Deep learning algorithm in image processing/ computer vision
이미지/비디오 분석은 IVY 연구실에서 중요한 연구 주제이며, 특히 deep learning을 통한 연구가 주로 진행 중입니다. 본 연구실에서는 다양한 종류의 deep network 구조 및 학습 방법을 연구하고 있으며, 다종 데이터를 분석하여 특징을 추출하는 새로운 network 구조를 제안하였습니다. 현재 진행 중인 대표 연구로는 비디오의 spatio-temporal dynamics에 대한 학습 및 특징 분석, wild 환경에서의 표정 인식, 얼굴 특징점 검출, abnormal event 검출, 객체 검출 및 추적, 비디오 분석 등이 있습니다. (IEEE TIP, IEEE TCSVT, IEEE TAC, ECCV, AAAI 등에 다수의 연구 결과 발표)

Explainable (Interpretable) Deep learning: Medical image analysis
IVY 연구실에서는 deep learning을 기반으로 하여 초음파, MRI, X-ray와 같은 다양한 의료 영상 분석에 대한 연구가 진행 중입니다. 본 연구실의 의료 영상 연구는 지난 KAIST CAD (Computer Aided Diagnosis) system의 성공적인 경험을 바탕으로 Attention network, adversarial learning, generative model과 같은 deep learning 기법을 응용하고 있습니다. 현재 latent lesion feature의 분석, lesion 분할, 의학 용어를 이용하여 의사에게 설명 가능한 CAD system (Explainable Computer Aided Diagnosis, XCAD), Text 정보를 활용한 의료 영상 생성 등의 연구가 진행 중입니다. (Med. Phys., Phys. Med. Biol., SPIE MI 등에 다수의 연구결과 발표 및 SPIE 2018에서는 CAD 분야에서 Best student paper 수상)

3D/VR with deep learning approach: 3D Image/Video analysis
본 연구실에서는 3D 영상 분석 기반의 시각적 품질 측정 및 3D 가상 영상 생성 기술에 대해 연구하고 있습니다. 최근, deep learning framework를 활용하여 보다 정확한 시각 품질 및 VR 멀미 평가 기술을 성공적으로 개발하였고, 3D 영상 및 VR 가상현실 영상 내 시각적 불편감이나 VR 멀미를 유발하는 요인을 분석하고 학습하는 기술을 계속하여 연구하고 있습니다. (IEEE TCSVT, Optics Express, IEEE TIP 등에 다수의 연구결과 발표)