SMART VISION & MEDIA LAB.
멀티미디어소프트웨어공학전공 전공책임교수 조성인
SMART VISION & MEDIA LAB은 딥러닝과 인공지능 기술을 기반으로 한 시각정보처리 및 컴퓨터 비전 분야의 선도적인 연구를 수행하고 있습니다. 본 연구실은 이미지 및 비디오 데이터의 분석, 인식, 복원, 품질 향상 등 다양한 컴퓨터 비전 문제를 해결하기 위해 최신 딥러닝 모델과 알고리즘을 개발하고 있습니다. 특히, 실시간 영상 처리와 경량화된 네트워크 설계, 다양한 환경 변화에 강인한 인식 기술 등 실용적이고 혁신적인 연구에 집중하고 있습니다.
연구실의 또 다른 핵심 연구 분야는 도메인 적응 및 준지도 학습입니다. 실제 환경에서는 라벨이 부족하거나 데이터 분포가 상이한 경우가 많기 때문에, 본 연구실은 소량의 라벨 데이터와 다양한 도메인 간 데이터 불일치 문제를 해결할 수 있는 첨단 알고리즘을 개발하고 있습니다. 세미-슈퍼바이즈드 러닝, 멀티소스 도메인 적응, 트리코 트레이닝 등 최신 기법을 적용하여, 데이터 효율성과 모델의 일반화 성능을 극대화하고 있습니다.
영상 및 비디오 신호처리와 실시간 시스템 설계 분야에서도 본 연구실은 두각을 나타내고 있습니다. 영상 복원, 디노이징, 디블러링, 초해상도, 장면 전환 검출 등 다양한 신호처리 기술을 개발하며, 실제 하드웨어 및 임베디드 시스템에 적용 가능한 경량화 알고리즘과 최적화 기법을 연구하고 있습니다. 이러한 기술은 디스플레이, 스마트 팩토리, 자율주행, 의료 영상 등 다양한 산업 분야에 적용되고 있습니다.
본 연구실은 국내외 유수 학술지 및 학회에서 다수의 논문을 발표하고 있으며, 산업체와의 협력 프로젝트를 통해 연구 성과의 실용화에도 앞장서고 있습니다. 또한, 특허 출원 및 등록, 산학협력, 정부 및 민간 연구과제 수행 등 다양한 활동을 통해 연구실의 기술력을 지속적으로 강화하고 있습니다.
앞으로도 SMART VISION & MEDIA LAB은 인공지능 기반 시각정보처리, 도메인 적응, 신호처리 및 실시간 시스템 분야에서 혁신적인 연구를 지속하며, 미래 지능형 미디어 및 스마트 시스템의 발전에 기여할 것입니다.
AI-based Inspection
Computer Vision
Deep Learning
딥러닝 기반 시각정보처리 및 컴퓨터 비전
딥러닝 기반 시각정보처리 및 컴퓨터 비전 분야는 인공지능 기술의 핵심 영역 중 하나로, 이미지와 비디오 데이터를 효과적으로 분석하고 이해하는 데 중점을 둡니다. 본 연구실에서는 딥러닝 모델을 활용하여 이미지 분류, 객체 탐지, 세분화, 특징 추출 등 다양한 컴퓨터 비전 문제를 해결하고 있습니다. 특히, 최신 신경망 구조와 학습 기법을 도입하여 복잡한 시각적 정보를 정밀하게 처리하는 연구를 활발히 진행하고 있습니다.
이러한 연구는 실제 산업 현장에서의 적용 가능성을 높이기 위해 실시간 처리와 경량화 모델 개발에도 집중하고 있습니다. 예를 들어, 실시간 영상 분석을 위한 경량화 네트워크 설계, 다양한 조명 조건과 환경 변화에 강인한 영상 인식 기술, 그리고 비지도 및 준지도 학습을 통한 데이터 효율성 증대 방안 등이 주요 연구 주제로 다루어집니다. 또한, 영상 복원, 초해상도, 디노이징, 디블러링 등 영상 품질 향상 기술도 함께 연구되고 있습니다.
이러한 연구 성과는 자율주행, 스마트 팩토리, 의료 영상, 보안 감시 등 다양한 응용 분야에 적용되고 있습니다. 실제로 본 연구실은 국내외 학술지와 학회에서 다수의 논문을 발표하며, 산업체와의 협력 프로젝트를 통해 기술의 실용화에도 앞장서고 있습니다. 앞으로도 딥러닝 기반 시각정보처리 기술의 한계를 극복하고, 새로운 응용 가능성을 지속적으로 탐구할 예정입니다.
도메인 적응 및 준지도 학습
도메인 적응과 준지도 학습은 제한된 라벨 데이터와 서로 다른 데이터 분포 환경에서 인공지능 모델의 성능을 극대화하기 위한 핵심 기술입니다. 본 연구실은 다양한 도메인 간의 데이터 불일치 문제를 해결하고, 소량의 라벨 데이터만으로도 높은 인식 성능을 달성할 수 있는 알고리즘 개발에 주력하고 있습니다. 특히, 세미-슈퍼바이즈드 러닝, 멀티소스 도메인 적응, 트리코 트레이닝 전략 등 최신 기법을 도입하여 실질적인 데이터 부족 문제를 극복하고 있습니다.
이러한 연구는 실제 산업 현장에서의 데이터 수집 및 라벨링 비용을 절감하고, 다양한 환경 변화에 강인한 인공지능 시스템을 구축하는 데 큰 기여를 하고 있습니다. 예를 들어, 도로 환경 변화에 따른 차선 검출, 다양한 조명 조건에서의 결함 검출, 의료 영상에서의 병변 탐지 등 실제 응용 사례에 적용되고 있습니다. 또한, 도메인 적응 기술은 원격 탐사, 제조업, 교통 시스템 등 다양한 분야에서 데이터의 다양성과 복잡성을 효과적으로 처리하는 데 활용되고 있습니다.
연구실은 이론적 연구뿐만 아니라 실제 데이터셋을 활용한 실험과 산업체 협력 프로젝트를 통해 기술의 실용화와 고도화에 힘쓰고 있습니다. 앞으로도 도메인 적응 및 준지도 학습 분야에서 새로운 알고리즘과 응용 사례를 지속적으로 발굴하여, 인공지능 기술의 확장성과 실용성을 높이는 데 기여할 계획입니다.
영상 및 비디오 신호처리와 실시간 시스템 설계
영상 및 비디오 신호처리 분야는 디지털 미디어 환경에서 고품질 영상 제공과 효율적인 데이터 처리를 위한 핵심 기술입니다. 본 연구실은 영상 및 비디오의 품질 향상, 노이즈 제거, 디블러링, 다운스케일링, 업스케일링, 장면 전환 검출 등 다양한 신호처리 기술을 연구하고 있습니다. 특히, CNN 기반의 영상 복원, 객체 추적, 장면 변화 탐지 등 최신 딥러닝 기법을 접목하여 기존 신호처리의 한계를 극복하고 있습니다.
실시간 시스템 설계는 이러한 신호처리 기술을 실제 하드웨어나 임베디드 시스템에 적용하기 위한 연구로, 경량화된 알고리즘 개발과 최적화된 하드웨어 구현에 중점을 두고 있습니다. 예를 들어, 실시간 고객 분석을 위한 피플 카운팅 시스템, 산업용 결함 검출 시스템, 디스플레이 패널의 품질 평가 시스템 등 다양한 응용 분야에 실시간 신호처리 기술이 적용되고 있습니다. 또한, 영상 데이터의 대용량 처리와 빠른 응답성을 보장하기 위한 병렬처리 및 GPU 최적화 연구도 병행되고 있습니다.
이러한 연구는 디스플레이, 스마트 팩토리, 자율주행, 보안, 의료 등 다양한 산업 분야에서 실질적인 가치를 창출하고 있습니다. 앞으로도 본 연구실은 영상 및 비디오 신호처리와 실시간 시스템 설계 분야에서 혁신적인 기술 개발과 실용화에 앞장설 예정입니다.
1
Dual-Branch Network via Multiple Illumination-Aware Representation Learning for Steel Surface Defect Classification
BMVC2025, 2025
2
Context-aware Sim-to-real Unsupervised Domain Adaptation for Lane Detection via Disentangled Feature Alignment
IEEE Transactions on Automation Science and Engineering, 2025
3
Dynamic Pseudo Labeling via Gradient Cutting for High-Low Entropy Exploration
CVPR2025, 2025
2
생산공정 인식- Vision cameras 기반 QR code 인식 기술 기초 연구
3
Multi-light 기반 외관검사 알고리즘 개발
