DGIST(총장 국양)는 정보통신융합전공 임성훈 교수 연구팀이 딥러닝 기술을 활용해 복잡하고 다양한 이미지에서 영상의 환경 정보를 분리, 변환하는 인공지능 신경망 모듈을 개발했다고 14일(수) 밝혔습니다. 향후 이미지 변환, 도메인 적응 등 인공지능 분야 발전에 획기적인 기여가 기대됩니다.
최근 인공지능 기술에 바탕이 되는 딥러닝 기술이 점점 고도화되면서 이미지를 생성하고 변환하는 딥러닝 연구가 활발한데요. 기존의 연구는 여러 비슷한 특징을 가진 이미지의 집합인 도메인(Domain)에서 공통으로 나타나는 이미지 정보를 찾는 것에만 초점이 맞춰져 왔었습니다. 이 때문에 이미지 정보를 제대로 활용하기 어려워 적용 가능한 데이터와 모델의 성능에 한계가 있었죠. 또한 활용한 이미지 정보를 선형적으로 단순하게 구성해, 한 이미지로 변환된 이미지 하나만을 얻을 수 있는 등의 한계가 있습니다.
이에 임성훈 교수 연구팀은 이미지 정보의 구성이 도메인마다 다를 수 있고 선형적 구성처럼 단순한 구성이 아닐 것이라는 가설을 세웠습니다. 연구팀은 이미지 정보를 전체적인 형태 정보와 스타일 정보로 뚜렷하게 나눌 수 있는 분리기를 설계했는데요. 이를 이용해 도메인마다 다른 가중치를 사용해 도메인 간의 차이를 반영할 수 있게 했습니다. 또한 분리된 이미지 정보들 간의 연관성을 이용해 각 이미지 구성에 알맞은 스타일 정보를 찾는 새로운 신경망 구조를 개발하는 데 성공했습니다.
연구팀이 개발한 신경망은 한 모델로도 여러 도메인의 이미지 변환이 자유자재로 가능한 장점이 있습니다. 이에 시각 인지 문제에 연구팀이 개발한 도메인 적응 알고리즘을 적용했을 때, 기존보다 2배 높은 정확도를 보일 수 있었습니다.
DGIST 정보통신융합전공 임성훈 교수는 “이번 연구를 통해 개발한 신경망은 이미지 정보에 대한 새로운 분석이 담긴 신경망”이라며 “향후 관련 기술을 좀 더 개선한다면 많은 분야들에 적용되어 인공지능 분야의 발전에 긍정적인 영향을 줄 것으로 기대된다”고 말했습니다.
이번 연구 결과는 인공지능 분야 최우수 국제학술지 ‘IEEE Conference on Computer Vision and Pattern Recognition’에 게재 및 6월 25일(금) 온라인 발표됐습니다.
논문명 : DRANet: Disentangling Representation and Adaptation Networks for Unsupervised Cross-Domain Adaptation
