딥러닝 / 컴퓨터 비전

Deep CNN 네트워크는 최근 비전학회에서 큰 영향을 미치고 있다. 우리 연구실의 ‘AttentionNet’는 ILSVRC 2015에서 Top-5 CLS-LOC 오차 14.72%를 달성하였고, Gain은 이전 ILSVRC 2014의 우승자(구글, 26.7%)보다 12만큼 증가하여 훨 씬 뛰어난 성능을 보여준다. 또한, 단일이미지로부터 3D 정보 예측, 비디오에서의 동작 인식, 폐기물 인식을 통한 자동 재활용 시스템, 열화상 또는 근거리 카메라를 이용한 이미지 해상도 복원 등 많은 딥러닝 연구가 이루어졌다.

지능형 로봇 / 차량 어플리케이션

다양한 2D/3D 센서를 이용하여 여러 움직이는 물체 인식 및 추적에 대한 연구가 진행 중이다. 또한 새로운 환경에서의 실시간 맵핑 및 네비게이션 기술과 휴머노이드 로봇에 사용되는 센싱 기술도 연구되고 있다. 우리 연구실은 KAIST 팀의 멤버로서 DRC-HUBO+의 비전 시스템 개발을 위한 대회에도 참가하였다. 또한 P3 디지털 전기자동차 센터를 설립하여 주변환경 인식 등 지능형 차량 어플리케이션을 위한 다양한 미래 시스템을 개발하였다. BOSCH Germany의 See-through 차 관련 과제는 차량 간 통신을 통해 앞 차량이나 장애물을 관통하여 보는 기술을 연구한다.

3차원복원

실제 물체의 3차원 형상 복구에 관한 다양한 연구가 제안되었다. 다시점 스테레오의 초기 mesh와 측광 스테레오 방법을 이용하여, 고품질의 mesh 모델을 얻을 수 있다. 고정밀 3D 모델링 기술을 위한 다시점 structured-light 시스템도 개발하였다. 현재 실제 상업에 이용되는 스캐너의 mean reconstruction 오차가 약 30 micron인 반면, 제안된 시스템은 20 micron 이하의 오차를 보인다.