CVML 연구실은 컴퓨터 비전과 머신러닝을 융합하여 시각정보처리 분야의 다양한 문제를 해결하는 데 주력하고 있습니다. 본 연구실에서는 깊이 추정, 객체 인식, 이미지 품질 평가 등 시각정보의 해석과 이해를 위한 첨단 알고리즘을 개발하고 있습니다. 특히, 최신 딥러닝 기법을 적용하여 기존 방법보다 뛰어난 성능을 달성하고 있으며, 실제 환경에서 발생하는 노이즈나 결측 데이터에도 강인한 모델을 설계하고 있습니다. 연구실의 주요 연구 주제 중 하나는 RGB-D 카메라와 같은 다양한 센서 데이터를 활용한 3차원 정보 추출입니다. 이를 위해 포인트 클라우드 정합, 깊이 이미지의 초해상도, 그리고 다중 카메라의 외부 캘리브레이션 등 실질적인 응용에 초점을 맞춘 연구를 수행하고 있습니다. 또한, 단일 영상 기반의 3차원 인체 모델링, 스테레오 매칭, 손끝 인식 등 인간-컴퓨터 상호작용을 위한 핵심 기술도 활발히 개발 중입니다. 이러한 연구들은 자율주행, 로봇, 증강현실, 스마트 센서 등 다양한 산업 분야에 적용될 수 있습니다. 연구실은 실제 산업체와의 협력 프로젝트를 통해 기술의 실용화와 고도화를 동시에 추구하고 있으며, 국제 학술지 및 학회에서 다수의 우수 논문과 특허를 발표하며 학계와 산업계 모두에서 인정받고 있습니다.

CVML 연구실은 발전소 가스터빈 등에서 발생하는 연소 불안정성을 효과적으로 모니터링하기 위한 딥러닝 기반의 영상 분석 기술을 개발하고 있습니다. 고속 화염 영상을 입력으로 하여, 시간에 따른 화염의 특성을 정밀하게 분석하고, 조기 이상 징후를 탐지하는 알고리즘을 연구합니다. 특히, 연구실에서 제안한 Early Fusion 및 Late Fusion 계층은 각 시점별 영상 정보를 효과적으로 통합하여, 시간 불변적인 특성과 시계열적 변화를 동시에 학습할 수 있도록 설계되었습니다. 이러한 기술은 실제 발전소의 안전성과 효율성을 높이는 데 기여할 수 있으며, 기존의 센서 기반 모니터링 방식보다 더 정밀하고 신속한 이상 감지 성능을 제공합니다. 또한, 고속 영상 데이터의 대용량 처리와 실시간 분석을 위해 최적화된 딥러닝 모델 구조를 도입하여, 산업 현장에 바로 적용 가능한 솔루션을 제시하고 있습니다. 연구실은 관련 분야에서 다수의 특허와 논문을 발표하였으며, 국내외 유수의 학회 및 저널에서 그 우수성을 인정받고 있습니다. 앞으로도 연소 불안정성뿐만 아니라, 다양한 산업용 고속 영상 분석 분야로 연구를 확장해 나갈 계획입니다.

CVML 연구실은 단일 RGB-D 이미지만으로도 정확한 3차원 인체 모델을 생성할 수 있는 혁신적인 기술을 개발하고 있습니다. 기존의 복잡한 다중 카메라 시스템 없이도, 한 장의 전면 뎁스 이미지를 입력으로 전체 인체의 포인트 클라우드를 재구성하는 딥러닝 기반 방법론을 제안하였습니다. 이 방법은 실제 뎁스 이미지에서 흔히 발생하는 노이즈와 결측 데이터에 강인하며, 다양한 환경에서도 안정적으로 동작합니다. 또한, 연구실은 다중 RGB-D 카메라의 외부 캘리브레이션을 위한 자동화된 알고리즘도 개발하고 있습니다. 구형 타겟을 활용한 원 검출 및 조명 변화에 강인한 특징 추출 기법을 통해, 사용자가 손쉽게 여러 대의 카메라를 정밀하게 정렬할 수 있도록 지원합니다. 이러한 기술은 공연장, 실내 공간, 로봇 비전 등 다양한 응용 분야에서 활용되고 있습니다. 3차원 인체 모델링 및 센서 융합 기술은 증강현실, 가상현실, 헬스케어, 스포츠 분석 등 미래 지향적 산업 분야에서 핵심적인 역할을 할 것으로 기대됩니다. 연구실은 관련 기술의 상용화와 실용화를 위해 산학협력 및 다양한 프로젝트를 활발히 수행하고 있습니다.