최해철 교수

비디오 데이터 및 기계 인식용 특징 데이터의 효율적인 압축과 전송 필요성이 증대됨에 따라 국제 표준화 대응 연구를 수행하고 있습니다. 딥러닝 기반 특징 합성 네트워크를 활용하여 기계가 직접 인식할 수 있는 형태로 영상을 부호화하는 FCVCM(Feature Coding for Machines) 기술을 개발했으며, 다중 해상도 특징맵 부호화 기법을 통해 다양한 해상도의 특징 정보를 효율적으로 압축하고 있습니다. 차분신호 분리 및 다단계 변환, 인트라 예측, 엔트로피 부호화 등 부호화 전 과정에 걸친 핵심 특허 기술을 확보했습니다. 이러한 기술은 방송 및 미디어 스트리밍, 기계 대상 영상 인식 시스템, 국제 표준(MPEG/JVET) 적용 제품 개발에 활용되고 있습니다. MPEG 국제 표준화 회의에서 진행된 기술 제안 평가에서 세계 1위를 기록했으며, 기존 VVC 표준 대비 92% 이상의 부호화 성능 개선을 달성했습니다. 관련 특허 30여건을 등록했고 FCVCM 관련 국내외 특허 4건을 추가로 출원했습니다. 필터 정보 예측을 이용한 영상 부호화/복호화 기술은 아이디어허브(주)에, 영상 부호화/복호화 관련 기술은 (주)에이더블유시스템즈에 기술이전되어 실용화되었습니다.

3D 공간 데이터의 실시간 전송과 고정밀 증강현실 및 가상현실 서비스 구현을 위해 압축 및 스트리밍 기술을 연구하고 있습니다. V-PCC(Video-based Point Cloud Compression) 방식을 기반으로 3D 포인트클라우드 데이터를 2D 영상 평면에 투영하여 압축하는 기술을 개발했으며, 사용자의 시점 변화에 실시간으로 대응하는 적응형 뷰어 중심 스트리밍 플랫폼을 구축했습니다. 모바일 환경에서의 실시간 렌더링을 위해 안드로이드 기반 렌더러를 직접 구현했으며, 관련 국제 표준화 연구도 병행하여 수행하고 있습니다. 이러한 기술은 자율주행 환경에서의 3D 공간 인식, 가상현실(VR) 콘텐츠 제작, 증강현실(AR) 고정밀 애플리케이션 개발 등에 적용되고 있습니다. 개발한 안드로이드 기반 렌더러는 MS Hololens 1세대 및 2세대 기기를 활용한 실증을 통해 성능을 검증했습니다.

군사 및 보안 목적의 소형 목표물 탐지와 은폐된 객체의 인식 정확도를 높이기 위한 지능형 영상 분석 기술을 연구하고 있습니다. YOLO-World 기반의 Zero-shot 방식을 적용하여 사전 학습 없이도 위성 영상 내 다양한 객체를 탐지하는 기술을 개발했으며, 멀티 프레임 후처리 기법을 활용하여 드론 영상에서 크기가 작은 목표물을 정밀하게 탐지하는 기술을 구축했습니다. 정확한 탐지를 위해 EO(전자광학)/IR(적외선) 영상 데이터셋을 직접 구축하여 학습에 활용하고 있습니다. 이러한 기술은 국방 및 보안 감시체계, 드론 기반 정찰 시스템, 위성 영상 객체 탐지 분야에 적용되고 있습니다. 개발한 멀티 프레임 후처리 기법을 통해 드론 영상 분석에서 발생하는 오검출(False Positive)을 80% 이상 개선했으며, 약 4.5만 장 규모의 드론 영상 데이터셋을 구축하여 연구 성과의 실효성을 확보했습니다.