노이즈제거

2 Contents

[강연] 컴퓨터비전과 딥러닝의 현재와 미래 _ by한보형 | 2020 가을 카오스강연 'Ai X' 5강 | 5강

컴퓨터 비전은 이미지나 비디오의 내용을 컴퓨터가 자동으로 이해하게 만드는 기술입니다. 과거에는 사람이 데이터의 특징을 직접 정의해 주어야 했지만, 딥러닝의 등장으로 인공지능이 스스로 데이터에서 중요한 정보를 추출하는 법을 학습하게 되었습니다. 특히 여러 계층으로 구성된 인공 신경망은 복잡한 시각 정보를 계층적으로 파악하며, 인간의 시각 체계를 모방하는 수준까지 발전했습니다. 이러한 기술적 도약은 기계가 세상을 바라보는 방식을 근본적으로 변화시켰으며, 단순한 데이터 나열을 넘어선 의미 있는 정보 추출을 가능하게 했습니다. 시각 정보를 처리하는 데 가장 핵심적인 도구는 합성곱 신경망(CNN)입니다. 이는 이미지 필터를 적용하듯 공간 정보를 보존하며 특징을 추출하는 방식입니다. 반면, 시간에 따라 변화하는 비디오나 음성 같은 시계열 데이터에는 순환 신경망(RNN)이 주로 사용됩니다. RNN은 이전 단계의 출력이 다시 입력으로 들어가는 구조를 통해 데이터의 흐름과 맥락을 파악합니다. 이 두 구조는 현대 컴퓨터 비전이 공간과 시간이라는 두 축의 정보를 정밀하게 이해할 수 있도록 돕는 기반이 되며, 다양한 시각적 태스크를 수행하는 핵심 엔진 역할을 합니다. 컴퓨터 비전의 대표적인 응용 분야로는 물체 검출과 의미론적 분할이 있습니다. 'YOLO'와 같은 알고리즘은 이미지 속 물체의 위치를 실시간으로 파악하며, 이미지 분할 기술은 각 픽셀이 어떤 사물에 해당하는지 정밀하게 구분해 냅니다. 이러한 기술은 자율 주행 자동차가 도로 상황을 파악하고 장애물을 피하는 데 필수적인 역할을 합니다. 인공지능은 이제 단순히 사물을 보는 것을 넘어, 장면 전체의 구조와 맥락을 파악하여 안전한 주행을 가능케 하는 지능형 시스템으로 진화하고 있으며, 이는 미래 모빌리티 산업의 핵심이 되고 있습니다. 최근에는 이미지와 언어를 동시에 다루는 기술이 주목받고 있습니다. 이미지의 내용을 문장으로 설명하는 이미지 캡셔닝 기술이나, 이미지에 대한 질문에 답하는 시각적 질의응답(VQA)이 대표적입니다. 또한 생성적 적대 신경망(GAN)은 가짜와 진짜를 구별하는 경쟁 과정을 통해 실제와 구분이 불가능한 고해상도 이미지를 만들어냅니다. 이는 인공지능이 단순히 정보를 수동적으로 인식하는 단계를 지나, 새로운 콘텐츠를 창조하고 인간과 고차원적인 소통을 나눌 수 있는 가능성을 보여주는 사례로, 예술과 산업 전반에 걸쳐 새로운 영감을 불어넣고 있습니다. 화질 개선 및 영상 처리 분야에서도 딥러닝은 놀라운 성능을 발휘합니다. 흑백 사진을 자연스러운 컬러로 복원하거나, 심한 노이즈가 섞인 이미지에서 원래의 형체를 찾아내는 기술이 실용화되었습니다. 또한 낮은 프레임의 영상을 부드러운 고프레임 영상으로 변환하는 프레임 보간 기술은 영상 제작 현장에서 혁신을 일으키고 있습니다. 이러한 기술들은 인공지능이 사전에 학습한 방대한 시각적 패턴을 바탕으로 부족한 정보를 추론하여 인간의 눈보다 더 정밀하게 이미지를 재구성할 수 있음을 증명하며, 오래된 기록물의 복원이나 고화질 콘텐츠 제작에 기여합니다. 강화 학습은 인공지능이 시행착오를 통해 최적의 행동을 배우게 합니다. 벽돌깨기 같은 고전 게임부터 바둑의 알파고, 복잡한 전략이 필요한 스타크래프트의 알파스타까지 인공지능은 인간의 한계를 뛰어넘는 전략을 스스로 터득해 왔습니다. 특히 보이지 않는 영역의 정보를 추정해야 하는 게임 환경에서의 성공은 인공지능의 판단 능력이 얼마나 정교해졌는지를 잘 보여줍니다. 이러한 학습 방식은 단순히 게임에 그치지 않고, 향후 복잡한 변수가 존재하는 현실 세계의 물류 시스템이나 로봇 제어 문제를 해결하는 데에도 중요한 열쇠가 될 것으로 기대됩니다. 하지만 인공지능의 눈부신 발전 뒤에는 해결해야 할 과제도 산적해 있습니다. 학습 데이터에 포함된 인종이나 성별에 대한 편향이 결과에 반영되거나, 딥페이크 기술이 악용되어 사회적 혼란을 야기하기도 합니다. 또한 방대한 모델을 학습시키는 과정에서 발생하는 막대한 탄소 배출은 환경적인 부담으로 작용합니다. 따라서 기술적 완성도를 높이는 것만큼이나 윤리적 가이드라인을 마련하고 사회적 합의를 이끌어내는 노력이 병행되어야 합니다. 진정한 인공지능의 완성은 기술의 효율성과 인간의 보편적 가치가 조화를 이룰 때 비로소 가능해질 것입니다.

[강연] 컴퓨터비전과 딥러닝의 현재와 미래 _ by한보형 | 2020 가을 카오스강연 'Ai X' 5강

한보형

카오스재단카오스강연
  • 융합

[강연] 수학을 통하여 세상을 3차원으로 보는 법 _ by현동훈 | 2020 가을 카오스강연 'Ai X' 2강 | 2강

인공지능이 세상을 이해하는 방식은 데이터를 수집하고 처리하는 과정에서 결정됩니다. 영화 속 터미네이터처럼 인간과 유사한 하드웨어를 통해 직접 시각 정보를 받아들이는 인공지능이 있는가 하면, 자비스처럼 형체 없이 네트워크상의 방대한 데이터를 분석하는 유형도 존재합니다. 이들의 공통적인 과제는 수집된 평면적인 정보를 바탕으로 우리가 사는 입체적인 세상을 어떻게 정확하게 파악하느냐는 점입니다. 특히 물리적 실체를 가진 인공지능이 세상과 상호작용하기 위해서는 단순한 데이터 처리를 넘어 공간을 인지하는 능력이 필수적으로 요구됩니다. 인간이 세상을 3차원으로 인식하는 근본적인 원리는 양안 시차에 있습니다. 왼쪽 눈과 오른쪽 눈은 서로 다른 위치에서 사물을 바라보기 때문에 망막에 맺히는 상에는 미세한 차이가 발생합니다. 뇌는 이 양안 시차를 바탕으로 사물과의 거리를 계산하며, 이는 수학적으로 삼각형의 닮음비를 이용한 방정식으로 모델링할 수 있습니다. 생후 5개월 된 아기가 물체를 잡기 위해 손을 뻗는 행위조차 머릿속에서 복잡한 기하학적 계산이 실시간으로 이루어지고 있음을 시사하며, 이는 시각 지능의 기초가 됩니다. 이러한 인간의 입체 지각 원리는 현대의 3D 기술로 고스란히 이어집니다. 입체 안경이나 3D TV는 왼쪽 눈과 오른쪽 눈에 인위적으로 서로 다른 영상을 전달하여 뇌가 착각을 일으키게 만듭니다. 사물이 가까울수록 양안 시차를 크게 만들고, 멀수록 그 차이를 줄이는 방식을 통해 평면적인 화면에서도 깊이감을 느끼게 하는 것입니다. 이는 인간의 생물학적 메커니즘을 수학적 알고리즘으로 재현한 대표적인 사례로, 인공지능이 공간을 학습하는 과정에서도 이와 유사한 논리적 구조가 적용됩니다. 컴퓨터가 평면 이미지를 통해 공간을 이해하기 위해서는 영상 왜곡을 보정하는 수학적 과정이 선행되어야 합니다. 카메라가 비스듬한 각도에서 찍은 사진 속 타일은 실제로는 사각형이지만 이미지상에서는 일그러진 형태로 나타납니다. 이때 평행한 두 직선이 지평선에서 만나는 소실점의 원리를 이용하면, 왜곡된 이미지를 다시 평면으로 펼치는 함수를 만들 수 있습니다. 지평선을 무한대로 보내는 수학적 변환을 통해 컴퓨터는 2차원 사진 속에서 실제 사물의 형태와 위치를 추정할 수 있는 기초 체력을 갖게 됩니다. 두 개 이상의 카메라를 사용하는 스테레오 비전은 더욱 정밀한 공간 정보를 제공합니다. 이를 위해서는 각 카메라의 위치와 각도를 일치시키는 캘리브레이션 과정이 필요하며, 수학자들은 이를 3x4 행렬로 표현하여 계산합니다. 가장 어려운 과제는 서로 다른 사진 속에서 같은 지점을 찾아내는 대응점 문제입니다. 수백만 개의 픽셀 중에서 동일한 위치를 찾는 과정은 엄청난 계산량을 요구하지만, 에피폴라 기하학이라는 수학적 원리를 적용하면 탐색 범위를 직선 하나로 좁혀 계산 효율을 획기적으로 높일 수 있습니다. 계산된 3차원 좌표들은 수많은 점이 모인 포인트 클라우드의 형태로 나타납니다. 하지만 이 점들만으로는 사물의 매끄러운 표면을 표현하기에 부족하며, 데이터 수집 과정에서 발생한 노이즈로 인해 표면이 거칠게 보일 수 있습니다. 이를 해결하기 위해 수학적 최적화 기법을 동원하여 노이즈를 제거하고 점들을 삼각형 면으로 연결하는 표면 복원 작업이 진행됩니다. 법선 벡터를 활용해 면의 방향을 결정하고 각진 부분을 부드럽게 다듬는 과정을 거치면, 비로소 컴퓨터 속에 실제와 유사한 3차원 모델이 완성됩니다. 더욱 정교한 복원을 위해 레이저 스캐닝과 같은 기술이 활용되기도 합니다. 레이저를 쏘아 반사되어 돌아오는 시간을 측정하거나 인위적인 패턴을 투사함으로써 대응점 문제를 물리적으로 해결하는 방식입니다. 미켈란젤로의 조각상을 디지털로 복원하는 대규모 프로젝트에서도 이러한 기하학적 원리와 정밀한 스캐닝 기술이 결합되어 역사적 유물을 완벽하게 재현해냈습니다. 결국 기하학은 인공지능이 평면의 한계를 넘어 입체적인 세상을 인지하고 구현하게 만드는 가장 강력한 도구이자 언어라고 할 수 있습니다.

[강연] 수학을 통하여 세상을 3차원으로 보는 법 _ by현동훈 | 2020 가을 카오스강연 'Ai X' 2강

현동훈

카오스재단카오스강연
  • 수학