세명대학교 컴퓨터학부는 데이터지능연구실(Data Intelligence Lab) 소속 이하은 학생(컴퓨터학부 3학년)과 지도교수인 이수안 학부장(데이터지능연구실 담당 교수)으로 구성된 연구팀이, 한국정보과학회 데이터소사이어티가 주관한 2025년도 한국 데이터베이스 컨퍼런스(KDBC 2025)에서 우수논문상 동상을 수상하는 쾌거를 이루었다고 밝혔습니다.

이번 수상의 영예를 안은 논문은 "조명 변화 및 시간 불안정성에 강건한 단안 깊이 추정 모델의 자기지도 미세조정 기법"입니다.

본 연구는 자율주행이나 증강현실(AR) 등 미래 핵심 기술에 필수적인 AI 깊이 추정 기술을 다룹니다. 기존의 AI 모델(MiDaS)은 터널 진입, 역광, 그림자 등 급격한 조명 변화에 성능이 저하되고, 연속된 영상에서 깊이 값이 흔들리는 '시간적 불안정성(temporal flicker)' 문제를 가지고 있었습니다.

연구팀은 이러한 한계를 극복하기 위해, 정답 데이터(레이블)가 없는 실제 주행 비디오 영상만을 활용하는 'Teacher-Student 기반 자기지도 미세조정(Self-supervised Fine-tuning)' 프레임워크를 제안했습니다.

제안된 구조에서 'Teacher' 모델은 원본 영상으로부터 안정적인 깊이 값을 생성하고, 'Student' 모델은 밝기나 대비가 변형된 영상을 입력받아 Teacher의 결과를 모방하도록 학습합니다. 이를 통해 AI는 조명 변화에 영향을 받지 않는(illumination invariance) 표현을 스스로 학습하게 됩니다.

또한, 인접한 프레임 간의 깊이 예측이 부드럽게 이어지도록 '시간적 일관성 손실(Temporal Consistency Loss)'을 함께 적용했습니다.

nuScenes 데이터셋을 활용한 실험 결과, 제안 모델은 깊이 맵의 구조적 품질(SSIM)을 6.8% 향상시키면서도, 가장 큰 문제였던 시간적 불안정성(Temporal Variance)을 약 98%까지 획기적으로 감소시켰습니다. 이는 별도의 정답 없이도 조명 변화에 강건하고 시간적으로 매우 안정적인 깊이 추정이 가능함을 입증한 것입니다.

데이터지능연구실을 이끌고 있는 이수안 학부장은 "이번 성과는 학부 3학년 학생이 주도적으로 AI 분야의 난제를 해결하려 노력한 결과라는 점에서 매우 의미가 깊다"라며, "제안된 기술은 향후 자율주행 및 로보틱스 분야 AI의 안정성과 실용성을 크게 높이는 데 기여할 것이며, 앞으로도 학부생들이 AI 핵심 인재로 성장할 수 있도록 R&D 교육을 적극 지원하겠다"고 밝혔습니다.