초록 ▼

연구개요
주식 등 금융 투자재들은 시장 변동 지수를 기반으로 성장하였다. 반면 미술품은 유일성이라는 재화적 특성으로 인하여 지수(Index) 산출이 어렵다. 신뢰할 수 있는 지수(Index)의 부재는 시장 투명성을 담보하지 못함에 따라 시장 성장을 이끌지 못하고 있다. 이러한 한계를 극복하고자 동일 작품이 여러 차례 판매되었을 때 가격변동을 추적하여 지수화 하는 반복판매회귀분석모형이 제시되었다. 이렇게 어떤 작품에 대한 그림이 주어졌을 때 작품 판매 가격의 변동을 추적하기 위해 두 이미지가 동일한 작품의 것인가에 대한 답을 인

연구개요
주식 등 금융 투자재들은 시장 변동 지수를 기반으로 성장하였다. 반면 미술품은 유일성이라는 재화적 특성으로 인하여 지수(Index) 산출이 어렵다. 신뢰할 수 있는 지수(Index)의 부재는 시장 투명성을 담보하지 못함에 따라 시장 성장을 이끌지 못하고 있다. 이러한 한계를 극복하고자 동일 작품이 여러 차례 판매되었을 때 가격변동을 추적하여 지수화 하는 반복판매회귀분석모형이 제시되었다. 이렇게 어떤 작품에 대한 그림이 주어졌을 때 작품 판매 가격의 변동을 추적하기 위해 두 이미지가 동일한 작품의 것인가에 대한 답을 인공지능을 이용하여 풀고자 하는 것이 본 연구의 목표이다. 본 문제는 아래와 같은 도전적인 어려움으로 기존의 알고리즘의 활용이 불가하며 새로운 알고리즘 연구개발에 대한 투자가 필요하다.
1) 동일 작품에 대한 경우에도 이미지를 획득한 장소 및 환경에 따라 이미지 영상사이에는 차이가 발생한다. 2) 서로 다른 작품의 경우에도 외형적으로 매우 유사 특징을 가지고 있다. 3) 1), 2)를 해결함에 있어 데이터 세트의 부족이 가장 큰 문제가 된다. 따라서 본 연구에서는 데이터가 부족한 경우 한계를 극복하여 이미지의 유사성 또는 분류를 진행하는 방법에 대해 다양하게 연구를 진행 하고자 하였다.

연구 목표대비 연구결과
1차 년도 개발 목표는“미술품 데이터 가공 및 데이터 부족 한계 극복을 위한 Knowledge Transfer 알고리듬 개발” 이었다. i) 데이터 부족 한계 극복을 위한 Knowledge Transfer 학습모델 개발목표와 관련하여 당해 연도에 Knowledge Distillation에 관련하여 연구를 진행하였으며 해당 결과를 SCI급 논문으로 게재하는 성과를 거두었다. ii) 미술품 데이터 가공 관련 한국예술종합학교 한국예술연구소의 도움을 받아 서울 옥션 및 한국옥션에 올라온 데이터 자료를 확보였다. 크롤링 된 이미지와 이에 대한 부가정보 매칭을 통하여 동일성이 쌍-정답을 생성하는 알고리즘을 제작하여 동일성 판단 이미지를 획득 하였다.
2차 년도에서 확보된 동일쌍 이미지를 이용하여 기존의 이미지 검색 알고리듬의 성능 분석을 진행하였다. 본 문제에서 풀고자 하는 데이터의 성격이 기존 검색 알고리듬에서 많이 사용하는 대용량의 데이터 세트와 다른 성격을 가지고 있어 미술품 도메인 학습을 위해 학습에 필요한 hard example을 자동으로 생성하는 Generative Adversarial Network(GAN)에 기반을 둔 네트워크를 개발하였다. GAN 학습시 사람이 직접 라벨링하는 것을 피하기 위해 Cycle-GAN과 같은 방법으로 개발되었다. 도메인 변경을 위하여 기존에 제안된 Cycle-GAN의 경우 X,Y 2개의 도메인이 존재하는 경우에 적용 가능한 것임에 반해 본 연구진이 해결해야하는 문제는 X,Y,Z 3개의 도메인이 있는 것으로 설계하여 X-도메인의 정보 손실 없이 Y-도메인의 이미지 생성 방법 고안하고 동일성 판단에서 성능 개선을 확인하였다. 뿐만 아니라 데이터 효율적 이미지 분석에 대한 SCI급 논문 2편을 게재 하였다.
3차 년도에서는 최신의 연구 경향을 반영하여 대조(Contrastive) 학습 방법을 이용하여 사진, 클립아트, 미술품과 같은 서로 다른 작품 도메인간의 소스 도메인에서 학습된 지식을 적응적으로 사용하여 대상 도메인에 적용하는 방법을 개발하였다. 개발된 방법은 다양한 데이터세트에서 실험되었고, SCI급 논문 1편을 게재 완료 하여, 본 과제를 통하여 총 4편의 SCI급 논문이 게재 되었다.

연구개발성과의 활용 계획 및 기대효과 (연구개발결과의 중요성)
데이터 부족 한계 극복을 위해 개발된 피드백 제어 논리를 적용한 지식 전이 학습 모델을 개발, 자기지도 기반 서로 다른 도메인 데이터 생성이 기법을 제안하여 기존의 검색 알고리즘의 한계 극복을 위한 데이터로 활용 가능성을 확인, 대조학습을 이용한 범용 도메인 적응 방법이 연구 되었다. 이러한 비지도, 자기지도 기반의 다양한 학습 방법을 연구는 미술품과 같이 정답 데이터 확보가 어려운 상황에서 효율적 학습에 기여하여 다양한 응용에 활용 가능할 것으로 기대 된다.

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 6
• 1) 1차년도 ... 6
• 2) 2차년도 ... 7
• 3) 3차년도 ... 9
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 11
• 1) 정성적 연구개발성과(연구개발결과) ... 11
• 2) 세부 정량적 연구개발성과 ... 12
• 3) 목표 달성 수준 ... 12
• 4) 목표 미달 시 원인 분석 ... 13
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 13
• 5. 연구개발성과의 관리 및 활용 계획 ... 13
• 6. 참고문헌 ... 14
• [붙임1] 세부 정량적 연구개발성과 ... 15
• [붙임2] 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 16
• 끝페이지 ... 27