빠른 처리 속도로 다양한 선형·비선형 이미지 복원 문제 해결
세계 최고 권위 AI 학술대회 ICLR 2026 게재 승인
인하대 임홍기 교수 연구팀이 개발한 FAST-DIPS 이미지 복원 결과 및 비교
컨슈머타임스=안우진 기자 | 국내 연구진이 확산 모델(Diffusion Model)을 활용해 손상된 이미지를 원본에 가깝게 복원하는 인공지능(AI) 기술의 효율성을 획기적으로 높이는 데 성공했다.
인하대학교(총장 조명우) 전기컴퓨터공학과 임홍기 교수 연구팀은 새로운 이미지 복원 기술인 'FAST-DIPS'를 개발하고, 해당 연구 논문이 딥러닝 분야 세계 최고 권위 학술대회인 'ICLR 2026'에 채택됐다고 밝혔다.
인하대학교 임홍기 교수 연구팀은 오는 4월 브라질 리우데자네이루에서 개최되는 이번 컨퍼런스에서 직접 연구 결과를 발표할 예정이다.
이번 연구의 핵심인 'FAST-DIPS'는 초해상도, 인페인팅, 블러 제거 등 컴퓨터 비전 분야의 난제인 '역문제(Inverse Problems)'를 보다 빠르고 안정적으로 해결하는 알고리즘이다.
기존 확산 모델 기반 기법들은 복잡한 문제일수록 반복적인 기울기 계산이나 별도의 의사 역행렬 설계가 필요해 연산 비용이 크다는 단점이 있었다.
반면 인하대학교 임홍기 교수 연구팀은 측정값과의 일치를 강하게 유지하는 제약 조건과 해석적으로 도출된 최적 스텝 크기를 결합해, 적은 연산만으로도 높은 복원 품질을 구현했다.
특히 이번 기술은 별도의 재학습 과정 없이도 다양한 선형·비선형 복원 문제에 즉각 적용할 수 있는 유연성을 갖췄다. 자동 미분 기반 구현만으로도 복잡한 연산자 설계가 가능해져 사용자 편의성도 높였다.
또한 인하대학교 임홍기 교수 연구팀은 복원 초기에는 연산 속도가 빠른 '픽셀 공간'에서 작업을 수행하고 이후 품질을 높이기 위해 '잠재 공간'으로 전환하는 하이브리드 방식을 도입해 연산 효율과 복원 성능이라는 두 마리 토끼를 잡았다.
이번 성과는 인하대학교 임홍기 교수의 지도하에 김민우 박사과정생과 신승혁 석·박사 통합과정생이 공동 제1저자로 참여한 논문 'FAST-DIPS: Adjoint-Free Analytic Steps and Hard-Constrained Likelihood Correction for Diffusion-Prior Inverse Problems'를 통해 상세히 다뤄졌다.
학계에서는 확산 모델 기반 이미지 복원 분야에서 계산 효율성과 적용 범위를 동시에 확장했다는 점에서 이번 연구를 높게 평가하고 있다.
임홍기 인하대학교 교수는 "이번에 개발한 기술은 고속·고품질 이미지 복원이 필수적인 과학기술 및 컴퓨터 비전 응용 분야 전반에 걸쳐 폭넓게 활용될 것으로 기대된다"며 "앞으로도 실용적이면서도 혁신적인 AI 모델 개발 연구를 지속해 나가겠다"고 말했다.
Tag
댓글
0