강석주

재직중

AI 요약

서강대학교 전자공학전공 강석주 교수는 딥러닝 기반 영상처리 및 디스플레이 기술 분야의 선구적인 연구를 수행하고 있습니다. 인공지능, 딥러닝을 활용한 화질 개선, 초해상화, 이상 탐지 기술을 개발하여 산업 현장의 난제를 해결하며, 디스플레이 휘도 보상, 비디오 압축, 뉴로모픽 엣지 SOC 개발 등 폭넓은 분야에서 혁신적인 성과를 창출하고 있습니다. 특히 VR/AR 디스플레이 지연 및 잔영 개선, 자율주행 차량용 영상 인식 등 미래 핵심 기술 연구에 기여하고 있습니다. 강석주 교수의 연구는 영상 처리 및 디스플레이 산업의 발전에 크게 이바지하며 새로운 지평을 열고 있습니다.

강석주

교수

서강대학교

전자공학과

소속	서강대학교
부서 학과	전자공학과
직책	교수
사무실 번호	027058466
이메일	sjkang@sogang.ac.kr
연구자 홈페이지	링크 바로가기
연구실	VDSLab
연구실 홈페이지	링크 바로가기

중요 키워드

디스플레이센싱 기술로보틱스딥러닝이미지 복원인공지능모델 경량화신경망초해상화메타버스HDR자율주행영상처리비전 검사HMD

학력

Pohang University of Science and Technology (POSTECH), Mar. 2006 – Feb. 2011 Ph. D. in Electrical Engineering (Advisor: Dr. Young Hwan Kim) Sogang University, Mar. 1999 – Feb. 2006 B.S. in Electronic Engineering (Military Service in Korea Air Force (Feb. 2001 – Aug. 2003))

문의처

서강대학교

담당자서강대학교산학협력단

이메일tlo@sogang.ac.kr

연락처02-3274-4863

보유 기술

디지털신호 외

HMD 3D 영상 보간 계산량 획기적 절감 기술 개발

가격 협의

헤드 마운티드 디스플레이(HMD)는 높은 해상도와 프레임 레이트를 요구하여 시스템 리소스 소모가 큰 문제가 있습니다. 본 발명은 이러한 문제 해결을 위해 중복 영역 제거 기반의 3차원 영상 보간 기법을 제공합니다. 좌표 매핑 테이블을 활용하여 불필요한 픽셀 계산을 제거함으로써, 기존 고품질 영상을 유지하면서도 시스템 리소스 및 계산량을 획기적으로 줄일 수 있습니다. 이 기술은 HMD의 성능을 최적화하고 사용자 경험을 향상시키는 데 기여합니다.

3차원 영상 보간XR 기술가상현실계산량 최적화고품질 영상

VR기기 외

전체 해상도로 즐기는 고화질 3D HMD 기술 개발

가격 협의

기존 헤드 마운티드 디스플레이(HMD)의 3D 영상 해상도 저하 문제를 해결하는 혁신 기술입니다. 본 발명은 좌안 및 우안 영상에 대한 비대칭 왜곡 처리와 엑티브 셔터 방식을 활용하여, 디스플레이의 전체 공간 해상도를 온전히 사용하여 고해상도 3차원 영상을 구현합니다. 이는 사용자에게 더욱 선명하고 몰입감 있는 3D 시청 경험을 제공하여, 가상현실 및 증강현실 분야의 발전에 기여할 것으로 기대됩니다.

3차원 디스플레이AR 디스플레이HMDVR 디스플레이가상현실

VR기기 외

HMD 몰입감 높이는 시선 기반 자기 보정 기술 개발

가격 협의

기존 헤드 마운티드 디스플레이(HMD)는 자세 추정 시 센서 오차로 인해 정밀도가 낮고, 보정을 위해 고가의 외부 장비가 필수적이었습니다. 특히 센서 퓨전 파라미터 최적화가 어려웠습니다. 본 기술은 이러한 문제를 해결하기 위해 외부 기준 좌표계 없이 HMD의 내부 파라미터를 자체적으로 보정하는 장치 및 방법을 제안합니다. 사용자의 가이드된 움직임 데이터를 기반으로 시선 변화를 분석하고, 이를 통해 센서 퓨전 필터의 파라미터를 최적화합니다. 이 기술은 고가의 외부 장비 없이도 HMD의 자세 추정 정확도를 획기적으로 향상하며, 기존 센서 보정 방식보다 간단하게 다양한 센서 퓨전 방법에 적용 가능합니다. 이는 HMD 기반 가상/증강 현실 기기 및 IoT 장치의 사용자 경험을 크게 개선할 것입니다.

HMD 자기 보정가상현실 기기공간 위치 인식관성 측정 장치센서 퓨전 최적화

소프트웨어 외

단일 LDR 영상으로 인지적 화질 높이는 HDR 이미지 개발

가격 협의

기존 HDR 이미징은 고정된 기준값 사용으로 인지적 화질 저하나 실시간 처리의 어려움이 있었습니다. 본 발명은 이러한 한계를 극복하기 위해 단일 로우 다이내믹 레인지(LDR) 이미지로부터 하이 다이내믹 레인지(HDR) 이미지를 생성하는 혁신적인 장치 및 방법을 제공합니다. 특히, 반사광 및 확산광 영역을 적응적으로 검출하고, 인지 밝기 기반의 역 톤 매핑 기법을 적용하여 기존 기술 대비 고화질의 이미지를 구현합니다. LDR 휘도 경계값과 지역 적응 망막 반응을 활용하여 사용자의 시각적 인지 능력을 최적화하며, 베버 상수를 통한 정교한 휘도 변환으로 이미지 품질을 한층 더 향상합니다. 이 기술은 단일 LDR 이미지로도 뛰어난 HDR 이미지를 생성하여, 다양한 디스플레이 환경에서 선명하고 자연스러운 시각 경험을 제공합니다. 본 기술은 영상 처리 분야의 새로운 가능성을 제시합니다.

HDR 이미지 생성LDR 휘도 경계값고화질 영상단일 노출 영상디스플레이 기술

이미징기술 외

AI로 희귀 보행자 이상행동 탐지율 높이는 기술 개발

가격 협의

기존 지능형 교통안전 시스템의 보행자 이상행동 탐지 성능은 데이터셋의 양적, 질적 한계로 개선에 어려움이 있었습니다. 본 기술은 딥러닝 기반 객체 검출 모델을 활용하여 입력 영상에서 운전가능 영역과 보행자를 검출하고, 이들의 마스크를 기반으로 무단횡단과 같은 보행자 이상행동 증강 영상을 자동 생성합니다. 이를 통해 지능형 교통안전 시스템의 이상행동 탐지 정확도를 8% 이상 향상시키고, 발생 빈도가 낮은 이상행동 감지에도 범용적으로 적용 가능한 데이터셋을 구축할 수 있습니다.

CCTV 영상 분석Mask R-CNN객체 검출 모델교통 안전데이터셋 부족

이미징기술

위상합동 기반 초해상화, 왜곡 없는 고품질 영상 개발

가격 협의

기존 인공신경망 기반 초해상화 모델은 영상의 평활화, 구조적 왜곡, 잡음 발생 또는 디테일 복원력 저하와 같은 문제점을 가지고 있습니다. 이러한 한계를 극복하기 위해 본 기술은 위상합동(Phase Congruency)을 활용한 새로운 초해상화 모델 학습 방법을 제안합니다. 본 기술은 정답 영상을 주파수 영역별로 분할하고, 각 주파수 특성(고주파/저주파)에 따라 맥락 손실과 인지 손실의 비율을 유동적으로 조절하여 모델을 학습시킵니다. 이를 통해 고주파수 영역에서 발생할 수 있는 구조적 왜곡이나 잡음을 효과적으로 방지하며, 저주파수 영역에서의 디테일 복원 성능 저하 문제를 해결합니다. 결과적으로 본 초해상화 모델은 기존 기술 대비 고품질이면서 정답 영상과의 인지적 유사도가 높은 선명한 결과물을 제공합니다. 특히, LPIPS(Learned Perceptual Image Patch Similarity) 평가에서 우수한 성능을 입증하여 사용자가 체감하는 화질 개선 효과가 뛰어납니다. 본 기술은 영상 처리 분야의 난제를 해결하고 고품질 영상 복원의 새로운 표준을 제시합니다.

AI 모델 학습PC 맵고품질 영상딥러닝맥락 손실

보유 기술 로딩 중...