RnDcircle

기술 개요

“변화가 많고 정보가 제한된 영상에서도 분석·복원 결과의 신뢰성을 높이는 시각지능 기술입니다.”

산업 별 활용 방안

자율주행·로봇 비전 솔루션 기업·연구기관

주행·이동 환경의 영상은 조명 변화, 물체 가림, 빠른 움직임 때문에 인식과 움직임 추정 결과가 불안정해질 수 있습니다. 본 기술의 특징 재보정과 가림 인지형 움직임 추정을 카메라 기반 인지 모델에 결합해, 영상 내 물체의 변화와 이동 정보를 더 안정적으로 분석하는 방식으로 활용할 수 있습니다. 기존 인지 시스템 전체를 교체하기보다 학습 또는 영상 분석 모듈 단계에서 적용 가능성을 검증하는 방식으로 도입할 수 있습니다.

게임·영상·VFX 콘텐츠 제작 기업

고품질 화면을 만들기 위해 광선 추적 렌더링을 사용하면 처리 시간과 노이즈 제거 작업이 제작 일정에 부담이 될 수 있습니다. 서로 다른 렌더링 부가 정보의 강점을 픽셀별로 선택하는 노이즈 제거 가이던스를 렌더링 후처리 과정에 적용해, 반사·굴절·텍스처가 혼재한 장면의 복원을 지원할 수 있습니다. 기존 렌더러를 대체하기보다 출력 이미지와 부가 정보를 활용하는 후처리 모듈로 결합해 PoC를 진행할 수 있습니다.

3차원 디지털화·XR 서비스 기업·기관

현장 촬영 기반 3차원 콘텐츠는 모든 각도에서 충분한 이미지를 얻기 어렵고, 시점 간 겹침이 작은 이미지에서는 객체 표면이 불완전하게 복원될 수 있습니다. 본 기술은 이미지 간 매칭 관계를 학습하는 교차 뷰 기반 표면 복원을 적용해, 제한된 다각도 이미지로도 3차원 장면·객체 데이터를 구성하는 데 활용할 수 있습니다. 촬영·모델링 파이프라인의 입력 이미지 처리 단계에 연계하고, 대상 장면과 카메라 구성에 맞춰 복원 품질을 검증하는 방식으로 도입할 수 있습니다.

기술 설명

어떤 기술인가요?

시각지능 기술은 카메라 영상이나 컴퓨터 그래픽 이미지에서 물체의 움직임과 형태를 파악하고, 필요한 화면을 복원하는 AI 기술입니다. 본 기술 포트폴리오는 현실 환경의 변화와 입력 정보 부족에 대응하는 영상 AI·그래픽 처리 기술로, 입력을 교란해 AI의 오판을 유도하는 신호를 분리·재보정해 영상 인식 모델의 신뢰성을 높이고(특허 1), 연속 영상의 가림 여부와 특징 유사도를 활용해 정답 데이터 없이 움직임을 추정하며(특허 2), 픽셀별로 적합한 렌더링 부가 정보를 선택해 노이즈를 제거하고(특허 3), 적은 수의 불리한 다각도 이미지에서도 뷰 간 관계를 분석해 3차원 표면을 복원하는(특허 4) 기법으로 구성됩니다. 이를 통해 영상 분석부터 고품질 렌더링·3차원 복원까지 실제 입력 조건의 불확실성에 대응합니다.

어떤 문제를 해결하나요?

1. 입력 교란에 따른 영상 AI 오판

영상 인식 모델은 사람 눈에 거의 구별되지 않는 미세한 입력 변화에도 분류 결과가 달라질 수 있습니다. 기존 방식은 공격에 취약한 특징을 단순히 제거해 유용한 판별 신호까지 잃을 수 있었는데, 강인한 특징과 취약한 특징을 분리한 뒤 취약한 활성화를 재보정하여 필요한 신호를 활용하면서 모델의 공격 대응력을 높입니다.

2. 가림·조명 변화에서의 움직임 추정 오류

연속 영상에서 물체가 다른 물체에 가려지거나 조명·시점이 바뀌면, 픽셀 밝기가 비슷하다는 가정에 의존하는 기존 방식은 동일 물체의 대응 위치를 찾기 어렵습니다. 영상의 딥러닝 특징 유사도를 이용하고 가림·비가림 위치를 구분해 학습함으로써, 이러한 환경 변화에서도 물체 움직임을 추정하도록 합니다.

3. 제한된 이미지·부가 정보의 복원 한계

렌더링에서는 기하 정보와 광학 정보가 각각 잘 복원하는 영역이 다르고, 3차원 복원에서는 촬영 이미지 수가 적거나 시점 간 겹침이 작으면 형태가 불완전해지기 쉽습니다. 픽셀별로 유효한 정보를 가중 결합하고 서로 다른 시점 이미지의 매칭 관계를 모델링해, 정보가 제한된 조건에서도 화면 품질과 표면 복원을 개선합니다.