IT | 엔비디아, GTC 2018에서 혁신적인 딥 러닝 연구 발표
권경욱 기자
IT
0
0
2018.03.29 11:54
엔비디아(www.nvidia.co.kr)는 자사의 연구진이 최근 딥 러닝 분야에서 새롭게 발견한 사항이 전통적인 컴퓨터 그래픽 분야의 발전에 기여할 것이라고 발표했다. 엔비디아의 창립자 겸 CEO인 젠슨 황(Jensen Huang)은 GPU 테크놀로지 컨퍼런스(GPU Technology Conference)의 기조 연설에서 이에 관한 상세한 내용을 전했다.
젠슨 황 CEO는 새로운 발견을 통해, 게임 개발자들은 보다 짧은 시간 내에 저렴한 비용으로 풍부한 게이밍 경험을 창출해낼 수 있게 되며, 관련 업계에서는 다양한 도로 상황, 지형, 위치 정보 등 자율주행 차량의 트레이닝에 필요한 데이터를 보다 용이하게 생성해 개발을 가속화할 것이라고 강조했다.
새로운 두 연구 프로젝트는 엔비디아가 보유한 딥 러닝 분야 내 전문성과 컴퓨터 그래픽 분야의 발전에 오랜 기간 동안 기여해 온 바를 시사하는 사례로, 전세계 11개 지역에서 온 약 200명의 엔비디아 연구진은 현재 머신 러닝, 컴퓨터 비전, 자율주행 차량, 로보틱스, 그래픽, 컴퓨터 아키텍처, 프로그램 시스템 등 다양한 분야에 활용되는 기술을 새로운 수준으로 끌어올리는 데 주력하고 있다.
선명한 이미지 데이터 없이 이미지의 노이즈를 제거하는 첫 번째 프로젝트
이미지에서 노이즈를 제거하는 작업의 경우, 그 프로세스 자체에서 인공물이나 흐림 현상이 더해질 수 있기 때문에 매우 어려운 작업이다. 딥 러닝 실험을 통해 이에 대한 솔루션이 등장했으나, 아직은 뉴럴 네트워크를 트레이닝할 때 깔끔한 이미지와 노이즈가 있는 이미지를 매치해야 한다는 주요한 단점이 잔존해 있다.
(좌) 뉴럴 네트워크를 트레이닝해 노이즈 제거 작업한 이미지/ (우) 노이즈 제거 작업한 이미지
노이즈 제거 기기를 트레이닝해 깔끔한 이미지 데이터를 생성하는 데에는 며칠에서 몇 주까지 소요된다. 핀란드와 스웨덴의 엔비디아 연구팀이 개발한 Noise2Noise 솔루션은 트레이닝 시 깔끔한 이미지와 노이즈가 있는 이미지의 매치를 필요로 하지 않으며, 노이즈가 많은 이미지들을 매치해 트레이닝을 진행한다. 그러나 깔끔한 이미지와 노이즈가 있는 이미지의 매치를 요하는 기존 트레이닝 방식과 비교했을 때 결코 뒤쳐지지 않는 결과물을 제시한다.
가상 세계를 구축하는 완전히 새로운 방식을 제시하는 두 번째 프로젝트
엔비디아의 두 번째 프로젝트는 가상 세계를 구축하는 완전히 새로운 방식을 제시한다. 까다롭고 비용이 많이 드는 게임의 3D 모델 구축 작업과 자율주행 차량의 트레이닝에 필요한 데이터 수집에 딥 러닝을 활용해 보다 용이하게 작업을 실행할 수 있게 되는 것이다. 이 기술은 시맨틱 조작(Semantic manipulation)으로 불리며, 아이들이 제트 비행기나 용을 만드는 데 쓰는 레고 블럭과 유사한 것으로 이해할 수 있다. 시맨틱 조작에서 사용자들은 각 픽셀에 매치되는 레이블이 배치된 청사진인 레이블 맵을 활용한다. 맵에 배치된 레이블을 전환해 이미지를 변경할 수 있으며, 차종이나 도로, 나무 등을 사물에 변화를 가할 수도 있다.
엔비디아 연구진이 달성해 나가고 있는 그래픽 분야의 혁신에 관해서는, “인공지능 기술로 더욱 빠르게, 보다 현실 같은 게임 캐릭터 탄생”과 “엔비디아 연구진이 신경정보처리시스템학회(NIPS)에서 발표한 딥 러닝의 발전”, 두 포스트를 통해 살펴보거나 이하의 논문을 통해 확인해볼 수 있다.
- Noise-to-Noise: 선명한 이미지 데이터 없이 이미지를 복원
- 조건부 GANS를 활용한 고해상도 이미지 합성 및 시맨틱 조작 – AI관련 컴퓨터 비전 및 패턴 인식 콘퍼런스인 CVPR(Computer Vision and Pattern Recognition) 2018에서 6월 발표 예정
ⓒ 블루프레임(https://www.blueframe.co.kr) 무단전재 및 재배포금지
엔비디아, NVIDIA, 딥 러닝, 컴퓨터 그래픽 분야, GPU 테크놀로지 컨퍼런스, GPU Technology Conference, GTC 2018, 기조 연설, 이미지 노이즈 제거, 뉴럴 네트워크, 트레이닝, 노이즈 제거, Noise2Noise, 솔루션,
