백전능 Jeonneung Baek

목적

저해상도 항공영상에서 해상도 복원이 객체 탐지 성능에 미치는 영향을 평가했습니다.

수행 내용

• DOTA 영상의 가로·세로를 각각 1/4로 축소하고, 채널 트랜스포머와 깊이별 분리 합성곱을 활용한 초해상도 모델로 복원했습니다.
• L1 Loss와 Perceptual Loss로 학습한 모델을 Faster R-CNN, RoI Transformer, ReDet에서 비교했습니다.

결과

세 탐지기의 평균 mAP는 Bicubic 0.535, SR(L1) 0.712, SR(Perceptual) 0.736이었습니다. 해당 실험에서 Perceptual Loss 기반 복원이 Bicubic 대비 평균 mAP를 0.201 높였습니다.

2025년 한국방송·미디어공학회 추계학술대회 제1저자 논문 발표. 수치는 해당 DOTA 실험 조건에서의 단순 평균입니다.

목적

유방촬영 영상의 구조물과 조직 영역을 추정해 후속 영상처리에 활용하고, 주변부 가시성과 입체감을 개선했습니다.

수행 내용

• 공개 데이터와 대상 영상의 분포 차이를 분석하고 전처리·증강 및 예측 결과의 수동 검수·보정으로 학습 데이터를 구축했습니다.
• 분할 모델을 비교·학습한 후 ONNX로 변환해 C++·OpenCV 기반 소프트웨어에 연동했습니다. 오검출과 경계 오류는 영상처리 후처리로 보완했습니다.

결과

대상 영상에 맞는 영역 추정 모델과 AI 기반 화질 개선 기능을 구현했습니다. 후속 처리와의 상호작용을 확인하며 주변부 가시성과 영상의 입체감이 유지되도록 조정했습니다.

레이언스 영상처리개발팀 실무 프로젝트. PyTorch, ONNX, C++, OpenCV 활용.

목적

유방촬영 영상처리 엔진의 처리시간과 불필요한 자원 사용을 줄였습니다.

수행 내용

• 함수별 실행시간을 측정하고 C++ 코드의 연산 구조를 검토해 병목 구간을 식별했습니다.
• 불필요한 메모리 할당과 과도한 입력 해상도 등 계산 비용이 발생하는 부분을 검토하고 구현을 개선했습니다.

결과

주요 영상처리 함수의 실행 속도와 자원 사용을 개선하고 변경 사항을 소프트웨어에 반영했습니다.

레이언스 영상처리개발팀 실무 프로젝트. C++ 성능 프로파일링 및 메모리·연산 최적화.

목적

신규 치과용 X-ray 센서의 영상 특성을 반영한 노이즈 제거 모델 학습 데이터를 확보했습니다.

수행 내용

• 선량 비교 실험과 센서 영상 분석을 통해 학습 목적에 맞는 촬영 조건을 탐색했습니다.
• 동일 대상을 서로 다른 조건으로 촬영해 영상 쌍을 구성하고, 취득 데이터를 정리해 외부 AI 개발 업체에 전달했습니다.

결과

신규 센서용 학습 데이터셋을 구축해 외부 노이즈 제거 모델 개발에 필요한 데이터 기반을 마련했습니다.

레이언스 실무 프로젝트. 센서 특성 분석, X-ray 영상 취득 및 Paired Dataset 구성.

목적

해상도 저하로 발생하는 영상 키워드 추출 성능 저하를 초해상도로 완화했습니다.

수행 내용

• 다중 라벨 분류 모델을 분석하고, 해상도 축소에 따른 키워드 추출 성능 변화를 확인했습니다.
• Bicubic 보간과 EDSR·MCSR 초해상도 복원 후의 다중 라벨 분류 mAP를 비교했습니다.

결과

1/4 해상도 복원 실험에서 mAP는 Bicubic 77.16, EDSR 82.83, MCSR 80.93으로 나타났습니다. 해당 조건에서 초해상도 적용에 따른 분류 성능 개선을 확인했습니다.

IPIU 2024 제1저자 논문 「초해상화를 활용한 다중 라벨 분류」.

목적

무인 환경의 CCTV 영상에서 이상 상황을 감지하기 위한 모델과 처리 과정을 연구했습니다.

수행 내용

• 비지도·약지도 학습 기반 Video Anomaly Detection 모델을 비교·실험했습니다.
• 영상 프레임의 Sliding Window 처리와 초해상도 기반 해상도 복원을 적용해 성능 개선 방법을 검토했습니다.

결과

End-to-End CCTV 이상 감지 코드를 구현하고 공유했습니다. 영상 입력부터 이상 감지 결과 산출까지의 처리 과정을 구성했습니다.

피아스페이스 AI Research 비공식 연구 인턴 경험 포함 · 2024.07–2024.08.

목적

초해상도 모델에서 트랜스포머의 표현력을 활용하면서 연산 효율을 확보했습니다.

수행 내용

• MCT에서는 Channel-wise Transformer와 MCSR의 Multi-Connection 구조를 결합해 모델을 설계했습니다.
• RCCT에서는 깊이별 분리 합성곱과 Residual Connection을 적용하고, PSNR과 실행 시간을 비교했습니다.

결과

MCT에서 합성곱 모델 대비 PSNR 향상을 확인했으며, RCCT에서는 MCT 대비 PSNR과 실행 시간을 개선했습니다. RCCT 구조는 항공영상 해상도 복원에도 활용했습니다.

MCT: 2024년 하계학술대회, RCCT: 2025년 추계학술대회 제1저자 논문 발표.

목적

합성곱 기반 초해상도 모델의 계산 부담을 줄이는 네트워크 구조를 연구했습니다.

수행 내용

• RDSR에서는 RLFN의 잔차 연결 구조를 바탕으로 깊이별 분리 합성곱과 GeLU 기반 Gate 연산을 적용했습니다.
• CSPSR에서는 Cross Stage Partial 구조로 피처 흐름을 분리하고, 복원 품질과 연산 효율을 평가했습니다.

결과

RDSR 연구를 제1저자 논문으로 발표했으며, CSPSR 연구를 바탕으로 ICIP 2024 챌린지 Innovation showcase ×4 Super-Resolution 부문 2등을 수상했습니다.

RDSR: 2024년 한국방송·미디어공학회 하계학술대회. ICIP 수상은 해당 챌린지 부문 기준.

목적

머신 비전 모델에서 추출한 피처맵의 압축 효율을 높이면서 후속 인식 성능을 유지했습니다.

수행 내용

• 객체 탐지·분할·추적 모델의 피처맵을 추출·매핑하고, 해상도 축소와 초해상도 복원을 적용했습니다.
• VVC 압축 도구의 활성화 조건을 비교해 피처맵에 적합한 압축 설정을 탐색했습니다.

결과

포트폴리오 비교 실험에서 mAP 0.82를 유지하면서 Anchor 대비 비트레이트를 31.16%, 실행 시간을 35.29% 줄였습니다.

IPIU 2023 공동저자 논문. 수치는 해당 Anchor와 제안 설정을 비교한 실험 결과입니다.

목적

몰입형 영상의 압축 과정에서 발생하는 화질 열화와 윤곽선 정보 손실을 완화했습니다.

수행 내용

• VVC로 압축된 아틀라스 패치와 시점 합성 영상에 SwinIR 기반 Neural Network Post-Filter를 적용했습니다.
• Pruning 단계에서 Canny Edge Detection으로 윤곽선 정보를 보존하고, 시퀀스별 화질과 BD-rate를 평가했습니다.

결과

NNPF 적용 위치와 시퀀스에 따른 성능 차이를 분석하고, 몰입형 영상의 후처리 및 윤곽선 보존 연구를 MPEG-I 표준화 기고에 반영했습니다.

MPEG 기고 m64816, m67136, m67137 및 2024년 윤곽선 보존 관련 공동저자 논문.

목적

압축 강도가 서로 다른 열화상 영상에 적합한 복원 모델을 선택해 화질을 개선했습니다.

수행 내용

• HEVC 압축의 Quantization Parameter에 따라 NNPF 모델을 개별 학습하고 PSNR·SSIM을 비교했습니다.
• VGG 기반 화질 분류 모델로 압축 강도를 구분한 뒤, 분류 결과에 맞는 NNPF를 적응적으로 적용했습니다.

결과

무작위 화질 실험에서 적응적 적용 결과 PSNR 54.68, SSIM 0.8627을 기록했습니다. 고화질 NNPF 고정 적용 결과는 54.53, 0.8559였습니다.

2024년 한국방송·미디어공학회 하계학술대회 공동저자 논문. 수치는 포트폴리오에 제시된 실험 조건 기준입니다.