헬로티 임근난 기자 | DGIST 정보통신융합전공 황재윤 교수팀이 딥러닝 기술을 활용해 도메인이 상이한 영상에서의 물체 분할을 위한 인공지능(AI) 신경망 모듈을 개발했다. 최근 인공지능의 한 분야인 딥러닝 기법이 고도화되고 그 성능이 가파르게 증가함에 따라 관련 연구가 활발하다. 특히 산업분야에서의 요구가 꾸준히 증가하며, 더 넓고 다양한 분야와 관련된 항공 영상이 획득되었다. 다만, 항공 영상은 촬영하는 시각 뿐만 아니라 촬영위치, 도시 등에 따라서 항공영상의 특성을 나타내는 도메인이 달라진다. 이렇게 항공사진들이 모두 각기 다른 도메인을 갖게 되면, 향후 다른 도메인을 갖는 각각의 여러 항공영상을 통합, 종합적인 사진 내 특정 물체 검출이나 영상 예측에 활용이 어려운 한계가 있다. 이에 황재윤 교수 연구팀은 여러 도메인의 항공영상들의 네트워크 파라미터를 가변적으로 미세조정 한다면 이러한 문제를 해결할 수 있을 것이란 가설을 세우고 연구를 진행했다. 그 결과, 연구팀은 항공 영상 상의 건물을 정확하게 분할하거나, 다양한 도메인의 항공 영상에서 건물을 정밀하게 탐지하는데 성공했다. 또한 생성적·적대적 신경망의 구조를 확장, 촬영되는 사진에 입력되는 도메인에
헬로티 이동재 기자 | DGIST 정보통신융합전공 임성훈 교수 연구팀이 딥러닝 기술을 활용해 복잡하고 다양한 이미지에서 영상의 환경 정보를 분리, 변환하는 인공지능 신경망 모듈을 개발했다고 14일 밝혔다. 향후 이미지 변환, 도메인 적응 등 인공지능 분야 발전에 기여할 것으로 기대된다. 최근 인공지능 기술의 바탕이 되는 딥러닝 기술이 점점 고도화되면서 이미지를 생성하고 변환하는 딥러닝 연구가 활발하다. 기존의 연구는 여러 비슷한 특징을 가진 이미지의 집합인 도메인(Domain)에서 공통으로 나타나는 이미지 정보를 찾는 것에만 초점이 맞춰져 왔다. 이 때문에 이미지 정보를 제대로 활용하기 어려워 적용 가능한 데이터와 모델의 성능에 한계가 있었다. 또 활용한 이미지 정보를 선형적으로 단순하게 구성해, 한 이미지로 변환된 이미지 하나만을 얻을 수 있는 등의 한계가 있었다. 임성훈 교수 연구팀은 이미지 정보의 구성이 도메인마다 다를 수 있고 선형적 구성처럼 단순한 구성이 아닐 것이라는 가설을 세웠고, 이미지 정보를 전체적인 형태 정보와 스타일 정보로 뚜렷하게 나눌 수 있는 분리기를 설계했다. 이를 이용해 도메인마다 다른 가중치를 사용해 도메인 간의 차이를 반영할 수