2022.06.27

DGIST, 딥러닝 이용 이미지 초고해상도 알고리즘 개발

2022.06.27

DGIST, 딥러닝 이용 이미지 초고해상도 알고리즘 개발

[Bicubic interpolation 기술보다 높은 해상력, 기존 딥러닝 기술 대비 메모리와 속도는 절반 이상 절감된 기술 개발]   대구경북과학기술원(DGIST)은 진경환 전기전자컴퓨터공학과 교수와 이재원 정보통신융합연구소 연구원이 해상도 증대를 위한 '바이큐빅 보간법(Bicubic interpolation)' 기술보다 해상력은 높고, 기존 딥러닝 기술 대비 메모리와 속도가 절반 이상 절감된 기술을 개발했다고 22일 밝혔다.   Bicubic interpolation 은 디스플레이 기기마다 다른 해상도를 보상하기 위한 개발된 신호처리 기반의 기술을 의미한다. 메모리가 적게 들고, 속도가 빠르지만 이미지의 해상도가 저하되는 화질열화 현상이 심하게 나타난다. 이를 극복하기 위해 딥러닝 기반의 초고해상도 기술들이 등장했다. 이미지 초고해상도 기술은 디스플레이, 카메라, cctv 등과 같이 일상생활과 밀접한 관련이 있다. 예를 들어 스마트폰에서는 화면을 확대해야 하는 경우가 많은데 이런 상황에서 기존 bicubic 보간법보다 뚜렷한 영상을 고해상도화 해야만 한다. 디스플레이 역시 제품마다 해상도가 다른데 이를 보상하기 위한 DDI scaler 의 소프트웨어 알고리즘으로 사용될 수 있다.  하지만 딥러닝 기반의 초고해상도 기술은 임의 스케일에 대해 동작하지 못하고, 특정 스케일에 대해서만 동작이 원활하다는 단점을 지니고 있는데, 최근 이에 대한 해결책으로 함축 표현 신경망 기술이 주목을 받고 있다.  하지만 함축 표현 신경망 기술에도 고주파 성분을 잡아내지 못하고, 메모리의 크기와 신호의 속도 측면에서 크게 불리하다는 문제점이 있는데, 진경환 교수 연구팀에서 이러한 문제를 해결하기 위해 퓨리에 해석 기반 함축 표현 신경망 기술을 개발하였다.                                   [기술의 전체적인 플로우 차트]   해당 기술은 이미지의 주파수를 직접적으로 추출하기 때문에, 화질 복원에 있어서 고주파수를 복원하는 데 용이하다. 이미지의 화질을 높이기 위해서는 고주파수 복원이 반드시 필요하므로 CCTV, 디스플레이, 카메라 등과 같은 영상 또는 사진 관련 제품들에 필수적인 기술이라고 할 수 있다.                                            [bicubic 보간법과의 비교]                                        [기존 딥러닝 기술과의 성능 비교]   진경환 교수는 “해당 기술의 개발을 통해 짧은 시간 내에 적은 양의 메모리만으로도 임의 스케일에 대한 화질 개선이 이루어 질 수 있다. 이로 인해 영상 또는 사진 관련 제품의 알고리즘을 통한 화질 개선, 소프트웨어의 경량화가 이루어질 것으로 기대된다.”고 밝혔다.  한편, 이번 연구성과는 한국연구재단과 정보통신기획평가원의 지원을 통해 이뤄졌으며, 비전 기술 분야 세계적 권위의 국제 컨퍼런스 ‘IEEE/CVF 2022 Conference on Computer Vision and Pattern Recognition’에 6월 게재되었다. 

2022.06.27

DGIST, 전 세계 자율주행 정보 국내 환경에 적용 가능한 딥러닝 기술 개발

2022.06.27

DGIST, 전 세계 자율주행 정보 국내 환경에 적용 가능한 딥러닝 기술 개발

- DGIST 임성훈 교수팀, 환경 적응 신경망 딥러닝 기술 개발   대구경북과학기술원(DGIST) 전기전자컴퓨터공학과 임성훈 교수팀은 다양한 환경 데이터를 인공지능 모델 학습에 효과적으로 활용할 수 있는 환경 적응 신경망 기술 개발에 성공했다고 20일 밝혔다. 이 기술로 향후 세계 각국 데이터를 활용하여 국내 환경에 맞는 인공지능 모델을 학습할 수 있어 국내 자율주행 기술 개발에 획기적인 기여가 기대된다.최근 인공지능 기술이 고도화되면서 일반화된 딥러닝 모델 학습에 풍부한 학습데이터를 요구하고 있다. 전 세계적으로 341만장 이상의 자율주행 데이터들이 공개되어 있지만, 해외와 국내의 주행환경과의 차이로 인해 기존에는 각각의 데이터를 바탕으로 특정한 하나의 환경에서 원활하게 동작하는 모델을 여러 개 학습하고, 학습된 여러 개의 모델을 하나로 통합하는 데에 초점이 맞춰져 왔었다. 이는 복잡한 학습과정을 거칠 뿐만 아니라, 모델을 통합할 때 각 모델이 잘못 예측한 결과까지 같이 학습되기 때문에 성능저하가 발생할 수 있고, 또한 이미 학습된 모델들을 다시 이용하는 방식을 사용하기 때문에 모델의 최종 성능이 제한될 수 있다는 단점이 있다.                              [각 도메인의 이미지를 다른 도메인의 이미지로 변환한 결과]   연구팀은 여러 모델을 학습할 필요 없이 여러 데이터의 집합체(이하 ‘도메인’)를 한 모델에 학습하는 기법을 설계, 이를 이용해 각 도메인으로 변환된 다량의 이미지를 얻어 모델을 학습하게 하였다. 또한 같은 물체임에도 외관적인 특징이 다를 수 있다는 문제를 해결하기 위해 원본 이미지와 변환된 이미지 간의 연관성을 이용해 각 물체의 알맞은 정보를 찾고 하나의 모델에 학습시키는 기법을 개발하는데 성공했다.   연구팀이 개발한 다중 타깃 도메인 변환 신경망은 한 모델로도 여러 도메인의 이미지 변환이 자유자재로 가능한 장점이 있다. 또한 도메인 사이의 유사정보에 대한 오류를 발생시키는 클래스 모호성을 해결함으로써 학습과정을 대폭 줄였고, 기존에 모델을 통합하면서 나타났던 성능저하 문제도 해결하여 향후 AI 및 자율주행 분야에서 광범위한 활용이 기대된다. 임성훈 교수는 “자율주행 시장이 점점 커지고 있는 현 상황에서 다양한 환경 데이터를 활용 가능하게 하는 환경 적응 기술은 매우 가치가 크다”라며 “이번 연구는 환경 적응 분야에서 기존의 패러다임을 크게 전환한 연구이며, 학습데이터 부족 문제를 겪는 국내 자율주행 기술 발전에 긍정적인 영향을 줄 것으로 기대된다”고 말했다.

2022.06.08

DGIST, 생체에서 발생하는 전기신호 측정 시스템 개발

2022.06.08

DGIST, 생체에서 발생하는 전기신호 측정 시스템 개발

대구경북과학기술원(DGIST·총장 국양)은 이정협 전기전자컴퓨터공학과 교수팀이 모든 생체 전기신호 획득이 가능한 아날로그-디지털 신호 변환 집적회로 시스템을 개발했다고 7일 밝혔다. 이번 기술은 강한 외부 잡음이 있는 환경에서도 인체에서 발생하는 전기신호를 정밀 측정 가능해 미래 기술로 주목받는 뇌-기계 인터페이스 기술 및 초소형 고성능 의료기기와 같은 의료-헬스케어 등 다양한 분야에 적용이 기대된다.   생체에서 발생하는 전기신호는 심장에서 발생하는 심전도(ECG), 뇌의 뇌전도(EEG), 신경전도(ENG) 등 다양하며 각 신호에 따라 다른 신호 특징을 가진다. 현재까지 개발된 생체 신호 측정 기술은 잡음이 거의 없는 안정된 환경에서 특정 신호만 획득할 수 있었다. 이 교수팀은 세계 최초로 측정 신호보다 최대 몇만 배 이상 큰 전기 자극 간섭과 피측정자의 움직임에 의해 발생할 수 있는 움직임 아티팩트(Motion artifact) 등이 존재하는 매우 열악한 환경에서도 모든 생체 전기신호의 측정이 가능한 '아날로그-디지털 신호 변환 시스템'을 개발했다. 반도체 IC(집적회로)로 구현해 초저전력, 초소형일 뿐만 아니라 범용성을 갖고 있어 다양한 애플리케이션에 적용할 수 있다.   <생체 전기신호 획득이 가능한 아날로그-디지털변환 집적회로 시스템>   교수팀은 '연속시간 델타-시그마 변환 기술'을 바탕으로 저 잡음 고 선형성 회로 기술을 제안했다. 저항기 내 불필요한 인덕턴스인 기생 성분에 강한 입력 임피던스 증가 회로 기법을 새롭게 개발했다. 그 결과 현존하는 세계 최고 생체 신호 측정 기술 대비 3배 이상 성능이 개선된 것을 확인했다. 이정협 교수는 “다양한 생체 신호를 하나의 반도체 IC 시스템으로 정밀 측정이 가능케 함으로써 기존 의료기기의 초소형화와 고성능화에 큰 도움을 줄 수 있는 기술”이라며 “향후 미래 기술로 주목받고 있는 차세대 뇌-기계 인터페이스, 초소형 웨어러블 진단기기 및 전자약 등 다양한 애플리케이션에 적용할 수 있다”고 말했다. 이번 연구는 한국연구재단 바이오융합원천기술개발과 과기원 공동연구 프로젝트사업 지원을 받아 이뤄졌다. 연구성과는 최근 '반도체 올림픽'으로 일컬어지는 반도체 분야 세계 최고 학회인 국제고체회로학회(ISSCC)에 발표됐다.

2021.12.14

Professor Gain Kim Appointed

2021.12.14

Professor Gain Kim Appointed

As of January 16th, 2022, Professor Gain Kim will join us in the Department of Information and Communication Engineering at DGIST.   Professor Gain Kim received his B.S., M.S. degrees in Electrical Engineering from the Ecole Polytechnique Federale de Lausanne (EPFL), Lausanne, Switzerland in 2013, 2015, respectively, and Ph.D. degree in Microsystems and Microelectronics from EPFL, Lausanne, Switzerland in 2018. From 2016 to 2018, he was with IBM Research Zurich Laboratory, Zurich, Switzerland, working on ADC-based wireline receiver circuit design. From 2018 to 2020, he was with Nanoscale Advanced Integrated Systems laboratory in KAIST, Daejeon, South Korea, as a postdoctoral fellow. From Nov. 2020 to Jan. 2022, he was with Samsung Research, Seoul, South Korea, as a staff engineer.   His research interests include modem circuits & systems design, modulation scheme and waveform design for next-generation ultra-high-speed wireless/wireline communication system, mixed-signal circuit design such as ADC, multi-chip AI accelerator design. Especially, he extensively conducted research on modulation techniques for energy-efficient communications through multi-drop interfaces, analysis and design of multi-tone modulation for high-speed serial link transceivers. He published 17 international papers including 12 first-authored papers to peer-reviewed international journals and conferences, including top-tier journals and conference in circuit design field such as JSSC, TCAS-I and ISSCC. In 2018, he received the IEEE CAS Pre-doctoral scholarship award, awarded by the IEEE Circuits and Systems (CAS) society, as the sole recipient of the year.