Computer Vision Lab. CNU
컴퓨터융합학부 고영준
컴퓨터 비전 연구실(Computer Vision Lab. CNU)은 컴퓨터 비전, 영상 처리, 머신러닝, 딥러닝 등 첨단 인공지능 기술을 기반으로 다양한 영상 및 이미지 데이터를 분석하고 이해하는 연구를 수행하고 있습니다. 본 연구실은 객체 검출, 분할, 추적, 얼굴 인식, 영상 품질 개선 등 컴퓨터 비전의 핵심 문제를 다루며, 최신 딥러닝 및 머신러닝 기법을 적극적으로 도입하여 실시간 처리와 고성능 알고리즘 개발에 주력하고 있습니다.
특히, 동영상 객체 분할, 다중 객체 추적, 3D 포즈 및 형태 복원, 팬옵틱 분할 등 다양한 컴퓨터 비전 응용 분야에서 세계적인 수준의 연구 성과를 내고 있습니다. CVPR, ICCV, ECCV 등 국제 유수 학회에 다수의 논문이 채택되고 있으며, DAVIS Challenge 등 글로벌 대회에서 수상하는 등 연구실의 우수성이 입증되고 있습니다. 또한, 영상의 품질 개선, 노이즈 제거, 색상 보정 등 영상 처리 분야에서도 활발한 연구가 이루어지고 있습니다.
본 연구실은 컴퓨터 비전 기술을 축산 및 바이오 분야에 융합하는 연구도 선도적으로 수행하고 있습니다. 소고기 마블링 등급 판정, 돼지 등지방 두께 측정, 닭 깃털색 유전체 분석 등 축산 데이터에 인공지능 및 컴퓨터 비전 기술을 적용하여, 자동화된 등급 판정 및 유전 형질 예측 시스템을 개발하고 있습니다. 또한, 바이오인포매틱스와 인공지능의 융합 연구를 통해 유전체 데이터 분석, 유전자 모듈 클러스터링, 복합 형질 예측 등 다양한 연구를 진행하고 있습니다.
머신러닝 및 메타러닝 기반의 영상 인식·분석 기술 개발에도 집중하고 있습니다. 적은 데이터로도 빠르게 학습할 수 있는 메타러닝, 비지도 클러스터링, 소수 샘플 기반 객체 인식 등 최신 연구를 통해 실제 환경에서의 영상 인식 및 분석의 범용성과 효율성을 높이고 있습니다. 이러한 연구는 자율주행, 스마트 팩토리, 의료 영상, 농업 등 다양한 산업 분야에 적용되고 있습니다.
연구실은 정부 및 산업체와의 다양한 협력 과제를 수행하며, 실질적인 사회적·산업적 파급효과를 창출하고 있습니다. 미래 지능형 영상 인식 및 분석 기술의 선도 연구실로서, 학문적 성과와 산업적 활용 모두에서 두각을 나타내고 있습니다.
Image Enhancement
3D Pose Reconstruction
Face Clustering
컴퓨터 비전 및 영상 처리
컴퓨터 비전 및 영상 처리는 본 연구실의 핵심 연구 분야로, 다양한 이미지와 비디오 데이터를 분석하고 이해하는 기술을 개발하는 데 중점을 두고 있습니다. 컴퓨터 비전은 인공지능의 한 분야로, 기계가 시각적 정보를 해석하고 의미를 추출할 수 있도록 하는 기술을 연구합니다. 본 연구실에서는 객체 검출, 분할, 추적, 얼굴 인식, 영상 내 주요 객체 탐지 등 다양한 컴퓨터 비전 문제를 다루고 있습니다.
특히, 동영상 객체 분할, 다중 객체 추적, 팬옵틱 분할, 3D 포즈 및 형태 복원 등 최신 컴퓨터 비전 기술을 적극적으로 연구하고 있습니다. 예를 들어, BAAM(3D 포즈 및 형태 복원), Local Connectivity-Based Density Estimation for Face Clustering(얼굴 클러스터링), Center-Guided Transformer for Panoptic Segmentation(팬옵틱 분할) 등 다양한 논문과 프로젝트를 통해 세계적인 학회에서 인정받고 있습니다. 또한, 영상의 품질 개선, 노이즈 제거, 색상 보정 등 영상 처리 분야에서도 활발한 연구가 이루어지고 있습니다.
이러한 연구는 자율주행, 스마트 팩토리, 의료 영상, 농업 등 다양한 산업 분야에 적용될 수 있으며, 실제 산업 현장에서 요구되는 문제 해결에 기여하고 있습니다. 본 연구실은 최신 딥러닝 및 머신러닝 기법을 적극적으로 도입하여, 영상 데이터의 복잡한 패턴을 효과적으로 분석하고, 실시간 처리 및 고성능 알고리즘 개발에 주력하고 있습니다.
딥러닝 기반 스마트 축산 및 바이오인포매틱스 융합 연구
본 연구실은 컴퓨터 비전 기술을 축산 및 생명과학 분야에 융합하는 연구도 활발히 수행하고 있습니다. 예를 들어, 소고기 마블링 등급 판정(MSENet), 돼지 등지방 두께 측정(BTENet), 닭 깃털색 유전체 분석 등 다양한 축산 데이터에 인공지능 및 컴퓨터 비전 기술을 적용하여, 자동화된 등급 판정 및 유전 형질 예측 시스템을 개발하고 있습니다. 이러한 연구는 축산업의 효율성 증대와 품질 관리에 큰 기여를 하고 있습니다.
또한, 바이오인포매틱스와 인공지능의 융합 연구도 중요한 축을 이룹니다. deepGBLUP, gmcNet 등 딥러닝과 그래프 신경망을 활용한 유전체 데이터 분석, 유전자 모듈 클러스터링, 복합 형질 예측 등 다양한 연구가 진행되고 있습니다. 이러한 연구는 동물 유전학, 생명정보학, 정밀의료 등 다양한 분야에서 활용될 수 있으며, 실제로 국내외 학술지와 특허, 산업체 협력 프로젝트 등에서 그 성과를 인정받고 있습니다.
스마트팜, 자동화된 축산 시스템, 유전체 기반 맞춤형 육종 등 미래 농축산업의 혁신을 이끄는 기술 개발에 중점을 두고 있으며, 다양한 정부 및 산업체 과제를 수행하며 실질적인 사회적, 산업적 파급효과를 창출하고 있습니다.
머신러닝 및 메타러닝 기반 영상 인식·분석 기술
머신러닝과 메타러닝은 본 연구실의 또 다른 핵심 연구 분야입니다. 머신러닝은 대규모 데이터로부터 패턴을 학습하여 예측 및 분류를 수행하는 기술로, 컴퓨터 비전 및 영상 처리의 성능을 극대화하는 데 필수적인 역할을 합니다. 본 연구실에서는 영상 내 객체 검출, 추적, 분할 등 다양한 문제에 머신러닝 알고리즘을 적용하고 있으며, 최신 딥러닝 네트워크 구조와 학습 방법론을 개발하고 있습니다.
특히, 메타러닝은 적은 데이터로도 빠르게 새로운 작업을 학습할 수 있도록 하는 기술로, 영상 인식 분야에서 데이터 부족 문제를 해결하는 데 중요한 역할을 합니다. 본 연구실에서는 메타러닝을 활용한 비지도 클러스터링, 소수 샘플 기반 객체 인식, 전이학습 등 다양한 연구를 진행하고 있습니다. 이를 통해 실제 환경에서의 영상 인식 및 분석의 범용성과 효율성을 높이고 있습니다.
이러한 연구는 영상 기반 자동화 시스템, 지능형 감시, 의료 영상 분석, 산업용 검사 등 다양한 응용 분야에 적용되고 있으며, 국내외 주요 학회 및 저널에 다수의 논문이 게재되고 있습니다. 또한, 산학협력 및 정부과제를 통해 실질적인 기술 이전과 산업적 활용을 적극적으로 추진하고 있습니다.
1
Guided Interactive Video Object Segmentation Using Reliability-Based Attention Maps
Yuk Heo (Korea University), Yeong Jun Koh (Chungnam National University), Chang-Su Kim (Korea university)
, 1970
2
Local Connectivity-Based Density Estimation for Face Clustering
, 2023
3
BAAM: Monocular 3D pose and Shape Reconstruction with Bi-contextual Attention Module and Attention-guided Modeling
, 2023
1
축산업의 스마트 혁신을 위한 인공지능 기술 개발
3
Relative Uniformity 보정 기술 개발