이채은 교수

기존 가상현실 및 증강현실 기기가 갖는 한정된 시야각과 몰입감 저해 문제를 해결하기 위해 시공간의 제약 없이 자유로운 시점 이동이 가능한 실감 미디어 기술의 필요성에서 연구를 출발했습니다. 라이트 필드 데이터를 병합하여 사용자가 원하는 시점으로 자유롭게 시점을 변경할 수 있는 기술을 개발했으며, 모바일 기기 적용에 유리하도록 단순화된 합성 구조를 설계했습니다. 이렇게 구현한 자유시점 실감 미디어 기술은 가상현실 쇼룸 및 전시 콘텐츠 제작에 활용되었으며, CES 2020 가상현실 체험 부스 시연을 통해 실제 상용화 가능성을 입증했습니다. 영상 압축 분야에서는 HEVC 인코더에서 프레임 메모리 압축으로 인해 발생하는 화질 저하 문제를 완화하는 필터 적용 방법을 개발했으며, 이 기술은 2021년 9월 비드박스(주)에 이전되어 실제 산업 현장에 적용되었습니다.

데이터 이동 과정에서 발생하는 병목 현상을 근본적으로 해결하기 위해 메모리 내 연산(PIM) 기술과 센서단에서의 지능형 처리 기술의 중요성이 커지는 흐름 속에서 연구를 진행했습니다. 저전력 딥러닝 하드웨어 IP를 설계하고, 센서와 DNN 간의 양방향 협력 구조를 연구하여 연산 효율과 전력 효율을 동시에 개선하는 방법을 제시했습니다. 이 기술은 CMOS Image Sensor의 저전력 영상처리와 추천시스템 임베딩 가속에 적용되어 실제 응용 가능성을 확인했습니다. 과학기술정보통신부가 지원하는 인공지능 시스템반도체 연구센터의 세부 과제 책임자로서 총 72억 원 규모의 프로젝트에 참여하여 저전력 지능형 반도체 기술 개발을 주도했습니다. 센서단에서부터 처리 부담을 분산시키는 구조를 통해 데이터 이동량을 줄이고 전체 시스템의 에너지 효율을 높이는 방향으로 연구를 확장하고 있습니다.

360도 영상과 같은 복잡한 데이터 포맷에 대한 이해도를 높이고 계산 효율을 최적화해야 하는 필요성에서 연구를 시작했습니다. 기존의 컨볼루션 기반 깊이 추정 방식은 360도 영상 특유의 왜곡과 넓은 시야각 정보를 충분히 반영하지 못하는 한계가 있었습니다. 이를 극복하기 위해 Non-local Dense Prediction Transformer를 활용하여 단일 360도 이미지로부터 깊이 정보를 추정하는 알고리즘을 개발했으며, 전역적인 문맥 정보를 함께 고려함으로써 파노라마 영상 구조에서도 정확한 깊이 추정이 가능하도록 설계했습니다. 이 기술은 단일 360도 영상 기반 깊이 추정과 실감 미디어 콘텐츠 제작에 적용되고 있으며, 향후 가상현실 및 증강현실 콘텐츠 제작 파이프라인에 통합될 수 있는 기반 기술로 활용되고 있습니다. 해당 연구 성과는 인공지능 분야의 주요 국제 학술대회인 AAAI 2022에 논문으로 채택되어 학술적 우수성을 인정받았습니다.