인공지능학과 박은병, 고종환 교수 연구팀의 논문 2편이 인공지능 및 컴퓨터비전 분야 최우수학술대회 중 하나인 CVPR 2023 (The IEEE/CVF Conference on Computer Vision and Pattern Recognition)에 게재 승인되었다. 학회는 2023년 6월 캐나다 벤쿠버에서 열릴 예정이다.

논문 #1: “Masked Wavelet Representation for Compact Neural Radiance Fields”, 노다니엘*, 이병현*, 남승태, 이주찬, 고종환^, 박은병^ (*공동 1저자,  ^공동 교신저자)

연구 홈페이지: https://daniel03c1.github.io/masked_wavelet_nerf

코드 링크: https://github.com/daniel03c1/masked_wavelet_nerf

  [그림1] Masked Wavelet Representation

[그림 2] 기존 방법론과의 성능 비교

박은병, 고종환 교수 공동 연구팀(인공지능학과 석사과정 졸업 및 현 KT AI2XL 재직 노다니엘/석사과정 이병현 학생 공동 1저자, 석사과정 남승태 학생 공동저자, 석박통합과정 이주찬 학생 공동저자)의 논문 “Masked Wavelet Representation for Compact Neural Radiance Fields”는 이산 웨이블렛 변환을 이용한 주파수 기반의 격자구조 신경 복사 필드를 제안하였다. 더 나아가 주파수 영역에서 효율적으로 학습이 가능한 마스크를 사용하여 신경 복사 필드를 압축함으로써 많은 메모리를 요구하는 기존 격자구조 기반의 신경 복사 필드 방법론들의 단점을 극복했다.

논문 #2: “SMPConv: Self-moving Point Representations for Continuous Convolution”, 김상현, 박은병

코드 링크: https://github.com/sangnekim/SMPConv

[그림 3] SMPConv 와 기존 방법론과의 비교

박은병 교수 연구팀(석사과정 김상현 학생 1저자)의 논문 “SMPConv: Self-moving Point Representations for Continuous Convolution”은 기존 다층 퍼셉트론(MLPs)을 활용한 연속 합성 곱(Continuous Convolution) 구현의 연산량과 구조적 문제를 해결하기 위한 스스로 움직이는 포인트 표현과 보간법을 제안하였다. 제안된 방법은 다양한 실험 환경에서 선행 연구보다 효율성과 우수성을 입증하였으며, 영상 처리 분야에 광범위하게 사용될 수 있을 것으로 기대된다.