기존 비디오 해상도 향상 기술은 화질 저하와 비효율성 문제를 안고 있습니다. 본 기술은 이러한 한계를 극복하기 위해 컨볼루션 신경망(CNN)을 활용합니다. 비디오 스트림을 샷 및 점진적 샷 변화 영역으로 지능적으로 그룹화하고, 각 그룹의 특성에 맞춰 사전 훈련된 필터를 미세 튜닝하여 최적화된 해상도 향상을 구현합니다. 이로써 영상 화질 열화를 최소화하고 학습 효율을 극대화하여, 탁월한 비디오 초해상도 성능을 제공합니다.

기존 이미지 검색 방식은 사용자가 원하는 특정 이미지를 찾아내는 데 한계가 있었습니다. 본 발명은 사용자가 질의 이미지 내의 특정 '관심 영역'을 지정하면, 해당 영역의 시각적 특징을 정밀하게 분석하여 가장 유사한 이미지를 찾아주는 내용 기반 이미지 검색 방법 및 시스템을 제공합니다. 특히, 관심 영역의 크기 비중을 고려한 검색 순위 재조정 기술을 통해 검색 정확도를 극대화하여, 사용자가 원하는 특정 이미지나 이미지 내의 특정 부분을 손쉽게 찾아낼 수 있도록 돕습니다.

본 발명은 기존 악성코드 검출 방식의 한계를 극복하는 AI 기반 솔루션을 제공합니다. 파일 이진 데이터를 이미지로 변환 후, CAM 및 R-CNN 모델을 학습하여 악성코드 유무뿐 아니라 정확한 위치까지 탐지합니다. 기존 CNN 방식의 이미지 크기 재조정으로 인한 정보 손실 문제를 해결하고, 원본 파일 이미지 전체를 분석하여 정밀도를 높였습니다. 이를 통해 악성코드 분석 및 대응 역량을 강화할 수 있습니다.

기존 동영상 장소 추출 기술은 전경 물체로 인해 배경 인식이 어렵고, 프레임별로 결과가 달라 일관성이 부족한 문제가 있었습니다. 본 특허 기술은 이러한 한계를 극복하기 위해 동영상을 '샷 단위'로 분석하고, 불필요한 물체가 포함된 프레임을 자동으로 필터링하는 혁신적인 방법을 제시합니다. 딥러닝 기반의 물체 인식(YOLO) 및 장소 인식(PlaceNet) 기술을 활용하여, 필터링된 프레임들의 배경 장소 확률값을 통합 분석함으로써, 각 샷에 대한 배경 장소를 정확하고 일관되게 추출합니다. 이 시스템은 동영상 콘텐츠 분석의 정밀도를 획기적으로 향상시켜, 대용량 미디어 데이터베이스 관리 및 검색 효율을 극대화합니다. 본 기술은 미디어 분석, 영상 보안, 콘텐츠 분류 등 다양한 분야에서 활용될 수 있습니다.

기존 동영상 인물 인식 기술은 학습되지 않은 인물을 오인식하거나, 주인공과 엑스트라를 명확히 구분하기 어렵다는 한계가 있었습니다. 특히, 얼굴 인식 확률만으로는 측면이나 노이즈가 포함된 얼굴의 분류가 어려웠습니다. 본 기술은 이러한 문제점을 해결합니다. 동영상 프레임 내 얼굴 영역의 크기와 위치 정보를 활용하여 얼굴 인식 결과를 보정하는 혁신적인 방식을 제안합니다. 이를 통해 각 샷(Shot) 단위로 주요 인물만을 선별적으로 정확하게 검출하는 시스템 및 방법을 제공합니다. 이 시스템은 엑스트라를 제외하고 동영상 콘텐츠 속 핵심 인물만을 효율적으로 식별하여, 미디어 콘텐츠 분석 및 관리의 정확도와 효율성을 획기적으로 향상시킬 수 있습니다.

기존 동영상 분석 기술은 샷 내 빈번하게 등장하는 객체를 중요 객체로 오인하여 정확한 메타데이터 추출에 어려움이 있었습니다. 본 기술은 이러한 문제점을 해결하고자 개발되었습니다. 동영상을 샷 단위로 분할하고 각 프레임에서 객체를 검출한 후, 샷 내 객체 빈도수(OF)와 동영상 전체에서의 객체 중요도(ISF)를 종합적으로 고려하여 진정한 중요 객체를 추출합니다. 이로써 특정 샷의 상황과 장소를 더욱 정확하게 파악하고, 고품질의 샷 단위 객체 메타데이터를 생성하여 동영상 콘텐츠 분석의 정확도를 획기적으로 향상시킬 수 있습니다. 이는 미디어 콘텐츠 관리 및 검색 효율성을 크게 높이는 핵심 기술입니다.

기존 폰 노이만 아키텍처는 높은 전력 소모와 발열 문제가 있으며, 기존 이진 신경망(BNN) 구현 방식은 집적도와 신뢰성에서 한계를 보였습니다. 본 기술은 나노 전기기계 메모리(NEM) 소자를 활용하여 이러한 문제를 해결하는 이진 신경망 및 그 동작 방법을 제시합니다. NEM 셀을 이용한 XNOR 연산을 통해 시냅스 어레이의 셀 개수와 전력 소모를 크게 줄일 수 있습니다. 또한, 최소한의 NEM 셀로 이진 신경망 어레이의 집적도를 높이고, 우수한 내구성과 신뢰성을 바탕으로 안정적인 시스템을 구현합니다. 이 기술은 차세대 저전력 고집적 인공지능 반도체 개발에 기여할 것입니다.

기존 합성가스 기반 C2-함산소화합물 제조 방식은 고온/고압 조건과 촉매 선택성의 문제점을 안고 있습니다. 본 기술은 루테늄 나노입자를 지지체에 담지시킨 새로운 불균일계 촉매를 개발하여 이러한 한계를 극복합니다. 이 촉매는 귀금속인 루테늄의 사용량을 현저히 줄이면서도 아세트산 및 에탄올 등 C2-함산소화합물의 우수한 전환율과 선택도를 제공합니다. 또한, 물 첨가 및 반응 조건 최적화를 통해 생산 효율을 극대화하며, 촉매의 장기적인 안정성을 확보하여 C2-함산소화합물 제조 공정의 경제성과 효율성을 크게 향상시킬 수 있는 혁신적인 해결책입니다.

방사성의약품 생산 과정에서 1회용 카세트의 조립 불량은 생산 실패와 경제적 손실을 초래합니다. 기존에는 생산 완료 후 불량 여부를 확인하여 사전 예방이 어려웠습니다. 본 기술은 이러한 문제점을 해결하고자, 방사성의약품 카세트의 조립성을 생산 전 단계에서 정확히 검사하는 장치를 제안합니다. 제1 카메라로 수평 조립 부품의 정렬 및 루어 조립 적정성을, 제2 카메라로 수직 조립 부품의 체결 깊이(콕 높이)를 평가하여 불량품을 신속하게 판별합니다. 이 시스템은 듀얼 카메라 영상 분석을 통해 카세트의 정확한 체결 깊이와 정렬 상태를 확인함으로써, 방사성의약품 생산 수율을 획기적으로 향상시키고 경제성을 높이는 데 기여합니다.

기존의 특정 물질 감지 기술은 높은 비용과 긴 분석 시간으로 인해 실시간 활용에 어려움이 있었습니다. 본 발명은 광결정 복합 구조물을 활용하여 특정 물질의 흡수량에 따른 부피 변화를 광학적(색) 변화로 극대화하고, 식별 영역별로 특정 물질의 통과 특성을 달리하는 부가 커버층을 통해 다차원 식별을 가능하게 하여 이러한 한계를 극복합니다. 이 기술은 휘발성 유기 화합물(VOC) 검출 센서, 지폐나 보안 카드의 진위 식별 등 보안 분야에 혁신적인 솔루션을 제공합니다. 고속 응답성과 명확한 색 변화를 통해 정밀하고 신뢰도 높은 물질 식별 및 진위 판별이 가능합니다.

본 발명은 기존 전기기계 스위치의 높은 구동 전압 문제를 해결하는 데 중점을 둡니다. 캔틸리버의 탄성에너지를 효과적으로 활용하고, 동적 슬링샷 제어 기술을 통해 풀백 및 풀인 전압을 정밀하게 제어하여 구동 전압을 획기적으로 낮추는 방법을 제시합니다. 이 기술은 MEMS(미세전기기계시스템) 및 NEM(나노전기기계시스템) 소자의 구동 효율을 극대화하며, 재구성 가능 로직(FPGA)과 같은 차세대 반도체 분야에서 필수적인 저전력, 고성능 스위치 구현에 기여합니다. 특히, 캔틸리버의 물리적 이동에 맞춰 슬링샷 신호를 동기화함으로써 안정적이고 효율적인 저전압 구동을 실현합니다. 본 기술은 인공지능, 데이터 분석 등 확장된 어플리케이션에 적용 가능합니다.

기존 바이러스 진단 방식은 높은 비용, 전문성 요구, 혹은 낮은 민감도 등 여러 한계에 직면해 있었습니다. 본 발명은 이러한 문제점을 해결하고자 폴리에틸렌글리콜디아크릴레이트(PEGDA) 및 폴리스티렌 나노입자(PSNPs)를 포함하는 수화젤 센서를 적용한 바이러스 감염 진단 키트를 제안합니다. 이 혁신적인 수화젤 센서는 바이러스 스파이크 단백질과 같은 항원 단백질의 고정력을 획기적으로 높여, 친수성 및 소수성 단백질 모두에 대한 검출 민감도를 극대화합니다. 결과적으로, 기존 진단법 대비 빠르고 정확한 현장 진단(POCT)을 가능하게 하여, 바이러스 감염 여부를 더욱 신뢰성 있게 진단할 수 있습니다. 본 기술을 통해 정밀하고 신속한 바이러스 진단의 새로운 기준을 경험하시길 바랍니다.