한밭People
AI융합대학 전승재 학부생, 확산 기반 이미지 초해상화 연구성과로 국제학회 ‘ICASSP 2026’ 발표
작성자기획과 조회수87 등록일2026-01-30
사진설명: 국립한밭대학교 인공지능소프트웨어학과 전승재 학부생(왼쪽)과 컴퓨터공학과 박천음 교수
— 학습 없이 고해상도 복원을 개선하는 주파수 기반 추론 기법 제안
□ AI융합대학 자연어처리 연구실의 전승재 학부생(박천음 교수 연구팀)이 주도한 연구가 세계 최고 권위의 신호처리 학회인 ‘IEEE ICASSP 2026’에 정식 채택되어 오는 5월 열리는 국제학술대회 ‘ICASSP 2026’에서 발표될 예정이다.
○ 본 연구명은 ‘Spectral-Aligned Inference Guidance for Diffusion-Based Image Super-Resolution’으로, 확산(diffusion) 기반 이미지 초해상화 모델에서 반복적으로 발생하는 구조적 문제를 개선하는 새로운 주파수 기반 추론 기법을 제안한다.
□ 확산 기반 이미지 초해상화 모델은 사실적인 질감과 세밀한 부분 복원이 가능하다는 장점이 있으나, 생성 과정에서 저주파 성분에 편향되어 이미지 내에서 반복되거나 통계적으로 일관된 국소 패턴인 텍스처(texture)가 흐려지거나 영상 내에서 밝기가 급격하게 변하는 부분인 에지(edge) 정보가 약화되는 문제가 지속적으로 지적돼 왔다.
□ 전승재 학부생은 이러한 현상이 확산 샘플링 과정 중 고주파 정보가 반복적으로 약화되는 구조적 편향(Low-frequency bias)에서 비롯된다는 점에 주목했다.
○ 이를 해결하기 위해 연구팀은 저해상도 입력 이미지가 이미 보유한 주파수 정보를 활용해, 생성 이미지의 스펙트럼을 단계별로 정렬하는 스펙트럼 정렬 추론 기법(SIG, Spectral-aligned Inference Guidance)을 제안했다.
○ SIG는 학습 과정 없이 추론 단계에서만 적용되는 플러그앤플레이 방식으로, 기존 확산 모델의 구조를 변경하지 않으면서도 공간적으로 픽셀 값이 빠르게 변하는 시각 정보인 고주파 디테일과 질감을 효과적으로 복원할 수 있다는 점이 특징이다.
○ 실험 결과, 제안 기법은 기존 확산 기반 초해상화 방법 대비 PSNR(Peak Signal-to-Noise Ratio, 최대 신호 대 잡음비)과 WSNR (Weighted Signal-to-Noise Ratio, 가중 신호 대 잡음비)을 향상시키고, 주파수 왜곡을 유의미하게 감소시키는 것으로 나타났다.
○ 또, DDPM(Denoising Diffusion Probabilistic Models), DDIM(Denoising Diffusion Implicit Models), DPM-Solver++(A Fast ODE Solver for Diffusion Probabilistic Model Sampling in Around 10 Steps) 등 다양한 확산 샘플러에 동일하게 적용 가능해 범용성과 실용성을 동시에 입증했다.
□ 이번 연구는 전승재 학부생이 제1저자, 박천음 교수가 교신저자로 연구를 주도했으며, 정서형 연구원, 인공지능소프트웨어학과 전윤호, 컴퓨터공학과 장한얼 교수가 연구에 함께 참여했다.
○ 특히 호주 시드니에서 AI를 연구하고 있는 정서형 연구원과 모델 분석 및 실험 설계, 결과 해석 전반에 걸쳐 지속적인 논의를 진행했으며, 이를 통해 연구의 완성도와 국제적 시각을 한층 강화할 수 있었다.
○ 이는 국립한밭대학교가 산업계 및 해외 연구자들과의 국제 교류를 기반으로 실질적인 공동 연구를 활발히 수행하고 있음을 보여주는 사례이기도 하다.
□ 컴퓨터공학과 박천음 교수는, “이번 연구 발표 선정은 학부생이 주도적으로 문제를 정의하고 국제 연구자와 협업으로 이룬 연구 성과가 세계 최고 수준의 학회에서 인정받았다는 점에서 그 의미가 크다”며, “앞으로도 학생 중심의 연구 환경과 국제 협력을 바탕으로 글로벌 경쟁력을 갖춘 AI 연구를 지속적으로 확대해 나가겠다”고 밝혔다.