• >
  • 스타랩과제
  • >    SGVR Lab
SGVR Lab
대용량 이미지 검색과 시제품 렌더링을 위한 근접 질의 SW 개발
한국과학기술원 / 총괄책임자 : 윤성의 / https://sglab.kaist.ac.kr/
과제 소개
근접 질의 연산(proximity computing)은 공간상에 존재하는 데이터와 그들 사이에 정의된 거리를 기반으로 다양한 형태의 근접 질의(proximity query)들을 처리하는 기술이다. 본 과제에서는 근미래에 폭발적으로 성장할 중요 응용 분야들에서 필요로 하는 근접 질의 기술을 분석하여 중요한 학술적, 기술적 이슈들을 도출하고, 이를 해결하기 위한 5대 원천기술을 연구하고자 한다. 개발한 원천 기술들을 무인자동차용 모션플래닝, 웹 스케일 이미지 검색/인식, 3D 프린터용 가상 쾌속조형 렌더링에 적용하여 그 유용성과 우수성을 입증해 보이고자 한다. 나아가 개발한 원천 기술의 폭넓은 확산을 위해 오픈소스화 하여 학계와 산업계에 공개하고자 한다.
과제 내용
다음 근접 질의 연산 5대 원천 기술과, 이들 원천 기술이 핵심이 되는 3대 응용 기술의 연구/개발에 집중한다.
인사말
저희 과제는 2015년에 시작을 하여 올해 4차년도 연구를 진행하고 있는 중입니다. 저희 과제에서는 이미지 검색, 렌더링, 로봇 경로 생성 등 서로 다른 분야에서 널리 사용되고 있는 근접 연산(proximity computing)을 주로 다루고 있습니다. 근접 연산이라는 것이 생소하지만, 다양한 응용 분야가 있고, 그 응용분야가 활발히 진행되고 이어서, 각각의 응용분야에서 주로 연구 결과를 만들어 내고, 발표를 하고 있습니다. 스타랩을 3년 넘게 진행하면서 여러 일들이 있었지만, 학생들과 같이 많은 노력을 해서 논문을 발표하고, 그것을 공개 SW로 만드는 과정이 가장 보람되고 즐거운 일이라고 생각합니다. 이번 기회를 통해서 저희 연구 결과를 좀더 알리고, 더 도움이 되는 연구를 진행하도록 하겠습니다.
연락처
office : +82-42-350-3531
fax : +82-42-350-3510
fax : sungeui 'at' gmail.com
찾아오는길
대전광역시 유성구 대학로 291 한국과학기술원(KAIST) 전산학동 3432호
총괄책임자
  • 총괄 책임자 KAIST 윤성의
  • Contact
  • +82-42-350-3531 (office)
  • +82-42-350-3510 (fax)
  • Email : sungeui 'at' gmail.com
윤성의 교수는 현재 한국과학기술원에서 부교수로 재직중에 있고, 대용량 그래픽스, 비젼, 로봇틱스 연구실을 이끌고 있다. 서울대에서 1999년 및 2001년에 학석사를 취득한후 2005년에 미국 노스캐롤라이나 주립대에서 박사학위를 받았고, 그후 미국 로렌스 국립연구소에서 박사후 과정을 진행하였다. 주 연구분야로 렌더링, 이미지 검색, 로봇 경로 생성을 연구하고 있고, 그래픽스, 비젼, 로봇틱스 분야에서 활동하고 있다. 지금까지 70여편이 넘은 국제 기술 논문을 우수학회/저널등에서 발표하고 있다. 저술로는 2008년에 대용량 실시간 렌더링 기법에, 최근 2018에 렌더링에 대한 온라인 공개 저술도 진행하였다. 다양한 우수학회에서 튜토리얼도 진행하였고, 2012 및 2013년에는 그래픽스 분야의 ACM I3D에서 공동 프로그램 및 학회 체어를 역임하였다. 또한 우수논문상등 다양한 수상 실적을 가지고 있다.
구성원
이름 직책 연구분야 이메일
Yuchi Huo 포스닥 High-quality Rendering eehyc0@gmail.com
김동혁 박사과정 Optimal motion/path planning bishopak@gmail.com
김수민 박사과정 Computer vision, Image processing soo.kim813@gmail.com
권용선 박사과정 Uncertainty aware collision detection tea984811@gmail.com
김태영 박사과정 Approximate Nearest Neighbor Search, Computer Vision retupmoc14@gmail.com
하인우 박사과정 Rendering for augmented reality hellogomc@gmail.com
강민철 박사과정 Integrated planning kmc050210@gmail.com
안인규 박사과정 3D Sound Source Localization dksdlsrb89@gmail.com
임우빈 박사과정 Age estimation using deep learning iwbn@kaist.ac.kr
신희찬 석사과정 Kinodynamic comfort trajectory planning shn4438@gmail.com
최재원 석사과정 Navigation using deep reinforcement learning jared93choi@gmail.com
김재윤 석사과정 Robust deep feature for image retrieval jaeyoon1603@gmail.com
송치완 석사과정 Machine video comprehension with QA task chi3236@gmail.com
이도헌 석사과정 Acoustic material property estimation doheonlee95@gmail.com
황태운 석사과정 Robot task planning parallelization ghkd4829@gmail.com
연구목표 및 내용
근접 질의 연산 원천 기술
- 원천-1, 고차원과 대용량 데이터
고차원 데이터를 간결한 이진 코드로 표현하여 대용량 데이터를 메모리와 계산량 측면에서 효과적으로 처리/관리하는 기술. 대규모 이미지 검색, 고자유도 모션플래닝 응용 분야에서의 핵심 기술.
- 원천-2, 비-유클리드 거리 측정법
근접 질의 시 유클리드 척도뿐 만 아니라 응용 분야별로 최적화된 다양한 거리 함수를 지원할 수 있도록 하는 기술. 예로 무인자동차 모션 플래닝에서 널리 사용되는 Dubins 거리 함수를 포함.
- 원천-3, 모바일 이종병렬 및 저전력 기술
CPU와 GPU 등 서로 다른 특성을 가진 이종 병렬 프로세서의 성능을 극대로 활용하는 근접 질의 병렬화 기술과 캐시 미스를 줄이기 위한 데이터 재배열 기술. 연산량과 데이터가 많은 가상성형용 렌더링, 대용량 이미지 검색/인식에서의 성능 향상 및 저전력 측면에서 핵심 기술.
- 원천-4, 불확실성 아래 확률 기반 근접 질의
센서 노이즈와 같은 입력 기하 데이터의 오류를 고려하여 샘플 중요도를 기반으로 한 근접 질의의 점진적 정확도 향상 기술. 무인자동차 모션 플래닝과 몬테카를로 렌더링 기술의 실제품화에서 필수적 기술.
- 원천-5, 제약 조건 아래 실시간 근접 질의
주어진 근접 질의에 대해 최적해가 아니더라도 주어진 계산 시간 내에 근사해를 계산해야 할 필요가 있을 때, 근사해의 오류율을 최소화하는 기술. 반응 속도가 중요한 가상성형용 렌더링이나 실시간 모션 플래닝에서 필수적 기술.
근접질의 연산이 핵심이 되고 근미래에 폭발적 성장이 예상되는 응용 기술
- 웹 스케일 이미지 검색/인식
수천만장 이상의 이미지 가운데 주어진 질의 이미지와 유사한 것들을 검색하는 응용 기술. 수천차원 이상의 고차원 이미지 표현자, 방대한 DB, 다양한 유사도 정의들이 있기 때문에 위의 원천 기술 개발이 선행되어야 함.
- 무인자동차용 고성능 모션플래닝
근무인자동차의 경로를 계산하는 기술. 무인자동차의 동역학, 센서의 불확실성, 실시간 계산의 필요성으로 위의 원천 기술이 핵심이 됨.
- 3D 프린터용 가상 쾌속조형을 위한 렌더링
수억 개의 삼각형 메시로 이루어진 고복잡도 3D 모델에 대한 점진적 전역조명 렌더링 기술. 빛과 물체 사이의 상호작용을 시뮬레이션 하는 알고리즘의 병렬화, 중요도 기반 샘플링, 실시간 계산 등으로 원천 기술의 선행 연구가 필수적
성과
구분 1차년도(‘15) 2차년도(‘16) 3차년도(‘17) 합계
특허실적 출원 1 1 1 3
등록 0 0 1 1
논문실적 논문 SCI(E) 3 1 2 6
기타저널 2 1 0 3
컨퍼런스 발표논문 국내 0 1 0 1
국제 0 3 4 7
인력양성
구분 석사 박사
목표 실적 목표 실적 목표 실적
1차년도(’15) 2 2 2 2 4 4
2차년도(’16) 2 2 1 1 3 3
3차년도(’17) 2 2 0 0 4 4
합계 6 6 3 3 9 11
배출인력 우수사례(박사졸업)
- 문보창: 광주과학기술원 조교수 임용
- 허재필: 성균관대학교 조교수 임용
공개SW
순번 SW 명칭 공개/집계년도 다운로드/클론 횟수 이슈 처리 횟수 GitHub 링크/ 공개SW 링크 라이센스
1 OpenCCL 2015년 67 0 https://github.com/sungeui/OpenCCL BSD
2 OpenCCD 2015년 148 2 https://github.com/sglab/OpenCCD BSD
3 OpenIRT 2015년 138 0 https://github.com/sglab/OpenIRT BSD
4 Spherical Hashing 2015년 951 0 https://github.com/jp-sglab/Spherical_Hashing BSD
5 NBNN 2015년 130 0 https://github.com/gangok/NBNN_memory BSD
6 SGMP 2015년 95 1 https://github.com/aidyk/SGMP BSD
7 WLR 2015년 1579 3 https://sglab.kaist.ac.kr/WLR/LWR_code.zip GPL
8 IsFAM 2016년 14 0 http://sglab.kaist.ac.kr/projects/IsFAM BSD
9 SuperRay 2016년 118 0 https://github.com/PinocchioYS/SuperRay BSD
10 Anytime RRBT 2016년 50 3 https://github.com/yoonlab/AnytimeRRBT BSD
11 Lightning 2017년 146 0 https://github.com/yoonlab/Lightning BSD
12 PCA-II 2017년 125 0 https://github.com/yoonlab/PCA-II BSD
13 Rank-based-Voting 2017년 117 0 https://github.com/yoonlab/Rank-based-Voting BSD
14 ParallelBatch 2017년 102 0 https://github.com/PinocchioYS/ParallelBatch BSD
15 Reflectance Completion 2017년 31 0 https://github.com/sookim813/ReflectanceCompletion GPL
홍보
연구 홍보(학술대회)
연구 홍보(신문)
[KAIST AI를 선도한다] AI의 꽃 ‘딥러닝'( http://www.etnews.com/20170512000216) 2017.5.14 발행