인공지능대학원 심재영 교수팀, 3D 포인트 클라우드 메이플 캐릭터 슬롯 늘리기 증류 기법 구현
메이플 캐릭터 슬롯 늘리기 순서 불일치·회전 변동성 동시 해결…“학습 시간 ↓, 성능은 유지”
자율주행차나 로봇의 눈 역할을 하는 사물 인식 인공지능(AI) 모델이 학습해야 할 메이플 캐릭터 슬롯 늘리기의 양을 요약해도 성능을 보존할 수 있어 학습 효율을 극대화하는 기술이 나왔다. AI 모델 개발에 드는 시간과 연산 비용을 크게 줄일 수 있게 됐다.
UNIST 인공지능대학원 심재영 교수팀은 3D 포인트 클라우드(Point Cloud) 메이플 캐릭터 슬롯 늘리기를 효과적으로 압축해 학습 효율을 높이는 ‘메이플 캐릭터 슬롯 늘리기 증류(dataset distillation)’ 기술을 개발했다고 1일 밝혔다.
메이플 캐릭터 슬롯 늘리기 증류는 대규모 학습 메이플 캐릭터 슬롯 늘리기 중 요점만을 추출해 새로운 ‘요약 메이플 캐릭터 슬롯 늘리기’를 만들어내는 기술이다. 3D 포인트 클라우드 메이플 캐릭터 슬롯 늘리기는 이 메이플 캐릭터 슬롯 늘리기 증류 기술 적용이 까다로운 형태의 메이플 캐릭터 슬롯 늘리기로 꼽힌다. 3D 포인트 클라우드 메이플 캐릭터 슬롯 늘리기는 사물을 점으로 표현해 놓은 메이플 캐릭터 슬롯 늘리기인데, 점들의 배열에 정해진 순서가 없고, 물체가 회전해 있는 경우가 많은 특성 때문이다.
이러한 특성은 요약 메이플 캐릭터 슬롯 늘리기를 생성하는 과정에서 치명적인 걸림돌이 된다. 메이플 캐릭터 슬롯 늘리기 증류는 원본 메이플 캐릭터 슬롯 늘리기와 요약 메이플 캐릭터 슬롯 늘리기의 특징을 ‘비교’하는 방식으로 요약 메이플 캐릭터 슬롯 늘리기의 완성도를 높여 나가게 되는데, 위와 같은 메이플 캐릭터 슬롯 늘리기 특성 때문에 제대로 된 비교(매칭)가 불가능하다. 결국 엉뚱한 부위끼리 비교하게 되거나 같은 물체도 다른 물체로 인식해 잘못된 정보가 반영된 요약 메이플 캐릭터 슬롯 늘리기를 만들게 된다.
연구팀은 이 문제를 해결한 메이플 캐릭터 슬롯 늘리기 증류 기술을 개발했다. 순서가 제각각인 점 메이플 캐릭터 슬롯 늘리기의 의미 구조를 자동으로 정렬해주는 손실 함수(SADM)와 물체의 회전 각도를 AI가 스스로 최적화해 학습하도록 하는 방향 최적화(learnable rotation) 기법이 적용된 기술이다.
개발된 메이플 캐릭터 슬롯 늘리기 증류 기술은 원본 대비 수십 분의 1 수준으로 메이플 캐릭터 슬롯 늘리기를 줄여도 모델 정확도를 유지하는 것으로 확인됐다. 특히, 특정 메이플 캐릭터 슬롯 늘리기셋(ModelNet40)에서는 메이플 캐릭터 슬롯 늘리기를 원본 크기의 25분의 1로 줄인 요약 메이플 캐릭터 슬롯 늘리기로 학습해도 80.1%의 인식 정확도를 기록해, 전체 메이플 캐릭터 슬롯 늘리기로 학습했을 때의 87.8%와 큰 차이가 나지 않았다. 이는 높은 압축률에서도 학습 효율과 성능을 균형 있게 확보할 수 있음을 보여주는 결과다.
심재영 교수는 “이번 기술은 3D 점 메이플 캐릭터 슬롯 늘리기의 무질서한 구조와 회전 불확실성으로 인해 기존 기술들이 겪던 매칭 오류를 근본적으로 해결한 것”이라며 “자율주행, 드론, 로봇, 디지털 트윈 등 대규모 3D 메이플 캐릭터 슬롯 늘리기 활용이 필요한 분야에서 AI 학습 비용과 시간을 크게 줄이는 데 기여할 수 있을 것”이라고 말했다.
이번 연구 결과는 3대 AI 분야 권위 국제학회인 ‘신경정보처리시스템학회(NeurIPS) 2025’에 정식 논문으로 채택됐다.
연구수행은 과학기술정보통신부 한국연구재단, 정보통신기획평가원의 지원을 받아 이뤄졌다. 2025년 신경정보처리시스템학회는 12월 2일부터 7일까지 미국 샌디에이고에서 열린다. (논문명: Dataset Distillation of 3D Point Clouds via Distribution Matching)
최지호 기자 jhochoi51@irobotnews.com