미래 영상 예측 정확도를 극대화하는 인공신경망 개발

미래 시점 영상 예측에서 객체 움직임 변화 추정은 핵심적인 과제입니다. 본 기술은 학습네트워크 기반의 인코더, LSTM, 디코더 구조를 활용하여 이 문제를 해결합니다. 입력 영상에서 특징을 추출하고, LSTM으로 시간 경과에 따른 특징 변화를 진화시킵니다. 이후 디코더의 ME(움직임 추정) 커널로 변화를 추정하고 MU(움직임 업데이트) 커널이 레퍼런스 영상과 결합하여 예측 영상을 생성합니다. 이를 통해 움직임 추정 정확도를 높이고 영상 품질을 향상시킬 수 있으며, 다양한 컴퓨터 비전 및 기계 학습 분야에 적용 가능합니다.

기존 동영상 코딩 기술은 잔차 신호의 0이 아닌 계수 수를 줄이는 데 중점을 두었으나, 이는 학습 사전의 개수를 늘릴 수 있는 문제가 있었습니다. 본 기술은 잔차 신호의 0이 아닌 계수 수를 줄일 뿐만 아니라, 계수의 위치를 블록 내 특정 영역에 집중시켜 동영상 코딩 효율을 극대화합니다. 인코더는 이전 프레임의 변환 함수와 현재 프레임의 계수 블록 패치를 활용하여 잔차 신호에 대한 희소 변환을 수행하며, 디코더는 이를 역으로 복원합니다. 이를 통해 기존 방식보다 낮은 비용으로 고효율 동영상 코딩 및 디코딩이 가능하여, 영상 압축 기술의 성능 향상에 크게 기여할 것입니다.

미래 스마트 차량은 통신 패킷 증가와 해킹 유형의 다양화로 주행 안전에 심각한 위협을 받고 있습니다. 본 기술은 이러한 문제를 해결하기 위해 차량 CAN 통신 패킷을 복호화하지 않고, 이진 데이터의 통계적 특성을 활용하여 공격을 탐지하는 방법을 제안합니다. 미리 정의된 CAN 패킷에서 CAN ID별 비트 단위 학습 통계 정보를 생성하고, 이 정보를 기반으로 신경망을 구성합니다. 실시간 입력되는 CAN 패킷의 비트열을 분석하여 신경망이 공격 여부를 판단하며, 공격 감지 시 공격 유형을 갱신합니다. 이를 통해 제어기의 계산 부담을 최소화하고, 학습 과정에서 사용자 개입을 줄이면서도 정확하고 효과적인 차량 네트워크 공격 탐지가 가능하여 스마트카의 주행 안전과 보안을 강화합니다.

정교한 비디오 생성 기술의 필요성이 증대됨에 따라, 기계학습 기반 비디오 보외법을 활용한 영상 생성 방법이 개발되었습니다. 이 기술은 컴퓨터 장치가 순방향 및 역방향 프레임들을 각각 생성하는 영상 생성 네트워크와, 이들을 합성하여 최종 프레임을 만드는 영상 합성 네트워크를 포함합니다. 특히, 컨볼루션 LSTM을 통해 시간 흐름에 따른 특징을 학습하고, 가중치 예측 네트워크를 활용하여 합성 과정에서 발생하는 품질 저하를 보상하여 더욱 높은 품질의 영상을 생성합니다. 이를 통해 기존 영상의 시간적 연속성을 기반으로 미지의 프레임을 예측하고 합성하여, 다양한 인공지능 애플리케이션 및 영상 콘텐츠 제작 분야에서 고품질 비디오 생성 및 처리 효율을 극대화할 수 있습니다.

HD 및 UHD 영상의 고화질 요구에 맞춰 기존 비디오 부호화/복호화 기술의 한계를 극복하기 위한 신경망 기반의 새로운 비디오 처리 기술입니다. 이 기술은 생성-부호기와 생성-복호기를 포함하는 비디오 생성 네트워크를 활용하여 가상 프레임을 생성하며, 이를 인터 예측의 참조 프레임으로 사용하여 예측 정확도를 높입니다. 대상 프레임과 잔차 프레임의 특징 벡터를 신경망으로 처리하고, 콘볼루션 LSTM 신경망으로 예측된 특징 벡터를 생성한 후, 이를 다시 디콘볼루션 신경망을 통해 예측 프레임으로 재구축합니다. 이로써 영상 압축 효율과 화질을 크게 향상시키며, 기존 코덱의 복잡도를 줄이면서 고해상도 비디오 처리 성능을 최적화할 수 있습니다.

기존 360도 영상 인코딩 방식은 모든 영상을 전처리하여 결합하는 비효율성이 있었습니다. 본 기술은 복수의 시점 영상과 이들을 결합하는 특징 정보 및 맵핑 정보를 각각 인코딩하고 디코딩하는 방식을 제안합니다. 인코더는 복수의 영상을 별도로 인코딩하고, 특징 정보 및 맵핑 파라미터 정보를 함께 전송합니다. 디코더는 수신된 비트스트림에서 특징 정보로 영상을 스티칭하고, 맵핑 정보로 360도 영상을 생성합니다. 이 기술은 사용자의 선택에 따라 단일 시점, 다시점(3D), 또는 360도 VR 영상 등 다양한 형태로 영상을 유연하게 제공하여 실감 미디어 서비스의 효율성과 활용성을 크게 향상시킵니다.

기존 암리논 합성법은 복잡한 다단계 공정, 고온 반응 조건, 위험한 수소 가스 사용 등으로 인해 심각한 합병증을 유발할 수 있는 한계가 있었습니다. 본 기술은 위치선택적 스즈키 커플링 반응을 활용하여 암리논 유도체를 안전하고 효율적으로 제조하는 방법을 제안합니다. 화학식 1 화합물과 피리디닐 보론산의 스즈키 커플링 반응 후, 중간 생성물을 화학식 2 화합물과 반응시키는 방식으로, 종래 대비 축소된 합성 단계와 온화한 산처리 조건으로 탈보호기 반응을 수행합니다. 이를 통해 위험한 수소 가스 없이 고수율(60% 이상)로 암리논 유도체를 얻을 수 있으며, 급성 심부전 치료제 개발 및 생산의 안전성과 효율성을 크게 향상할 수 있습니다.

유방암은 조기 진단이 환자 생존율에 결정적인 영향을 미치지만, 기존 진단법은 초기 병변 검출에 한계가 있었습니다. 본 기술은 혈액 내 알파-1 산성 당단백질(AGP)의 N-당화 변화가 초기 유방암의 핵심 바이오마커임을 규명하였습니다. 렉틴을 활용하여 AGP의 푸코실화, 만노실화, 시알릴화 등 N-당화 수준을 정밀하게 검출하며, 특히 유방암 1기 환자의 혈청에서 이 당화 수준이 현저히 감소함을 확인했습니다. 이를 통해 양성 유방종이나 다른 병기의 유방암과 명확히 구별하여 초기 유방암을 높은 민감도와 특이도로 진단할 수 있습니다. 이 기술은 유방암 조기 진단의 정확도를 획기적으로 높여, 환자의 치료 성공률 향상과 사망률 감소에 크게 기여할 것입니다. 진단 키트 및 정보 제공 방법으로 개발되어 상용화가 기대됩니다.

반도체 공정 폐수에는 질소, 인, 불소 등 유해 물질이 고농도로 포함되어 기존 처리 방식들은 경제성이나 효율성 측면에서 한계가 있었습니다. 본 기술은 바덴포 공정과 그래핀 산화물 기반 세라믹 나노 멤브레인 여과를 통합하여 이러한 문제를 해결합니다. 그래핀 산화물 코팅 나노 멤브레인은 미세 기공과 강한 음전하로 암모늄, 불소 이온 등 1가 이온성 물질을 효과적으로 제거합니다. 이를 통해 별도의 약품이나 탄소원 주입 없이 경제적이면서도 효율적인 질소 및 불소 제거가 가능하며, 폐수 처리 시스템의 성능과 비용 효율성을 크게 향상시킬 수 있습니다.

기존 웨어러블 기기 데이터는 헬스케어 등 단순 활용에 그쳐 사용자 맞춤형 웹 서비스 제공에 한계가 있었습니다. 본 기술은 웨어러블 기기에서 수집된 심박수, 체온, 스트레스 등 사용자 생체 정보와 디스플레이 기기의 웹 페이지 스크롤, 클릭 등 조작 정보를 동시간 기준으로 결합하고 분석합니다. 데이터 마이닝 및 기계학습을 활용하여 사용자의 상태와 의도를 파악하며, 이를 통해 동영상 추천, 학습 콘텐츠 개인화, 맞춤형 광고 등 사용자에게 최적화된 웹 페이지와 서비스를 제공합니다. 사용자의 컨디션과 행동에 기반한 정교한 개인화로 웹 서비스의 만족도와 활용도를 크게 높일 수 있습니다.

염료감응 태양전지는 낮은 제조 단가에도 불구하고 광전환 효율 부족으로 상용화에 한계가 있었습니다. 이를 해결하기 위해 본 기술은 자기조립 이중블록 공중합체를 활용, 정렬된 금속산화물 나노입자를 포함하는 금속산화물-탄소질 하이브리드 박막을 경제적으로 제조합니다. 역마이셀 용액, 금속산화물 전구체, 산 용액을 이용한 코팅 후 자외선 조사로 안정화하고 열처리하여 탄소화하는 공정을 거칩니다. 이 과정에서 고온에도 나노구조를 유지하며, 높은 전기 전도성을 가진 탄소와 금속산화물의 하이브리드화를 통해 전자의 전달 효율을 극대화합니다. 결과적으로 이 박막을 염료감응 태양전지 광전극에 적용하면 광전환 효율을 현저히 향상시켜, 제조 단가 부담 없이 태양전지의 상용화를 가속할 수 있습니다.

기존 언어 학습 도구들은 주로 발음 교정에 집중하여 작업 기억 능력 평가에 한계가 있었습니다. 특히 언어 발달 장애 아동의 경우, 음운 처리 결함과 상위 언어적 문장 이해 문제가 작업 기억 능력과 밀접한 관련이 있습니다. 본 기술은 음성으로 제시된 문장을 따라 말하는 학습자의 음성을 녹음하고 평가하여 작업 기억 능력을 측정합니다. 사용자의 첫 번째 문장 따라 말하기 점수를 기반으로 난이도와 변별도를 조절한 맞춤형 과제를 제공하며, 이를 통해 얻은 점수로 작업 기억 능력을 더욱 정확하게 진단합니다. 이로써 아동의 연령과 언어 체계에 맞는 신뢰도 높은 작업 기억 능력 측정 결과를 제공하여, 언어 발달 장애 여부를 조기에 판단하고 적절한 후속 조치를 가능하게 합니다.