국립한밭대 전승재 학부생 연구 결과 5월 국제학회 ‘ICASSP 2026’ 발표

학습 없이 고해상도 복원을 개선하는 주파수 기반 추론 기법 제안

전승재 학생

국립한밭대 AI융합대학 자연어처리 연구실의 전승재 학부생(박천음 교수 연구팀)이 주도한 연구가 세계 최고 권위의 신호처리 학회인 'IEEE ICASSP 2026'에 정식 채택돼 오는 5월 열리는 국제학술대회 'ICASSP 2026'에서 발표될 예정이다.

30일 한밭대에 따르면, 본 연구명은 'Spectral-Aligned Inference Guidance for Diffusion-Based Image Super-Resolution'이다. 확산(diffusion) 기반 이미지 초해상화 모델에서 반복적으로 발생하는 구조적 문제를 개선하는 새로운 주파수 기반 추론 기법을 제안했다.

확산 기반 이미지 초해상화 모델은 사실적인 질감과 세밀한 부분 복원이 가능하다는 장점이 있다. 하지만 생성 과정에서 저주파 성분에 편향돼 이미지 내에서 반복되거나 통계적으로 일관된 국소 패턴인 텍스처(texture)가 흐려지고, 영상 내에서 밝기가 급격하게 변하는 부분인 에지(edge) 정보가 약화되는 문제가 지적돼 왔다.

전승재 학부생은 이런 현상이 확산 샘플링 과정 중 고주파 정보가 반복적으로 약화되는 구조적 편향(Low-frequency bias)에서 비롯된다는 점에 주목했다.

이를 해결하기 위해 연구팀은 저해상도 입력 이미지가 이미 보유한 주파수 정보를 활용해 생성 이미지의 스펙트럼을 단계별로 정렬하는 스펙트럼 정렬 추론 기법(SIG, Spectral-aligned Inference Guidance)을 제안했다.

SIG는 학습 과정 없이 추론 단계에서만 적용되는 플러그앤플레이 방식이다. 기존 확산 모델의 구조를 변경하지 않으면서도 공간적으로 픽셀 값이 빠르게 변하는 시각 정보인 고주파 디테일과 질감을 효과적으로 복원할 수 있다는 점이 특징이다.

실험 결과, 제안 기법은 기존 확산 기반 초해상화 방법 대비 PSNR(Peak Signal-to-Noise Ratio, 최대 신호 대 잡음비)과 WSNR (Weighted Signal-to-Noise Ratio, 가중 신호 대 잡음비)을 향상시키고, 주파수 왜곡을 유의미하게 감소시키는 것으로 나타났다.

또, DDPM(Denoising Diffusion Probabilistic Models), DDIM(Denoising Diffusion Implicit Models), DPM-Solver++(A Fast ODE Solver for Diffusion Probabilistic Model Sampling in Around 10 Steps) 등 다양한 확산 샘플러에 동일하게 적용 가능해 범용성과 실용성을 동시에 입증했다.

이번 연구는 전승재 학부생이 제1저자, 박천음 교수가 교신저자로 연구를 주도했으며, 정서형 연구원, 인공지능소프트웨어학과 전윤호, 컴퓨터공학과 장한얼 교수가 연구에 함께 참여했다.

특히 호주 시드니에서 AI를 연구하고 있는 정서형 연구원과 모델 분석과 실험 설계, 결과 해석 전반에 걸쳐 지속적인 논의를 진행했다.

이는 한밭대가 산업계, 해외 연구자들과의 국제 교류를 기반으로 실질적인 공동 연구를 활발히 하고 있음을 보여주는 사례라고 대학은 전했다.

박천음 컴퓨터공학과 교수는 "이번 연구 발표 선정은 학부생이 주도적으로 문제를 정의하고 국제 연구자와 협업으로 이룬 연구 성과가 세계 최고 수준의 학회에서 인정받았다는 점에서 그 의미가 크다"며 "앞으로도 학생 중심의 연구 환경과 국제 협력을 바탕으로 글로벌 경쟁력을 갖춘 AI 연구를 지속적으로 확대해 나가겠다"고 말했다.


정바름 기자 niya15@