»ó´Ü¿©¹é
HOME IT¡¤°ÔÀÓ IT
LGÀüÀÚ, ¼¼°è ÃÖ°í ±ÇÀ§ AI ÇÐȸ¼­ ¡®·Îº¿¡¤¸ÞŸ¹ö½º ÇÙ½É ±â¼ú' AI ¿¬±¸ ¼º°ú ÀÎÁ¤°ø°£ Àνķü ¹× °¡»ó °ø°£ ÀçÇöÀ² ³ôÀÎ AI ¼º°ú ÃÖ»óÀ§ ³í¹®À¸·Î äÅÃ

[Å×ũȦ¸¯] LGÀüÀÚ(´ëÇ¥ÀÌ»ç Á¶ÁÖ¿Ï)°¡ ¼¼°è ÃÖ°í ±ÇÀ§ÀÇ AI Çмú´ëȸ ‘ICLR(Ç¥Çö ÇнÀ ±¹Á¦ ÇÐȸ, International Conference on Learning Representations) 2024’¿¡¼­ ¹ßÇ¥ÇÑ ³í¹®ÀÌ Àüü ³í¹® °¡¿îµ¥ »óÀ§ 1%·Î Ã¤ÅõǴ µî AI ±â¼ú ¸®´õ½ÊÀ» ÀÔÁõÇß´Ù°í 30ÀÏ ¹àÇû´Ù. 

LGÀüÀڴ À̹ø Çмú´ëȸ¿¡¼­ ‘°ø°£ ÀνķüÀ» ³ôÀΠAI ±â¼ú(DiffMatch: Diffusion Model for Dense Matching)’À» °ø°³ÇÏ°í, ÀÌ ¿¬±¸ ³í¹®À¸·Î ±¸µÎ ¹ßÇ¥(Oral Session) ´ë»óÀڷΠ¼±Á¤µÆ´Ù. Çмú´ëȸ¿¡ Á¦ÃâµÈ ³í¹® Áß 1% À̳»¿¡ ÇØ´çÇϴ ÃÖ»óÀ§ Æò°¡¸¦ ¹ÞÀº ¿¬±¸¿¡ ÇÑÇØ ±¸µÎ ¹ßÇ¥ ±âȸ°¡ ÁÖ¾îÁø´Ù. 

ÀÌ¿Í ÇÔ²² °ø°³ÇÑ ¸ÞŸ¹ö½ºÀÇ Çٽɠ±â¼úÀΠ‘2D À̹ÌÁö ±â¹Ý 3D °ø°£ ÀçÇö ±â¼ú(H2O-SDF Two-Phase Learning for 3D Indoor Reconstruction using Object Surface Fields)’µµ ICLR 2024¿¡¼­ »óÀ§ 5% À̳» ³í¹®À¸·Î ¼±Á¤µÇ¸é¼­ À̹ø Çмú´ëȸ¿¡ Âü¿©ÇÑ ±¹³» ±â¾÷ °¡¿îµ¥ ¿¬±¸ °á°ú°¡ ¸ðµÎ ÃÖ»óÀ§ ³í¹®À¸·Î µîÀçµÇ´Â ¼º°ú¸¦ °Åµ×´Ù.  

À̹ø ¿¬±¸ ¼º°ú´Â ¼±Çà ±â¼ú È®º¸ »Ó¸¸ ¾Æ´Ï¶ó, ·Îº¿, ¸ÞŸ¹ö½º, ½º¸¶Æ®È¨ µî¿¡ ½ÇÁ¦ Àû¿ë °¡´ÉÇÑ ¿¬±¸ ¼º°ú·Î¼­ Àǹ̰¡ Å©´Ù.  

‘°ø°£ ÀνķüÀ» ³ôÀ̴ ±â¼ú’Àº AI ±â¼ú·Î µÎ À̹ÌÁö ºñ±³¸¦ ÅëÇØ À̹ÌÁö °£ À¯»ç¼º°ú Â÷ÀÌÁ¡À» ºÐ¼®ÇÏ°í, À̹ÌÁö¿¡ ³ªÅ¸³ª´Â ¹°Ã¼ÀÇ À§Ä¡¿Í ÇüŸ¦ ÆľǷ¿¹ÃøÇÒ ¼ö ÀÖ´Ù.  

ƯÈ÷ ·Îº¿ ºÐ¾ßÀÇ Çٽɠ±â¼úÀΠ‘°ø°£ Àνķü’À» ³ôÀÏ ¼ö ÀÖ´Ù. »ç¶÷, µ¿¹° µîÀÌ ¿òÁ÷¿© À§Ä¡°¡ º¯Çϰųª Á¶¸íÀ¸·Î ¹à±â°¡ ´Þ¶óÁ®µµ ·Îº¿ÀÇ À§Ä¡¸¦ Á¤È®È÷ ÀνÄÇÏ°í ¿òÁ÷ÀÏ ¼ö Àִ Áöµµ¸¦ »ý¼ºÇÑ´Ù. 

‘2D À̹ÌÁö ±â¹Ý 3D °¡»ó °ø°£À» ÀçÇöÇϴ ±â¼ú’Àº AI¸¦ ÅëÇØ º¹ÀâÇÑ ½Ç³» °ø°£°ú ¹°Ã¼ Ç¥¸éÀÇ µðÅ×ÀϱîÁö 3D °¡»ó °ø°£À¸·Î ÀçÇöÇØ ´õ¿í ½Ç°¨³ª°Ô Ç¥ÇöÇÑ´Ù. 

2D À̹ÌÁö ¼Ó º®, ÃµÀå, ±âµÕ µî ÀüüÀûÀΠ½Ç³» ±¸Á¶¸¦ ÇнÀÇÑ µÚ °¡±¸, °¡Àü µî °³º° ¹°Ã¼ÀÇ ¼¼ºÎÀûÀΠÇüŸ¦ ÇнÀÇϴ ¹æ½ÄÀ¸·Î ²Éº´ÀÇ µðÀÚÀÎ, °¡±¸ÀÇ Áú°¨±îÁö ¼¶¼¼ÇÏ°Ô º¹¿øÇÑ´Ù. 

ÀÌ ±â¼úÀº ‘¸ÞŸ¹ö½º’, ±×¸®°í ½º¸¶Æ®ÆÑÅ丮¿¡ Àû¿ëÇÒ ¼ö Àִ ‘µðÁöÅРƮÀ©’ µî ºÐ¾ß¿¡ È°¿ë °¡´ÉÇÏ´Ù. Æ¯È÷, Áý¾È µî ½ÇÁ¦ °ø°£À» ±×´ë·Î ÀçÇöÇÑ °¡»ó °ø°£¿¡¼­ ½º¸¶Æ®È¨ ¼­ºñ½º¸¦ °æÇèÇÒ ¼ö ÀÖ°Ô µÈ´Ù.  

LGÀüÀÚ ±èº´ÈÆ CTO(ÃÖ°í±â¼úÃ¥ÀÓÀÚ) ºÎ»çÀåÀº “¼¼°èÀûÀ¸·Î ÀÎÁ¤ ¹ÞÀº LGÀüÀÚÀÇ AI ±â¼ú ¿ª·®À» Á¦Ç°°ú ¼­ºñ½º¿¡ Àû¿ëÇØ ½Ç»ýÈ°ºÎÅÍ ¹Ì·¡ °¡»ó °ø°£¿¡ À̸£±â±îÁö ´Ù¾çÇÑ ¿µ¿ª¿¡¼­ °í°´ÀÇ »îÀ» ´õ¿í Æí¸®ÇÏ°í Áñ°Ì°Ô ¸¸µé¾î ³ª°¥ °Í”À̶ó°í ¹àÇû´Ù. 

ICLRÀº ±¸±Û ½ºÄ®¶ó(Google Scholar)°¡ ¹ßÇ¥Çϴ ¿£Áö´Ï¾î&ÄÄÇ»ÅÍ °úÇРºÎ¹®ÀÇ ‘±Û·Î¹ú 3´ë AI Çмú´ëȸ’·Î ¸Å³â ¼±Á¤µÇ¾î ¿ÔÀ¸¸ç ³í¹® Ã¤Å÷üÀº ¾à 25%¿¡ ºÒ°úÇÒ ¸¸Å­ °æÀï·üÀÌ ³ô´Ù. ¿ÃÇش ÇöÁö½Ã°£ 7ÀϺÎÅÍ 11ÀϱîÁö ¿À½ºÆ®¸®¾Æ ºó Àü½Ã ¹× È¸ÀǼ¾ÅÍ¿¡¼­ ¿­¸°´Ù. ÀÌ ¿Ü¿¡µµ ´º¸³½º(NeurIPS), ICMLÀÌ ÃÖ»óÀ§ ÇÐȸ·Î ¼±Á¤µÈ ¹Ù ÀÖ´Ù.  

ÇÑÆí, LGÀüÀڴ Çмú´ëȸ ±â°£ Áß ±Û·Î¹ú AI  ¿ì¼ö ÀÎÀç È®º¸¿¡µµ ³ª¼±´Ù. Çмú´ëȸ Âü°¡ ¼®·¹Ú»ç ÇлýµéÀ» ´ë»óÀ¸·Î LGÀüÀÚÀÇ ÃֽŠAI ±â¼ú ÇöȲ °øÀ¯ ¹× Ã¤¿ë »ó´ã µîÀ» ÁøÇàÇÑ´Ù. Áö³­ÇØ¿¡µµ ±Û·Î¹ú AI Çмú´ëȸ¿¡¼­ Ã¤¿ë È°µ¿À» ÅëÇØ ¿ª·® Àִ AI ¿¬±¸ÀÚµéÀ» ¿µÀÔÇÑ ¹Ù ÀÖ´Ù.

#LGÀüÀÚ #AI #ICLR #Ç¥Çö ÇнÀ ±¹Á¦ ÇÐȸ #·Îº¿ #¸ÞŸ¹ö½º

À¯»óÈÆ ±âÀÚ  thtower1@techholic.co.kr

<ÀúÀÛ±ÇÀÚ © Å×ũȦ¸¯, ¹«´Ü ÀüÀç ¹× Àç¹èÆ÷ ±ÝÁö>

À¯»óÈÆ ±âÀÚÀÇ ´Ù¸¥±â»ç º¸±â
Àαâ±â»ç
Ãßõ±â»ç
±â»ç ´ñ±Û 0°³
Àüüº¸±â
ù¹ø° ´ñ±ÛÀ» ³²°ÜÁÖ¼¼¿ä.
¿©¹é
¿©¹é
Àç¹ÌÀÖ´Â Å×Å©¿ùµå ¼¼»ó
¿©¹é
¿©¹é
¿©¹é
¿©¹é
¿©¹é
¿©¹é
¿©¹é
Back to Top