KAIST, 인간 ‘인지 방식’ 닮은 인공지능 모델 개발

인간의 인지 방식을 모방해 이미지 변화를 이해하고, 시각적 일반화와 특정성을 동시 확보할 수 있는 인공지능 기술이 국내에서 개발됐다. 이 기술은 인공지능이 의료영상 분석과 자율주행, 로보틱스 등 분야에서 이미지를 이해해 객체를 분류·탐지하는 데 활용될 수 있을 것으로 기대된다.

KAIST는 전기및전자공학부 김준모 교수 연구팀이 변환 레이블(transformational labels) 없이 스스로 변환 민감 특징을 학습할 수 있는 시각 인공지능 모델 ‘STL(Self-supervised Transformation Learning)’을 개발했다고 13일 밝혔다.

KAIST 전기및전자공학부 유재명 박사과정. KAIST 제공

STL은 스스로 이미지 변환을 학습해 이미지 변환의 종류를 인간이 직접 알려주면서 학습하는 기존 방식보다 시각 정보 이해 능력이 높다. 또 기존 방법론으로 학습한 모델이 이해할 수 없는 세부 특징도 학습해 기존 방법 대비 최대 42% 높은 성능을 나타낸다.

가령 컴퓨터 비전에서 이미지 변환을 통한 데이터 증강으로 강건한 시각 표현을 학습하는 방식은 일반화 능력을 갖추는 데 효과적이지만, 변환에 따른 시각적 세부 사항을 무시하는 경향을 보여 범용 시각 인공지능 모델로서는 한계가 있다.

하지만 STL은 변환라벨 없이 변환 정보를 학습할 수 있도록 설계돼 라벨 없이 변환 민감 특징을 학습할 수 있고, 기존 학습 방법보다 학습 복잡도를 유지하면서 최적화된 학습이 가능하다.

실제 실험 결과 STL은 정확하게 객체를 분류하고, 탐지 실험에서 가장 낮은 오류율을 기록했다. 또 STL이 생성한 표현 공간은 변환의 강도와 유형에 따라 명확히 군집화돼 변환 간 관계를 잘 반영하는 것으로 나타났다.

김준모 교수는 "STL은 복잡한 변환 패턴을 학습한 후 이를 표현 공간에서 효과적으로 반영하는 능력으로 변환 민감 특징 학습의 새로운 가능성을 제시했다”며 "라벨 없이도 변환 정보를 학습할 수 있는 기술은 다양한 인공지능 응용 분야에서 핵심적인 역할을 하게 될 것”이라고 말했다.

한편 KAIST 전기및전자공학부 유재명 박사과정이 제1 저자로 참여한 이번 연구 결과(논문)는 최고 권위 국제 학술지‘신경정보처리시스템학회(NeurIPS) 2024’에서 이달 발표될 예정이다.

대전=정일웅 기자 jiw3061@asiae.co.kr