▲ SDDGR(안정적 확산 기반 딥 생성 재생) 모델의 작동 과정 / 이 그림은 SDDGR 모델의 작동 과정을 시각적으로 설명한 것입니다. SDDGR 모델은 새로운 데이터를 학습하면서도 기존 데이터를 잊지 않는 기술입니다. 첫 번째 행의 왼쪽에 있는 이미지들은 새로운 실제 데이터셋 (Task T_new)을 나타냅니다. 여기에는 새로운 객체들이 포함되어 있습니다. 이 새로운 데이터셋을 이용하여 기존 객체 탐지 모델인 M_old​을 사용해 의사 라벨링(Pseudo labeling)을 수행합니다. 이는 기존 모델이 새로운 데이터에 대한 예측을 통해 라벨을 생성하는 과정으로, 새로운 객체와 함께 이전 객체들도 포함된 이미지에 의사 라벨을 추가하는 것을 의미합니다. 의사 라벨링이 완료된 후, 새로운 객체 탐지 모델인 M_new​을 훈련시킵니다. 이 모델은 새로운 데이터셋을 이용하여 학습하며, 동시에 L2 지식 증류(L2 distillation)를 통해 기존 모델 M_old의 지식을 유지합니다. L2 지식 증류는 새로운 모델이 이전 모델의 지식을 상실하지 않도록 도와주는 기술입니다. 두 번째 행의 왼쪽에 있는 이미지들은 이전의 합성 데이터셋(Task T_old​)을 나타냅니다. 이는 기존 모델이 학습한 객체들이 포함된 데이터입니다. 새로운 모델 M_new​과 기존 모델 M_old​은 이 합성 데이터셋을 이용하여 학습하고, 이를 통해 새로운 데이터와 이전 데이터를 모두 잘 인식할 수 있게 됩니다. 빨간색 사각형은 의사 라벨링(Pseudo annotations)을 나타내며, 이는 기존 모델이 새로운 데이터에서 예측한 라벨입니다. 녹색 사각형은 새로운 라벨(New annotations)을 나타내며, 새로운 데이터셋에 실제로 부여된 라벨입니다. 파란색 화살표는 L2 지식 증류 과정을 나타내며, 새로운 모델이 기존 모델의 지식을 유지하면서 학습하는 것을 의미합니다. 이 그림은 SDDGR 모델이 새로운 데이터를 학습하면서도 기존의 지식을 잊지 않고 유지하는 과정을 시각적으로 잘 설명하고 있습니다.(그림 및 설명=UNIST)  © 특허뉴스

AI의 핵심 기술은 새로운 정보를 학습하면서도 기존 지식을 유지하는 것이다. 사람도 새로운 것을 배우면서 기존 경험을 잊지 않듯, AI도 같은 기능을 구현하는 것이 중요하다.

UNIST 인공지능대학원 백승렬 교수팀이 AI가 기존 지식을 유지하면서도 새로운 정보를 학습할 수 있는 'SDDGR(Stability Diffusion-based Deep Generative Replay)' 기술을 개발했다.

'SDDGR' 기술은 스마트 가전 제품, 로봇 공학, 의료 분야 등 일상생활에 밀접한 영역에서 AI의 정확한 인식을 가능하게 한다. 특히 자율 주행 자동차가 도로 위의 다양한 물체를 인식하고 안전하게 운행하는 데 큰 도움이 된다. 보안 시스템에 적용하면 침입자를 정확하게 감지해 경고 알람을 즉각 보낼 수 있다.

기존에 개발된 '클래스 증분 학습(CIL)' 기술은 이미지 안의 여러 객체를 인식하고 분류하는 데 한계가 있었다. 이를 해결하기 위해 'SDDGR' 기술이 등장했다. 고품질 이미지를 만들어 이전에 배운 것들을 잘 기억하게 해준다. 반복적인 과정을 통해 이미지의 질을 더 높이며, 기존 지식을 효과적으로 유지할 수 있다. 새로운 데이터를 학습할 때도 성능을 높이는 방법을 사용해 더욱 정확하게 배우는 것이다.

경제적 효율성도 뛰어나다. 기존 데이터를 반복 사용하지 않아 광범위한 데이터를 저장하고 처리하는 비용을 절감할 수 있다. 기업들에게 큰 경제적 이익을 줄 것으로 기대된다.

백승렬 교수는 “SDDGR 모델이 다양한 산업 분야에서 지속적인 객체 탐지의 정확성을 높이는 데 큰 도움이 될 것”이라고 말했다.

제1저자 김준수 연구원은 “SDDGR 기술이 다양한 응용 분야에서 실질적인 효과가 있음을 보여주었다”며, “기업들이 더 적은 비용과 시간으로 더 나은 인공지능 모델을 개발하는 데 기여할 수 있을 것”이라고 언급했다.

이번 연구 결과는 세계적 컴퓨터 비전 학술대회인 CVPR 2024에서 6월 21일 발표될 예정이며, 논문명은 SDDGR: Stable Diffusion-based Deep Generative Replay for Class Incremental Object Detection 이다.