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(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.