광학적 산란은 빛이 불균일한 매질을 통과하며 경로가 무작위로 변화하는 현상으로, 수중 영상이나 형광현미경 영상 등이 조건에서 발생한다.
산란매질은 빛의 경로를 무질서하게 섞어 시각정보를 왜곡하는 물질로, 안개, 연기, 불투명유리, 피부조직 등이 대표적이다.
유리창에 맺힌 물방울 때문에 밖의 물체의 선명하게 볼 수 없는 것도 이 때문이다.
AI로 흐릿한 영상 선명하게 복원
KAIST가 안개 속 모습처럼 흐리거나 손상된 영상을 또렷하게 복원하는 ‘비디오 디퓨전 기반 영상 복원 기술’을 세계 최초로 개발했다.
이 기술은 다양한 손상에 적용될 수 있어 향후 의료·방산·로봇 비전 분야에서 획기적 전환점이 될 전망이다.
이를 활용하면 생체조직 같은 고산란 환경에서 정밀한 영상을 구현해 혈액이나 피부 속을 들여다보는 비침습적 의료진단이 가능하다. 또 화재로 인한 연기 너머를 보고 인명을 구조하거나 벽에서 반사된 빛으로 영상을 복원하는 비시선 영상기술, 안개 낀 도로에서의 안전운전 보조, 불투명 유리나 플라스틱 내부의 산업 검사, 흐린 물속 시야 확보 등 일상과 산업 전반에 활용될 수 있다.
KAIST 바이오및뇌공학과 장무석 교수와 김재철AI대학원 예종철 교수 공동 연구팀은 움직이는 산란 매질 너머 숨겨진 영상을 복원할 수 있는 ‘비디오 디퓨전 기반 영상복원 기술’을 개발했다.
실제 환경에서 관측되는 산란매질은 정확히 모델링하기 어렵고, 산란층의 두께나 시간적 변화에 따라 복원 정확도가 급격히 떨어지는 문제가 있다.
공동연구팀이 개발한 기술은 시간축 정보 정합성을 활용해 흐릿하거나 손상된 영상을 디퓨전 모델로 되살리는 게 핵심이다.
이를 위해 공동연구팀은 동적 산란매질을 통과한 영상을 고해상도로 복원하기 위한 새로운 영상 역문제 해법인 VDPS를 제안했다.
VDPS는 공간-시간 확률 모델링이 가능한 비디오 디퓨전 모델을 활용, 각 프레임 간의 상관관계를 학습하고 이를 통해 산란으로 손실된 고주파 정보를 효과적으로 복원한다.
이는 기존 인공지능 복원 기술이 훈련된 데이터 범위에서만 성능을 내는 한계를 극복하기 위한 것으로, 광학 모델과 비디오 디퓨전 모델을 결합한 새로운 복원 방식이다.
바람에 흔들리는 커튼 너무 풍경처럼 시간에 따라 산란 환경이 변하는 경우도 안정적으로 복원할 수 있도록 연속된 영상의 시간적 상관관계를 학습한 디퓨전 모델을 도입해 다양한 거리·두께·잡음 조건에서 기존 최고성능 복원 모델을 뛰어넘었다.
특히 디퓨전 기반 복원기술 중 최초로 시간 상관관계를 반영해 움직이는 산란매질 너머에서 정자의 움직임 패턴을 관찰하는 데 성공했다.
또 별도 추가학습 없이도 안개 제거, 영상 고행상도 프레임 생성, 흐린 영상 선명화 등으로 영상을 복원하는 최적화 기법을 도입, 범용 복원 프레임워크로 확장될 가능성을 입증했다.
권태성 KAIST 바이오및뇌공학과 연구원은 “이번 연구는 시간 상관관계를 학습해 높은 복원 정밀도와 시간적 일관성을 동시에 달성하는 영상 복원기술로, 기존 이미지 기반 접근법의 한계를 극복했다”며 “이를 통해 생물학, 의학은 물론 산업현장과 일반영상 복원 등에 다양한 활용이 기대된다”고 설명했다.
한편, 이번 연구는 KAIST 바이오및뇌공학과 권태성·송국호 박사과정이 공동 제1저자로 참여했고, 연구결과는 지난 13일 국제학술지 ‘IEEE Transactions on Pattern Analysis and Machine Intelligence(TPAMI)’ 게재됐다.
(논문명: Video Diffusion Posterior Sampling for Seeing Beyond Dynamic Scattering Layers ※DOI: 10.1109/TPAMI.2025.3598457)
