Vision & Machine Learning Lab
소프트웨어학부 정민영
Vision & Machine Learning Lab은 소프트웨어학부 소속으로, 주로 컴퓨터 비전과 머신 러닝을 활용한 다양한 연구를 수행하고 있습니다. 최근 3년간 주요 연구 분야로는 적대적 이미지 재구성, 의료 이미지 분할, 포인트 클라우드 정합 등이 있습니다. 2023년에는 푸리에 도메인에서 노이즈 필터링 기법을 통해 적대적 사례 판별 연구를 진행하였고, 2022년에는 의료 영상 데이터에서 장기 분할을 위한 준 지도 학습 기반 연구를 수행하였습니다. 또한, 포인트 클라우드 정합을 통해 3D 스캔 모델과 치과 CT를 자동으로 정합하는 연구도 진행하였습니다. 이러한 연구들은 다양한 국제 학술지와 학회에 발표되었으며, 관련 특허도 여러 건 보유하고 있습니다.
Adversarial Image Reconstruction
Medical Image Segmentation
Point Cloud Registration
포인트 클라우드 정합 및 분석
포인트 클라우드 데이터의 정합 및 분석 기술은 3D 데이터의 정확한 매칭과 특징 추출을 위한 핵심 연구 분야입니다. 이를 통해 다양한 응용 분야에서 고품질의 3D 모델을 생성하고, 실시간으로 정밀한 물체 인식을 수행할 수 있습니다. 특히, 회전 불변성과 유사성 기반의 설명자를 활용한 포인트 클라우드 정합 기술은 다양한 각도와 위치에서도 높은 정확도를 유지할 수 있어, 자율 주행, AR/VR, 로봇 공학 등에서 큰 잠재력을 지니고 있습니다.
의료 이미지의 세분화 및 정합
의료 이미지 데이터의 세분화 및 정합 기술은 CT, MRI와 같은 의료 영상에서 장기 또는 병변을 정확히 식별하고 추출하는 데 중요한 역할을 합니다. 이 연구는 다중 장기 세분화, 개별 치아 인식 및 식별, 간 세분화 등 다양한 의료 이미지 처리 작업에 적용될 수 있습니다. 최신 인공지능 및 딥러닝 기술을 활용하여 복잡한 의료 데이터를 효율적으로 분석하고, 진단 및 치료 계획 수립에 필요한 중요한 정보를 제공합니다. 이러한 기술들은 의료 현장에서의 정확성과 효율성을 크게 향상시킬 수 있습니다.
1
Point Cloud Registration with Rotation-invariant and Dissimilarity-based Salient Descriptor
Seunghwan Jung, Yeong-Gil Shin, Minyoung Chung
Multimedia Tools and Applications, 2024
2
Robust Kernel-based Feature Representation for 3D Point Cloud Analysis via Circular Convolutional Network
Seunghwan Jung, Yeong-Gil Shin, Minyoung Chung
Computer Vision and Image Understanding, 2023
3
Automatic Registration of Dental CT and 3D Scanned Model using Deep Split Jaw and Surface Curvature
Minchang Kim, Minyoung Chung, Yeong-Gil Shin, Bohyoung Kim
Computer Methods and Programs in Biomedicine, 2023