결과물 개요 II. 기술의 개념 및 내용 객체 간의 관계와 속성을 표현하는 장면 그래프를 이용한 시각적 상식 모델의 구축 기술과 확장 모델 - 자기지도 학습 모델이 시각적 상식을 학습하는 상대적 저비용 구축 알고리즘 연구 - Low level 시각정보 기반 의미와 High level 언어정보 기반 의미의 융합 및 표현 기술연구 * 본 내용은 신사임 센터장(☎ 031-739-7456, sishin@keti.re.kr)에게 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP의 공식적인 입장이 아님을 밝힙니다. ***정보통신기획평가원은 현재 개발 진행 및 완료 예정인 ICT R&D 성과 결과물을 과제 종료 이전에 공개하는 “ICT R&D 사 업화를 위한 기술예고”를 2014년부터 실시하고 있는 바, 본 칼럼에서는 이를 통해 공개한 결과물의 기술이전, 사업화 등 기술 활용도 제고를 위해 매주 1~2건의 관련 기술을 소개함 시각 상식 모델 구축 기술과 객체간 관계특성에 대한 장면 그래프 생성 및 확장 기술 Chapter 04 개발목표시기 2023. 12. 기술성숙도 (TRL) 개발 전 개발 후 3 5 결과물 형태 소프트웨어 코드 및 라이브러리 검증방법 전산 시뮬레이션 평가, 시스템 평가 Keywords 사전 학습 모델, 시각적 상식, 자기지도 학습 Pre-trained model, visual common sense, self-supervised learning 외부기술요소 100% 개발기술, Open Source 사용, MIT License 이용 권리성 특허, SW 주간기술동향 2022. 2. 16. 34 www.iitp.kr III. 국내외 기술 동향 및 경쟁력 1. 기술의 특성 및 성능 사람이 가지고 있는 능력인 물체 일부분을 보고 전체를 형상화하고 추론하는 기능을 인공 지능이 모사하여 시각적 상식을 구현하고, 구축한 시각적 상식을 다양한 시각지능 태스크 에 활용하여 범용화하는 인공지능 시각지능 기술 고도화 기법을 연구 - 영상에서 관찰되는 객체 정보는 가려짐, 뭉개짐, 파손됨 등으로 불완전하게 전달되는 경우가 많아, 원래 객체의 형상을 추출하고 복원할 수 있는 시각적 상식 구축이 필요 - 범용성 있는 시각적 상식으로 객체들 사이의 관계성 및 연관성 정보의 구축 한정된 작업을 위한 지도학습 기반의 패러다임이 아닌 저비용 혹은 원데이터(Raw data) 를 최대한 활용하여 광범위한 작업을 지원할 수 있는 자기지도 학습(Self-supervised learning) 기반 인공지능 시각지능 구축 및 활용 기술