결정을 수행하기 위해 감각 데이터를 활용함으로써 자율주행에서 핵심적인 역할을 한다. 모델링의 진전과 더불어, 차량이 주변 환경을 인지할 수 있게 하는 기반은 시각 감각 데이터의 가용성이며, 이는 차량 지각을 확장하고 실제 환경에서의 차량적 맥락 인식을 실현한다. 관련 연구들이 추구해 온 장면 이해의 연구 방향에는 인물/차량 검출 및 분할, 그들의 전이(transition) 분석, 차선 변경 및 회전(turns) 검출 등 여러 과제가 포함된다. 그러나 이러한 과제들은 완전 자율주행 차량, 즉 사람에 의해 제어되는 차량처럼 주행하여 레벨-5 자율성을 달성하는 것을 완전히 구현하기에는 불충분해 보인다. 이와 같은 후자의 진술은 본 리뷰 논문에서 도출된 결론 가운데 하나로, 비전 센서를 사용하는 자율주행차의 장면 이해는 여전히 상당한 개선이 필요하다고 한다. 이러한 동기에서, 본 조사는 대부분이 계산적으로 복잡한 딥러닝 모델에 의존하는 장면 이해 연구 분야의 현재 성과를 정의하고, 분석하며, 검토한다. 또한 범용 장면 이해 파이프라인을 다루고, 최신 기술( state-of-the-art )에서 보고된 성능을 조사하며, 최첨단 모델링 선택지에 대한 시간 복잡도 분석을 제공하고, 현행 연구 노력에서 마주친 주요 성과와 주목할 만한 한계를 부각한다. 아울러 본 조사는 이용 가능한 데이터셋에 대한 포괄적인 논의를 포함하고, 최근까지 연구자들이 직면해 왔음에도 불구하고 오늘날까지도 미해결로 남아 있는 과제들을 다룬다. 마지막으로, 본 연구는 이 흥미로운 영역에 연구자와 실무자들이 참여할 수 있도록 향후 연구 방향을 제시한다.