전 세계적으로 341만장 이상의 자율주행 데이터들이 공개되어 있지만, 해외와 국내의 주행환경과의 차이로 인해 기존에는 각각의 데이터를 바탕으로 특정한 하나의 환경에서 원활하게 동작하는 모델을 여러 개 학습하고, 학습된 여러 개의 모델을 하나로 통합하는 데에 초점이 맞춰져 왔었다.

이는 복잡한 학습과정을 거칠 뿐만 아니라, 모델을 통합할 때 각 모델이 잘못 예측한 결과까지 같이 학습되기 때문에 성능저하가 발생할 수 있고, 또한 이미 학습된 모델들을 다시 이용하는 방식을 사용하기 때문에 모델의 최종 성능이 제한될 수 있다는 단점이 있다.

여기에, DGIST(총장 국양) 전기전자컴퓨터공학과 임성훈 교수팀은 다양한 환경 데이터를 인공지능 모델 학습에 효과적으로 활용할 수 있는 환경 적응 신경망 기술 개발에 성공하였다.

이를 통해 세계 각국 데이터를 활용하여 국내 환경에 맞는 인공지능 모델을 학습할 수 있어 국내 자율주행 기술 개발에 획기적인 기여가 기대된다.

임성훈 교수 연구팀은 여러 모델을 학습할 필요 없이 여러 데이터의 집합체(이하 ‘도메인’)를 한 모델에 학습하는 기법을 설계하였는데, 이를 이용해 각 도메인으로 변환된 다량의 이미지를 얻어 모델을 학습하게 된 것이다.

또한 같은 물체임에도 외관적인 특징이 다를 수 있다는 문제를 해결하기 위해 원본 이미지와 변환된 이미지 간의 연관성을 이용해 각 물체의 알맞은 정보를 찾고 하나의 모델에 학습시키는 기법을 개발하는데 성공했다.

연구팀이 개발한 다중 타깃 도메인 변환 신경망은 한 모델로도 여러 도메인의 이미지 변환이 자유자재로 가능한 장점이 있다. 또한 도메인 사이의 유사정보에 대한 오류를 발생시키는 클래스 모호성(Class Ambiguity)을 해결함으로써 학습과정을 대폭 줄였고, 기존에 모델을 통합하면서 나타났던 성능저하 문제도 해결하여 향후 AI 및 자율주행 분야에서 광범위한 활용이 기대된다.

임성훈 교수는 “자율주행 시장이 점점 커지고 있는 현 상황에서 다양한 환경 데이터를 활용 가능하게 하는 환경 적응 기술은 매우 가치가 크다”라며 “이번 연구는 환경 적응 분야에서 기존의 패러다임을 크게 전환한 연구이며, 학습데이터 부족 문제를 겪는 국내 자율주행 기술 발전에 긍정적인 영향을 줄 것으로 기대된다.”고 말했다.

한편, 이 연구 결과는 현지시간 19일부터 24일까지 온-오프라인으로 동시 개최된 IEEE 2022 컴퓨터 비전 및 패턴 인식 컨퍼런스(Computer Vision and Pattern Recognition Conference, CVPR)에 'ADAS: 다중 대상 도메인 적응 시맨틱 분할을 위한 직접 적응 전략(ADAS: A Direct Adaptation Strategy for Multi-Target Domain Adaptive Semantic Segmentation-다운)'란 제목으로 발표됐다.