인하대, 이미지 복원 인공지능 ‘FAST-DIPS’ 개발…ICLR 2026 채택

인하대학교(총장 조명우)는 임홍기 전기컴퓨터공학과 교수 연구팀이 최근 확산모델 기반의 새로운 이미지 복원 인공지능 기술 'FAST-DIPS'를 개발했다고 23일 밝혔다. 임홍기 교수 연구팀은 손상되거나 일부 정보만 관측된 이미지로부터 원본을 복원하는 '역문제'를 보다 빠르고 안정적으로 해결할 수 있는 방법을 제안했다. 이미지 역문제는 초해상도, 인페인팅, 블러 제거, 위상 복원, HDR 복원 등 컴퓨터 비전과 이미지 처리 분야의 핵심 과제다. 하지만 기존의 확산모델 기반 복원 기법은 문제 유형이 복잡해질수록 반복적인 기울기 계산이나 내부 최적화 과정이 필요해 계산 비용이 커지고, 경우에 따라 연산자별 수반 연산자나 의사 역행렬을 별도로 설계해야 하는 한계가 있다. 연구팀이 제안한 FAST-DIPS는 측정값과의 일치를 강하게 유지하는 제약과 해석적으로 계산되는 최적 스텝 크기를 결합해 각 단계에서 적은 연산만으로도 빠르고 안정적으로 복원하는 게 핵심이다. 이를 통해 별도의 재학습 없이도 다양한 선형·비선형 복원 문제에 유연하게 적용할 수 있으며, 자동 미분 기반 구현만으로 복잡한 수반 연산자나 의사 역행렬을 일일이 설계하지 않아도 된다는 장점이 있다. 또한 연구팀은 픽셀 공간과 잠재 공간을 결합한 하이브리드 방식도 함께 제안했다. 초기 단계에서는 계산이 빠른 픽셀 공간에서 복원을 수행하고 이후에는 생성 모델의 표현력을 더 잘 활용할 수 있는 잠재 공간으로 전환해 복원 품질과 연산 효율을 동시에 높였다. 이번 연구는 확산모델 기반 이미지 복원에서 계산 효율성과 적용 유연성을 동시에 높였다는 점에서 의미가 크다. 개발 기술은 고속·고품질 이미지 복원이 필요한 다양한 컴퓨터비전 및 과학기술 응용 분야에 폭넓게 활용될 것으로 기대된다. 이같은 연구 성과는 임홍기 교수의 지도 아래 김민우 박사과정 학생과 신승혁 석·박 통합과정 학생이 공동 제1저자로 참여한 논문 'FAST-DIPS: Adjoint-Free Analytic Steps and Hard-Constrained Likelihood Correction for Diffusion-Prior Inverse Problems'을 통해 발표됐다. 논문은 인공지능 분야 국제학술대회 ICLR 2026에 최근 채택됐다. ICLR은 딥러닝 분야에서 세계 최고 권위의 국제 학술대회로 꼽힌다. 연구팀은 오는 4월 열리는 ICLR 2026 브라질 리우데자네이루에서 연구결과를 발표할 예정이다. /이현진기자 lhj@metroseoul.co.kr