이 연구 주제는 광학계와 센서가 획득한 불완전하거나 제한된 관측 데이터로부터 고품질 영상을 복원하는 계산영상학(computational imaging)에 초점을 둔다. 연구실은 라이트필드 영상, 초점 스택(focal stack), 저선량 CT, 이중에너지 CT 등 다양한 영상 시스템에서 발생하는 역문제를 수학적으로 정식화하고, 물리 모델과 데이터 기반 학습을 결합해 보다 정확하고 안정적인 재구성 방법을 개발한다. 단순한 영상 향상을 넘어서, 측정 장치의 구조와 복원 알고리즘을 함께 설계하는 접근이 핵심이다. 특히 반복신경망 기반의 재구성 프레임워크와 모델기반 복원 기법을 융합하여, 기존 최적화 알고리즘의 해석 가능성과 딥러닝의 표현력을 동시에 확보하려는 연구가 두드러진다. Momentum-Net과 같은 빠르고 수렴성이 보장되는 반복적 인공지능 구조는 영상재구성의 속도와 품질을 함께 향상시키며, 저선량 CT나 제한된 시점의 계산단층촬영처럼 데이터가 부족한 환경에서도 강건한 성능을 목표로 한다. 이는 의료영상, 광학영상, 3차원 복원 등 다양한 실제 응용으로 이어진다. 이러한 연구는 단순히 더 선명한 영상을 만드는 데 그치지 않고, 방사선 노출 저감, 센서 비용 절감, 측정 시간 단축, 새로운 형태의 이미징 시스템 구현으로 확장된다. 결과적으로 연구실의 계산영상학 연구는 영상획득 하드웨어와 인공지능 알고리즘의 경계를 연결하며, 차세대 의료영상과 3차원 시각 시스템의 기반 기술을 제공하는 역할을 한다.

연구실의 핵심 축 가운데 하나는 확산모델, 반복신경망, 자가·비지도학습을 포함하는 차세대 학습 알고리즘의 설계와 이론적 고도화이다. 연구실은 단순히 성능이 높은 블랙박스 모델을 만드는 데 머무르지 않고, 빠른 추론 속도, 일반화 성능, 수렴 특성, 데이터 효율성까지 함께 고려하는 인공지능 모델을 개발한다. 이는 실제 산업 및 의료 환경에서 사용할 수 있는 신뢰도 높은 AI를 구현하기 위한 중요한 방향이다. 구체적으로는 반복적 최적화 과정과 신경망 구조를 결합한 iterative neural network, 디노이징 확산생성모델, 그리고 정답 데이터가 제한된 상황을 위한 자가지도학습 기법이 주요 방법론으로 활용된다. 이러한 접근은 고해상도 영상 복원, 초해상화, 디블러링, 3차원 CT 복원, 라이트필드 재구성 등에서 효과적이며, 제한된 데이터나 노이즈가 많은 환경에서도 강건한 결과를 얻도록 설계된다. 또한 모델 경량화와 가속화 문제를 함께 다루어 실제 시스템 적용 가능성을 높인다. 이 연구 방향의 의의는 성능 중심의 AI에서 한 단계 나아가, 해석 가능하고 수학적으로 뒷받침되며 실용적으로 빠른 AI를 구축한다는 점에 있다. 연구실은 영상신호처리와 최적화 이론, 생성모델 연구를 유기적으로 연결함으로써 계산영상학, 의료영상, 멀티모달 인식, 자율주행 등 다양한 분야에 공통적으로 활용될 수 있는 기반 알고리즘을 발전시키고 있다.

연구실은 핵심 인공지능 기술을 실제 환경에 적용하는 컴퓨터비전 및 멀티모달 지능 시스템 연구도 활발히 수행한다. 여기에는 3차원 추적, 비디오 예측, 영상 분할, 암 진단 보조, 호흡음·생체신호 분석, 웨어러블 모션 트래킹, 햅틱 피드백, 자율주행 인식 및 제어가 포함된다. 영상뿐 아니라 음향, 센서, 생체신호, 동작 데이터 등 다양한 입력을 통합하여 현실 세계를 이해하고 상호작용하는 지능형 시스템을 구현하는 것이 특징이다. 최근 연구 성과를 보면, 후두 부위에서 측정한 기계-음향 신호를 딥러닝으로 실시간 분석하여 호흡기 질환을 분류하거나, 웨어러블 센서와 딥러닝을 결합해 전신 동작 추적과 양방향 햅틱 피드백을 제공하는 시스템을 제안하고 있다. 또한 그래핀 투명 광검출기와 결합된 3차원 추적, 자율주행을 위한 종단간 모델, 악천후 환경 대응 주행, 멀티모달 소형 언어모델 기반 주행 등으로 연구 영역이 확장되고 있다. 이는 AI 알고리즘을 센서 시스템과 통합해 실제 사용 가능한 플랫폼으로 만드는 능력을 보여준다. 이러한 응용 연구는 의료, 헬스케어, 인간-기계 상호작용, 스마트 모빌리티 등 사회적 파급효과가 큰 분야와 직접 연결된다. 연구실은 컴퓨터비전과 신호처리 기반의 인식 기술을 다양한 실세계 문제에 맞게 재구성하고, 멀티모달 학습과 엣지·웨어러블 시스템을 접목함으로써 인간 중심의 지능형 서비스 구현에 기여하고 있다.