초록 ▼

□ 연구개요
기존의 장면해석 연구는 장면에 존재하는 대상을 단편적으로 인식하거나 서술하는 수준에 그침. 올바른 장면해석을 위해서는 1) 상황요소의 고려 및 2) 자기중심적인 해석을 포함하는 종합적인 이해가 필요함. 본 연구에서는 이 두 가지 개념을 반영하여 장면을 종합적으로 해석하는 연구를 제안한다. 상황요소(context element)란 장면에서 일차적으로 획득할 수 있는 시각정보를 넘어서, 시각정보간 연관성 및 장면이 촬영된 장소 등을 포함하는 상황적 정보를 나타내며, 이를 통해 더 풍부한 장면 묘사가 가능해짐. 자기중심

□ 연구개요
기존의 장면해석 연구는 장면에 존재하는 대상을 단편적으로 인식하거나 서술하는 수준에 그침. 올바른 장면해석을 위해서는 1) 상황요소의 고려 및 2) 자기중심적인 해석을 포함하는 종합적인 이해가 필요함. 본 연구에서는 이 두 가지 개념을 반영하여 장면을 종합적으로 해석하는 연구를 제안한다. 상황요소(context element)란 장면에서 일차적으로 획득할 수 있는 시각정보를 넘어서, 시각정보간 연관성 및 장면이 촬영된 장소 등을 포함하는 상황적 정보를 나타내며, 이를 통해 더 풍부한 장면 묘사가 가능해짐. 자기중심적 해석기술은 있는 그대로를 3인칭 관점으로 영상을 해석하는 기존의 장면묘사 연구와 달리, 촬영주체(본인)을 함께 고려함으로써 무인자동차, 휴머노이드로봇 등에 유용한 인간과 유사한 인지기술을 발전시킴. 본 연구는 상황에 대한 이해와 촬영 주체의 고려를 기반으로 자기중심적 이해를 포함하는 종합적 장면 해석 기술을 개발하는 것을 최종 목표로 함.

□ 연구 목표대비 연구결과
본 연구의 결과 추후 4차산업혁명의 핵심 기술 중 하나인 인공지능 및 로봇 소프트웨어를 위한 원천 이론과 방법이 개발됨. 연구 개발 과정에 도출된 내용들을 취합하여 성과로 발표함. IEEE Transactions on Multimedia에 발표된 논문은 분야 상위 4%의 SCI저널로, 과학자들로부터 많은 참조를 받고 있음. (IF3.977) 또한 문맥 정보를 통한 연구 내용은 패턴인식 분야의 SCI저널 중 하나인 Pattern Recognition Letters에도 게재됨. 상황 요소 모델링을 위해 주변 컨텍스트 정보 모델링 방법, 신뢰도 재측정을 통한 컨텍스트 추정, 향상된 시각주의를 통한 의미영역 분할 기술, Deep Q-Network 기반의 Action localization 기술, 자기중심적 행동 정의 및 추론, 장소 추론을 위한 데이터 다중작업 네트워크, 주변 객체와의 문맥적 의미 검출, 문맥벡터 생성을 위한 시각질의응답 기술, 문맥적 본인행동, 계층 정보 추출, Multi-sentence reasoning, Multi-feature 기반 상황 해석 기술 개발 등 연구 목표를 준수하여 정성적, 정량적 연구 결과를 도출함.

□ 연구개발결과의 중요성
본 연구에서 개발된 기술들은 큰 파급효과를 지님. 계층적 문맥 특징 추출 및 응용 네트워크 기술의 경우 인공지능이 미리 파악하지 못하는 세부 요소들을 인공지능의 판단 근거로 활용할 수 있도록 한다는 측면에서 큰 성능향상을 이룰 수 있는 효과적인 방안임. 이전까지의 기술로는 그들을 효과적으로 통합하여 모델링할 수 있는 방법이 없어 크게 사용되지 않았지만, 본 연구의 기술 개발을 통해 여러 기계학습 분야에 적용할 수 있게 됨. 이를 통해 Egocentric 헬스케어, 위험상황 경고와 같은 유용한 자기중심적 응용 기술들에 대한 필수 기술로 사용 될 수 있음. 또한 시각장애인을 위한 장애물/차 출현 경고시스템 또는 동영상 다이어리 형태의 요약, 행동별 통계 및 검색 시스템 등으로도 활용 가능함.

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구수행내용 및 연구결과 ... 5
• 3. 연구개발결과의 중요성 ... 18
• 4. 참고문헌 ... 18
• 5. 연구성과 ... 19
• 대표적 연구실적 ... 19
• 끝페이지 ... 29