【브레이크뉴스 대구】진예솔 기자=DGIST (총장 국양) 전기전자컴퓨터공학과 진경환 교수 연구팀이 보다 선명하고 현실감 있는 이미지 딥러닝 기술을 개발했다고 밝혔다.

이번 연구는 비전 기술 분야 세계적 권위의 학술지인 ‘ECCV(European Conference on Computer Vision)’에 게재됐다.

▲ (왼쪽에서 오른쪽으로). DGIST 전기전자컴퓨터공학과 진경환 교수, 정보통신융합연구소 이재원 연구원  © DGIST

삼성리서치 최광표 마스터와 공동연구로 개발한 해당 기술은 기존 대비 메모리 속도는 절감되고, 해상력은 3dB 증가한 영상처리 딥러닝 기술으로 ‘신호처리 기반의 이미지 보간 기술(Bicubic interpolation)’보다 화면의 엘리어싱 현상을 줄여 자연스러운 영상 출력과 함께 이미지 고주파 부분을 뚜렷하게 복원할 수 있다.

신호처리 기반의 이미지 보간 기술은 이미지의 특정 위치를 지정하여 다양한 환경에서 원하는 이미지 영상을 보전해주는 기술로 메모리와 속도가 절감된다는 장점이 있지만, 화질열화 현상이 발생하여 이미지가 변형되는 문제가 발생하게 된다.

이러한 문제를 해결하기 위해 딥러닝 기반의 초고해상도 영상 이미지 변환 기술들이 등장했다.

그러나 대부분 합성곱 인공지능망기반 기술로, 픽셀과 픽셀 사이의 값들 추정이 부정확하여 이미지가 변형된다는 단점이 있어 이러한 부분을 보완하고자 함축 표현 신경망 기술이 주목받고 있다.

하지만 함축 표현 신경망 기술도 고주파 성분을 잡아내지 못하고 메모리와 속도 역시 증가한다는 단점을 가지고 있다.

이에 DGIST 진경환 교수 연구팀은 이미지에서 고주파 성분 특징을 표현할 수 있도록 이미지를 여러 주파수로 분해하고, 함축 표현 신경망 기술을 통해 분해된 주파수에 다시 좌표를 부여하여 보다 선명하게 보일 수 있도록 이미지화하는 기술을 개발했다.

해당 기술은 이미지 딥러닝 기술인 퓨리에 해석과 함축 표현 신경망 기술이 결합된 새로운 기술이라고 볼 수 있다.

새롭게 구현된 기술은 이미지를 복원하는 데 있어서 필수적인 주파수 성분들을 인공지능망을 통해 분해하여, 고주파 성분을 복원하지 못한다는 함축 표현 신경망의 단점을 보완할 수 있었다.

진경환 교수는 “이번에 개발한 기술은 기존 이미지 워핑 분야에서 활용한 기술보다 복원 성능이 높고, 메모리를 적게 소모한다는 점에서 훌륭하다고 할 수 있다. 앞으로 화질복원과 이미지 편집 분야에서 해당기술이 활용되어 학계와 산업계에 기여하기를 바란다.”고 밝혔다.

<구글 번역으로 번역한 영문 기사의 전문 입니다. 번역에 오류가 있을 수 있음을 밝힙니다.>

A research team led by Professor Kyunghwan Jin of the Department of Electrical and Computer Engineering at DGIST (President Yang Kook) has developed a clearer and more realistic image deep learning technology.

This research was published in 'ECCV (European Conference on Computer Vision)', a world-renowned academic journal in the field of vision technology.

This technology, developed in collaboration with Master Gwangpyo Choi of Samsung Research, is an image processing deep learning technology that reduces memory speed and increases resolution by 3dB compared to the previous one. It is possible to clearly restore the high-frequency part of the image along with the natural image output by reducing .

Image interpolation technology based on signal processing is a technology that preserves desired image images in various environments by specifying a specific location of the image. do.

To solve this problem, deep learning-based ultra-high-resolution video image conversion technologies have emerged.

However, most of them are convolutional artificial intelligence network-based technologies, and there is a disadvantage that the image is deformed due to inaccurate estimation of values ​​between pixels.

However, the implicit expression neural network technology also has the disadvantage of not capturing high-frequency components and increasing memory and speed.

Accordingly, the research team led by Professor Kyunghwan Jin of DGIST developed a technology that decomposes the image into multiple frequencies to express the features of high-frequency components in the image, and assigns coordinates to the decomposed frequencies again through the implicit expression neural network technology so that the image can be seen more clearly. .

This technology can be seen as a new technology that combines Fourier analysis, which is an image deep learning technology, and implicit expression neural network technology.

The newly implemented technology was able to compensate for the shortcomings of the implicit expression neural network that it cannot restore high-frequency components by decomposing the frequency components essential for image restoration through an artificial intelligence network.

Professor Jin Kyung-hwan said, “The technology developed this time is excellent in that it has higher restoration performance and consumes less memory than the technology used in the existing image warping field. We hope that the technology will be utilized in the field of image quality restoration and image editing in the future to contribute to academia and industry.”