배성호 부교수

자원 제약이 심한 모바일 및 엣지 디바이스에서 고성능 딥러닝 모델을 실시간으로 구동하기 위한 효율적인 연산 구조 연구를 수행하고 있습니다. 대용량 모델의 파라미터를 1/100 수준으로 축소하면서 속도를 60배 향상시키는 'MobileSAM' 기술을 개발했으며, 미디어 화질 개선을 위한 최적 AI 프로세서(Media-NPU) 설계 알고리즘과 배치 정규화, 점별 컨벌루션, 가중치 양자화 등 인공신경망 경량화 특허 기술을 보유하고 있습니다. 이러한 경량화 기술은 자율주행 실시간 객체 검출, 모바일 및 IoT 기기용 AI 응용 프로그램, 저궤도 위성 데이터 초고압축 등의 영역에 적용되고 있습니다. MobileSAM은 기존 SAM 대비 파라미터를 100배 감소시키면서도 성능을 유지하는 성과를 달성했으며, 관련 논문 'Faster Segment Anything'은 1,039회 피인용되었고 'MobileSAMv2' 논문은 104회 피인용되었습니다. 현재 TRL 6-7 수준으로 상용화에 근접한 단계에 있습니다.

저해상도 영상에서 미세한 특징을 정확히 식별하고 품질이 저하된 영상을 복원하는 기술은 안전 진단 및 보안 분야에서 매우 중요한 과제입니다. 저해상도 이미지의 균열 분할 성능 향상을 위한 초해상화(SR) 프레임워크를 개발했으며, 스캔된 문서를 원본 상태로 복원하는 'DescanDiffusion' 모델과 국부 이진 패턴 분류 및 선형 매핑을 이용한 초해상화 특허 기술을 보유하고 있습니다. 이 기술들은 토목 구조물 균열 탐지, 의료 영상 진단 보조, 고문서 및 손상 이미지 복원 등에 적용됩니다. 인공지능팩토리와 협력하여 문서 복원 모델 'DescanDiffusion'을 상용화하고 있으며, 균열 탐지 성능에서 HR 이미지 대비 85~90% 수준의 정확도를 확보했습니다. DescanDiffusion은 공식 체험 플랫폼을 통해 상용화 단계에 진입했으며, 현재 TRL 7-8 수준으로 실제 산업 적용이 가능한 단계에 도달했습니다.

생성 모델의 효율성과 더불어 학습 데이터의 보안 및 프라이버시 보호가 산업계의 핵심 과제로 부상하고 있습니다. GAN(Generative Adversarial Networks) 압축 기술과 민감 정보 유출을 최소화하는 데이터 보호 기반 AI 학습 모델을 연구하고 있으며, 이는 TRL 3-5 수준의 초기 연구 단계에 해당합니다. 모델 경량화와 프라이버시 보호를 동시에 고려한 학습 프레임워크 구축을 목표로 하고 있으며, 이러한 연구 결과는 데이터 프라이버시가 중요한 의료 및 금융 분야 AI, 국방 및 위성 AI 시스템 등에 적용됩니다. SKT, LG에너지솔루션, 한화시스템, 한컴인스페이스, 국방과학연구소(ADD), 한국연구재단(NRF) 등과 협력하고 있으며, 지능웨어 융합 교육연구단(BK21) 프로젝트를 통해 공공 LLM 망분리 환경 학습 등의 연구를 수행하고 있습니다.