딥러닝 기반 초해상도 영상 복원 알고리즘 세계적으로 인정받아;뉴럴네트워크층을 60층까지 깊게 만들어 화면확대해도 영상 선명;CCTV, 과학수사, 보안감시, 교통단속, 의료진단 등 활용 무궁무진
초해상도 영상복원 결과로 원래 영상을 4배 확대하여 HD급 영상으로 복원한 결과 비교(왼쪽). EDSR을 얼굴영상에 8배 확대 적용한 결과(오른쪽). /한국연구재단
첩보영화 ‘600만불의 사나이’, ‘마이너리티 리포트’, ‘미션 임파서블’을 보면 공통적으로 나오는 장면이 있다. 뿌옇던 CCTV 화면을 유심히 보던 주인공이 무언가를 발견하고 화면을 손으로 확대하거나 버튼을 누른다. 그 순간 작은 사이즈의 물체가 커지며 세밀하면서도 선명하게 나타난다.
예전에는 영화에서나 볼 수 있던 기술이었지만 이제는 인공지능 딥러닝 기법을 활용해 지능형 폐쇄회로 TV(CCTV·closed circuit television)를 통해 과학수사나 보안감시, 교통단속에 쓰는 것은 물론 의료진단, 군사용 경계 분석, 우주에서 본 지구영상 판독 등 다양한 분야에서 질 높은 영상정보를 얻게 됐다.
과학기술정보통신부가 주최하고 한국연구재단과 서울경제신문이 공동주관하는 ‘이달의 과학기술인상’ 2월 수상자로 선정된 이경무(56·사진) 서울대 전기정보공학부 교수가 개발한 딥러닝 기반 초해상도 알고리즘을 적용하면 저화질 영상을 최대 8배까지 확대한 후 원본 영상에 가깝게 복원할 수 있다. 그는 “영상화면을 확대할 수록 화질이 떨어지는 게 아니라 오히려 기존 기술에 비해 획기적으로 초해상도 영상을 복원하는 게 강점”이라며 활짝 웃었다.
그 비결은 세계 최초로 20개 층의 매우 깊은 컨볼루션 신경망(Convolutional Neural Network·CNN)과 잔류 연결(Residual connection) 개념을 사용한 고심층 초해상도네트워크(VDSR) 시스템에 있다. 컨볼루션은 ‘합성곱’을 뜻하는데 신경망의 컨볼루션 층이 깊을수록 입력영상의 넓은 맥락정보를 활용할 수 있어 의미 있고 유용한 특징을 추출할 수 있다. 입력값은 그대로 출력하고 출력값과 입력값의 차이만을 학습하는 잔류 연결이라는 신개념을 통해 빠른 딥러닝 속도와 안정된 성능을 끌어냈다. 확장심층 초해상도네트워크(EDSR)와 다중심층 초해상도네트워크(MDSR)를 통해 성능과 수행속도를 대폭 높였다.
이 교수는 “기존 기술과 달리 빅데이터로 다양한 실제 영상 특징을 네트워크에 잘 학습시킬 수 있는 방법을 개발했다”며 “뉴럴네트워크 층을 60층까지 깊게 만들어도 학습이 가능한 알고리즘을 개발했다”고 특징을 설명했다.
내용이 길어 중략