의료 영상, 군용 감시, 자율주행용 영상 등 적용 기대

KAIST(총장 이광형)는 바이오및뇌공학과 장무석 교수 연구팀과 김재철AI 대학원 예종철 교수 연구팀이 공동 연구를 통해, 인공 지능의 신뢰도 문제를 해결할 수 있는 물리적 학습 기반의 영상 복원 딥러닝 기술을 개발했다고 밝혔다.

연구팀은 영상 취득 환경에서 발생할 수 있는 변수 대부분이 물리적 법칙을 통해 수학적으로 기술 가능하다는 점에 착안해 물리적 법칙과 심층 신경망이 통합된 학습 기법을 제시했다



연구 배경

계산 영상 기술은 초고해상도 영상, 홀로그래피 영상, 초분광 영상 등 전통적인 영상 기술로 취득하기 힘들었던 피사체의 정보를 훨씬 간단하고 저렴한 영상 기기(하드웨어)로 가능케 해준다.

하지만, 계산 영상 기술을 이용하여 영상을 복원하기 위해서는 고도의 계산적인 기법(소프트웨어)이 필요하다. 학습 데이터에만 의존하다 보니 결과에 대한 설명이 부족하여 신뢰도가 떨어진다는 단점이 있다. 따라서, 본 연구에서는 물리 법칙을 적극 활용하여 신뢰도가 높고, 학습 데이터로부터 한층 자유로워질 수 있는 이미지 복원 기술을 개발하고자 하였다.

연구 내용

영상 취득 환경에서 발생할 수 있는 변수 대부분이 물리적 법칙을 통해 수학적으로 기술 가능하다는 점에 착안하여 물리적 법칙과 심층 신경망이 통합된 학습 기법을 제시하였다. 먼저, 영상 취득 환경에서 변형이 가능한 변수들에 대해서 매개 변수화된 물리 법칙을 수학적(전방 모델)으로 제시하였다.
 
즉, 물리적인 통찰력을 수학적으로 제시하고 이를 인공지능이 인지하고 학습할 수 있도록 설계한 것이다. 연구팀은 홀로그래피 이미징 기술에 대해 제시된 학습 기법을 적용하여 우수성을 보였다. 연구팀은 홀로그래피 이미지 취득 환경상에서 쉽게 변할 수 있는 피사체-카메라 거리와 카메라의 화소 크기를 변수화한 전방 회절 모델 제시하였고, 데이터와 전방 회절 모델을 동시에 학습하는 학습 기법을 활용해 다양한 환경에서도 복원 모델이 성공적으로 작동하는 것을 검증하였다.

기대효과

물리적 법칙과 인공지능이 통합된 학습 기법은 학습 데이터에 대한 의존성을 해소하였기 때문에 사용자의 영상취득 환경이 다를 수밖에 없다는 것을 감안하면 영상 기술 산업계의 인공지능 솔루션에 활발히 적용될 수 있을 것으로 기대한다.

이뿐만 아니라 데이터와 물리 법칙을 동시에 학습하는 적응형 인공지능 기술은 높은 신뢰성과 확장성에 힘입어 초고해상도 영상, 3차원 영상, 비시선 영상 등 활발히 연구되고 있는 다양한 계산 영상 기술에 적용할 수 있다.