GIST, ‘실시간 환경 적응 AI’ 개발

이규빈 교수 연구팀, AI 모델 이미지 인식 성능 개선

광주과학기술원(GIST)는 융합기술학제학부 이규빈 교수 연구팀이 AI 모델의 ‘실시간 환경 적응(Test-time adaptation)’ 기술을 개발했다고 밝혔다 17일 밝혔다.

AI 모델은 환경이 변하면 성능이 저하되는 문제가 발생해왔다. 예를 들어 화창한 날씨에 찍은 사진만 학습한 AI 모델은 비가 오는 날 이미지 인식 성능이 낮아지게 된다. 사람은 환경에 적응해 행동하지만 AI는 아직 이러한 환경 적응 능력이 부족해 이와 관련한 연구 필요성이 요구돼 왔다.

‘실시간 환경 적응 기술’은 AI 모델의 매개변수를 학습이 끝난 후에도 운용 환경에 맞게 적응시켜 성능을 향상시키는 기술이다. AI 모델이 새로운 환경과 조건에서 잘 작동하도록 실시간 AI 모델 매개변수를 미세 조정한다.

연구팀은 환경 변화에 민감한 블록을 선택하는 방법을 통해 기존 연구와 차별화를 뒀다. 날씨, 조명 등 다양한 변화에 민감한 AI 모델을 실시간으로 주어진 환경에 적응시키는 기술을 개발했다.

AI 모델 학습을 위해 입력 이미지에 대한 정답 라벨이 필요하지만 실제로 운용 중인 AI 모델은 입력 이미지에 대한 정답 라벨이 없어 학습하는 것이 어렵다.

이러한 문제를 해결하기 위해 실시간 적응 연구에서는 AI 모델 스스로 입력된 이미지에 대한 정답 라벨을 생성하고, 이를 학습하는 방법이 사용된다. 즉, 실시간 적응 연구에서는 정확한 정답 라벨 생성 방법에 대한 연구가 진행돼 왔다.

기존 연구는 환경에 민감한 블록을 선택하는 기술을 사용하지 않아 환경 특성을 보지 않는 블록까지 변경되어 성능이 낮아지는 경우가 있었다. 또 정답 생성에 효율적이지 않은 방법을 사용해 정답의 품질이 비교적 떨어졌다.

연구팀은 실시간 환경 적응에 적합한 블록 선택 기술과 정답 생성 기술을 이용해 적응 기술의 성능 평가 벤치마크에서 세계 최고 수준을 달성했다.

환경 민감 블록 선택 기술은 환경 변화에 달라진 블록만 찾아 그 부분만 새로운 환경에 맞게 조정한다. 좌우쌍 기반 정답 생성은 AI 모델을 대상으로 같은 이미지를 좌우 반전을 통해 두 번 보여주고, 좌우 반전된 이미지 모두에서 높은 신뢰도를 출력할 수 있도록 AI 모델을 운용 환경에서 학습시켜 정확성을 높였다.

이규빈 교수는 “학습 환경과 다른 운용 환경에서 얻어진 이미지가 입력될 때 성능이 저하되는 기존 AI 모델의 한계를 극복한 연구로 향후 자율주행차 등에 활용될 수 있을 것으로 기대한다”고 말했다.

한편 융합기술학제학부 이규빈 교수가 지도하고 유연국 박사과정생이 수행한 이번 연구는 과학기술정보통신부와 LG전자 지원을 받았다. 컴퓨터 비전 분야 세계 최고 권위의 학회 ‘CVPR(Computer Vision and Pattern Recognition)’에 오는 6월 19일 발표될 예정이다.