서강대학교 전자공학과

강석주 교수 연구실 (문승훈 석박통합과정), 

삼성디스플레이 산학협력 논문대회 은상 및 특별상 (2년 연속) 수상

 전자공학과 강석주 교수 연구팀 (문승훈 석박통합과정)의 논문이 2025 삼성디스플레이 산학협력 논문대회에서 은상을 수상했다. 또한 강석주 교수 연구실은 우수 논문이 가장 많이 rank 된 연구실에게 주어지는 특별상도 2년 연속 수상하는 쾌거를 이루었다. 산학협력 연구성과를 알리기 위해 2018년을 첫 시작으로 매년 협력 연구실 소속 학부 및 대학원생을 대상으로 시행되는 삼성디스플레이 산학협력 논문대회는 오는 10월 31일 삼성디스플레이 기흥캠퍼스 SDR (Samsung Display Research)에서 개최될 예정이다.

은상으로 채택된 논문 제목은 ‘DGTFNet: Depth-Guided Tri-Axial Fusion Network for Efficient Generalizable Stereo Matching’이며, 스테레오 매칭 (stereo matching) 모델의 일반화 성능을 획기적으로 높인 새로운 딥러닝 프레임워크를 제안한다. 연구팀은 기존의 AI 모델들이 3D CNN이나 트랜스포머 등을 통해 높은 성능을 달성했지만, 특정 데이터 환경에 과적합되는 '도메인 특화 미세조정(fine-tuning)'에 크게 의존하여 실제 환경에서의 일반화 성능이 저하되는 문제점을 지적했다.

본 논문은 이러한 한계를 극복하기 위해 두 가지 핵심 모듈인 'DGCMA (Depth-Guided Cross-Modal Attention)'와 'TAA (Tri-Axial Attention)'를 제안한다. DGCMA 모듈은 사전 학습된 단일 이미지 깊이 추정 파운데이션 모델 (monocular depth foundation model)이 제공하는 '깊이 정보 (depth prior)'를 RGB 이미지 특징과 효과적으로 융합한다. 이 효율적인 어텐션 메커니즘은 질감이 없거나 반사되는 영역 (low-texture or reflective regions)에서 발생하는 모호함을 줄여, 모델의 기하학적 표현력을 강화한다. 또한, TAA 모듈은 효율적인 '방향성 스트립 합성곱 (directional strip convolutions)'을 사용하여 이미지의 수평, 수직 및 공간적 차원에서 장거리 의존성을 포착한다. 이 모듈은 계산 오버헤드는 낮추면서도 깊이 추정의 정밀도를 향상시킨다.

연구팀은 DGTFNet을 컴퓨터 그래픽으로 만든 합성 데이터 (SceneFlow)로만 학습시킨 후, 실제 도로 및 환경 데이터셋 (KITTI, ETH3D 등)에서 추가 학습 없이 '제로샷 (zero-shot)' 평가를 진행했다. 그 결과, DGTFNet은 기존의 최첨단 (SOTA) 모델들보다 월등히 뛰어난 일반화 성능을 입증했다. 제안한 DGTFNet 기술은 AI 모델이 낯선 실제 환경에서도 높은 정확도를 유지할 수 있게 하여, 실제 산업 현장에 적용하는 데 큰 기여를 할 것으로 기대된다.

2년 연속 특별상 수상으로 연구실의 뛰어난 연구 성과를 다시 한번 입증한 강석주 교수는 “DGTFNet은 기존 딥러닝 모델이 가진 '도메인 의존성'이라는 한계를 넘어, 합성 데이터만으로도 실제 환경에 강인한 '제로샷' 성능을 달성했다는 점에서 의미가 크다”라며, “자율주행이나 로봇 비전 분야의 발전에 중요한 기여를 할 것”이라고 말했다. 또한, 이번 연구의 제1저자인 문승훈 연구원은 “이번 개발로 AI가 실험실을 넘어 실제 산업 현장에 적용될 수 있는 기술적 토대가 될 것”이라고 강조했다.

‣제안하는 DGTFNet 프레임워크

‣기존 방법론과 제안 방법론에 대한 정성적 비교 결과

‣논문 제목: DGTFNet: Depth-Guided Tri-Axial Fusion Network for Efficient Generalizable Stereo Matching

‣저자 정보: 문승훈 석박통합과정 (제 1저자), 강석주 교수 (교신저자)

‣기타 정보: 없음