인공지능 기반 차세대 비디오 처리 및 압축

강제원 교수의 연구는 딥러닝과 인공지능을 활용하여 차세대 비디오 처리 기술을 혁신하는 데 중점을 둡니다. 특히 AI 비디오 부호화 및 복호화 기술 개발에 주력하며, 신경망 기반 코딩 툴, 암시적 신경망 표현(INR), 강화학습 등 최신 딥러닝 기술을 영상처리 전반에 융합하고 있습니다. 이는 고효율·고품질 비디오 압축 및 전송을 가능하게 하여, 데이터 전송량은 줄이면서도 시각적 품질은 극대화하는 목표를 가집니다. 본 연구실은 비디오 압축의 핵심 요소인 움직임 예측, 잔차 부호화, 인루프 필터링 등에 딥러닝 모델을 적용하여 기존 코덱의 한계를 뛰어넘는 성능을 달성하고 있습니다. IEEE T-MM, Access 등 유수 저널에 다수의 논문을 게재하고 관련 특허를 다수 확보하여 학술적 선도력을 입증하고 있습니다. 이러한 기술은 AI 기반 방송 제작, 실시간 콘텐츠 스트리밍, 그리고 고성능 영상 감시 시스템 등 다양한 산업 분야에서 핵심적인 역할을 수행할 것으로 기대됩니다.

실감형 미디어 (메타버스) 영상 처리 및 압축

본 연구는 몰입형 사용자 경험을 제공하는 실감형 미디어, 특히 메타버스 환경 및 360도 영상의 효율적인 처리 및 압축 기술 개발에 집중합니다. 360도 영상의 초해상화, 몰입형 비디오 부호화, 가상 경계에서의 인루프 필터 개선 등 실감 미디어 특유의 기술적 난제를 해결하는 데 깊이 있는 전문성을 보유하고 있습니다. 연구실은 이동형 로봇 기반의 실사 메타버스 실감형 비디오 획득 및 처리 기술 개발 과제를 수행하며 실제 환경에서의 적용 가능성을 탐색하고 있습니다. 기존 비디오 코덱이 지닌 2D 영상 중심의 한계를 극복하고, 다중 시점 및 6자유도(6DoF) 몰입형 비디오 데이터의 방대한 양을 효율적으로 압축하고 전송하는 기술을 개발하고 있습니다. 이러한 연구는 차세대 미디어 환경 구축, 가상 현실(VR) 및 증강 현실(AR) 콘텐츠의 품질 향상, 그리고 메타버스 서비스의 상업적 성공에 필수적인 기반 기술을 제공합니다.

멀티모달 기반 지능형 영상 분석 및 예측

강제원 교수는 멀티모달 데이터를 활용하여 복잡한 환경에서의 지능형 영상 분석 및 예측 기술을 연구합니다. 특히 영상 데이터와 다른 형태의 데이터(예: 라이다, 언어 정보 등)를 통합 분석하여 자율주행 차량의 객체 예측 정확도를 높이는 데 기여하고 있습니다. "멀티모달 데이터를 이용한 차량 주변 객체 위치 예측 방법 및 영상처리장치" 특허는 이 분야의 핵심 성과 중 하나입니다. 또한, 객체 움직임에 초점을 맞춘 비디오-언어 사전학습 모델을 개발하여 영상 콘텐츠 이해도를 심화하고, 비디오 캡셔닝 및 질의응답 시스템의 성능을 향상시키고 있습니다. 이러한 연구는 단순히 영상을 처리하는 것을 넘어, 영상 내의 의미를 파악하고 미래 상황을 예측하는 인공지능 시스템 개발에 필수적입니다. AI 기반 차량용 객체 인식 시스템, 구조물 안전 진단, 그리고 지능형 감시 시스템 등 다양한 산업 분야에서 실제적인 문제 해결에 기여하며 사회적 안전과 효율성을 증진하는 데 활용될 잠재력이 큽니다.