최근 학계에선 인공지능 핵심인 심층 콘볼루션 신경망(Deep Convolutional Neural Network·DCNN) 딥러닝 학습을 통해 영상 화질을 개선하려는 노력이 활발하다.
구불구불한 주름 형태를 뜻하는 콘볼루션 구조는 2차원 구조 입력 자료를 십분 활용할 수 있는 장점이 있다.
다만 심층 콘볼루션 신경망 기술은 연산 복잡도가 높은 데다 사용 메모리가 크다.
이 때문에 작은 규모의 하드웨어를 통해 초 고해상도 영상으로 실시간 변환하는 데엔 한계가 있다.
여기에 더해 프레임 단위로 영상을 처리하는 기존 방식은 D램 같은 외부 메모리 사용이 필수여서 외부 메모리 병목현상과 전력 소모 현상도 따라온다.
김 교수 연구팀은 프레임 대신 선 단위로 데이터를 처리할 수 있는 효율적인 심층 콘볼루션 신경망 구조를 설계했다.
이를 바탕으로 외부 메모리를 쓰지 않고도 작은 규모의 하드웨어에서 초당 60프레임의 4K-UHD를 처음으로 구현할 수 있었다.
김 교수는 "초당 60프레임의 4K-UHD 화면을 실시간으로 생성할 수 있는 알고리즘"이라며 "앞으로 프리미엄급 UHD TV나 360도 가상현실(VR) 등에 적용할 수 있을 것으로 기대된다"고 말했다.
연구는 김용우·최재석 KAIST 전기및전자공학부 박사과정 등이 주도했다. 과학기술정보통신부 정보통신기술진흥센터(IITP) ICT 기초연구실지원사업 지원을 받았다.
기술은 현재 특허 출원을 준비 중이다.