이민식 연구실
전자공학부
이민식
이민식 연구실은 한양대학교 ERICA캠퍼스 전자공학부에 소속되어 있으며, 시각정보처리와 컴퓨터 비전, 그리고 3차원 복원 및 비정형 객체 구조 추정 분야에서 국내외적으로 높은 연구 성과를 내고 있는 연구실입니다. 연구실은 영상 및 이미지 데이터를 기반으로 한 패턴 인식, 객체 인식, 얼굴 인식, 3차원 복원 등 다양한 컴퓨터 비전 문제를 해결하기 위한 첨단 알고리즘 개발에 주력하고 있습니다.
특히, 딥러닝과 강화학습, 자기지도학습 등 최신 인공지능 기술을 적극적으로 도입하여, 기존의 한계를 극복하고 새로운 문제 해결 방안을 제시하고 있습니다. 예를 들어, 단일 이미지 또는 동영상에서의 3차원 인간 자세 추정, 비정형(non-rigid) 객체의 3차원 구조 복원, 그리고 의료 영상 데이터를 활용한 노인성 질환 진단 시스템 개발 등은 연구실의 대표적인 연구 주제입니다. 또한, 포인트 클라우드 데이터의 균일화, 그래프 기반 데이터 분석, Vision Transformer 구조의 영상 처리 등 다양한 기술적 시도를 통해 연구의 폭을 넓히고 있습니다.
연구실은 이론적 연구뿐만 아니라 실제 산업 및 의료 현장에 적용 가능한 실용적 기술 개발에도 많은 노력을 기울이고 있습니다. 예를 들어, 노인성 신경질환 조기 진단을 위한 지능형 헬스케어 시스템, 다중 카메라 기반 3차원 위치 추적, 포인트 클라우드 재추출 및 데이터 증강 기술 등은 실제 특허와 프로젝트로 이어져 사회적 파급력을 높이고 있습니다. 또한, GAN, Diffusion Model 등 최신 생성 모델을 활용한 이미지 생성 및 편집, 지식 증류와 데이터 증강 등 AI 기반의 혁신적 연구도 활발히 이루어지고 있습니다.
이민식 연구실은 다양한 정부 및 산업체 지원 프로젝트를 수행하며, 대규모 데이터셋 구축, 실시간 처리 알고리즘 개발, 임베디드 시스템과의 연동 등 실용화 연구에도 앞장서고 있습니다. 이를 통해 의료, 헬스케어, 스마트 센서, 증강현실, 자율주행 등 미래 산업을 선도할 수 있는 핵심 원천기술을 확보하고 있습니다.
연구실은 앞으로도 시각정보처리와 3차원 복원 기술의 융합, 인공지능 기반의 새로운 문제 해결, 그리고 실제 사회적 문제 해결에 기여할 수 있는 연구를 지속적으로 추진할 계획입니다. 이를 통해 국내외 컴퓨터 비전 및 인공지능 분야에서 선도적인 연구실로 자리매김하고자 합니다.
Facial Recognition
Deep Learning
3D Reconstruction
시각정보처리 및 컴퓨터 비전
시각정보처리와 컴퓨터 비전은 이민식 연구실의 핵심 연구 분야로, 영상 및 이미지 데이터를 분석하고 이해하는 기술 개발에 중점을 두고 있습니다. 본 연구실에서는 컴퓨터 비전의 기본적인 문제인 객체 인식, 얼굴 인식, 3차원 복원, 패턴 인식 등 다양한 주제를 다루며, 특히 딥러닝 기반의 최신 알고리즘을 적극적으로 도입하여 연구의 깊이와 폭을 넓히고 있습니다. 예를 들어, 단일 이미지에서의 3차원 인간 자세 추정, 비정형(non-rigid) 객체의 3차원 구조 복원, 얼굴 인식의 SSPP(Single Sample Per Person) 문제 해결 등 실제 환경에서 발생하는 다양한 난제를 해결하기 위한 연구가 활발히 이루어지고 있습니다.
이러한 연구는 영상 데이터의 전처리, 특징 추출, 데이터 증강, 그리고 고차원 데이터의 저차원 표현 등 다양한 기술적 접근을 포함합니다. 특히, 포인트 클라우드 데이터의 균일화 및 재구성, 그래프 기반의 비정형 데이터 분석, 그리고 강화학습 및 자기지도학습을 활용한 능동 학습(active learning) 등 첨단 기법을 융합하여 시각정보처리의 정확도와 효율성을 동시에 추구합니다. 또한, Vision Transformer와 같은 최신 딥러닝 구조를 영상 처리에 적용하여, 기존 CNN 기반 접근법의 한계를 극복하고자 노력하고 있습니다.
이 연구 분야는 의료 영상, 스마트 센서, 증강현실(AR), 가상현실(VR) 등 다양한 산업 분야에 응용될 수 있으며, 실제로 연구실의 여러 특허와 프로젝트는 이러한 응용 가능성을 보여주고 있습니다. 예를 들어, 노인성 질환 진단을 위한 영상 기반 시스템, 포인트 클라우드 재추출 기술, 그리고 GAN 및 Diffusion Model을 활용한 이미지 생성 및 편집 기술 등은 시각정보처리의 실질적 가치를 입증하는 대표적인 성과입니다.
3차원 복원 및 비정형 객체 구조 추정
3차원 복원 및 비정형(non-rigid) 객체 구조 추정은 이민식 연구실의 또 다른 주요 연구 축입니다. 본 연구실은 동적 영상이나 단일 이미지로부터 사람, 동물, 다양한 물체의 3차원 구조를 정확하게 복원하는 기술 개발에 집중하고 있습니다. 특히, 비정형 구조 추정 문제는 객체가 시간에 따라 변형되거나 복잡한 움직임을 보일 때 기존의 강체(rigid) 기반 복원 기법으로는 한계가 있기 때문에, 연구실에서는 Procrustean Normal Distribution, Consensus Reconstruction, Graph Matching 등 다양한 수학적 모델과 최적화 기법을 개발하여 이 문제를 해결하고 있습니다.
이러한 연구는 실제 의료, 헬스케어, 모션 캡처, 로봇 비전 등 다양한 응용 분야에서 큰 파급력을 가지고 있습니다. 예를 들어, 노인성 신경질환 진단을 위한 동작 분석 시스템, 다중 카메라 기반 3차원 위치 추적, 포인트 클라우드의 균일화 및 노이즈 제거 등은 연구실의 대표적인 응용 사례입니다. 또한, 비지도 학습 기반의 3차원 복원, 강화학습을 활용한 능동 학습, 그리고 데이터 증강을 위한 다양한 알고리즘 개발 등 최신 AI 기술과의 융합을 통해 연구의 혁신성을 높이고 있습니다.
연구실은 이러한 3차원 복원 기술을 실제 환경에 적용하기 위해, 대규모 데이터셋 구축, 실시간 처리 알고리즘 개발, 그리고 하드웨어 임베디드 시스템과의 연동 등 실용적 측면에서도 많은 노력을 기울이고 있습니다. 이를 통해, 의료 영상 분석, 스마트 헬스케어, 증강현실, 자율주행 등 미래 산업을 선도할 수 있는 핵심 원천기술을 확보하고 있습니다.
1
Interpreting pretext tasks for active learning: a reinforcement learning approach
이민식
SCIENTIFIC REPORTS, 2024
2
A multimodal screening system for elderly neurological diseases based on deep learning
이민식
SCIENTIFIC REPORTS, 2023
3
Deep-Learning-Based Stroke Screening Using Skeleton Data from Neurological Examination Videos
이민식
JOURNAL OF PERSONALIZED MEDICINE, 2022
1
궤적 그리드 표현 기반 변형 가능 Neural Radiance Field
2
뇌졸중 조기진단 및 위험도 알림을 위한 지능형 헬스케어 시스템 개발
3
비지도 딥러닝 기반 동적 영상의 완전한 3차원 복원