국내 연구진이 인공지능의 시각 인지 능력을 획기적으로 개선하면서도 연산 자원 소모는 대폭 줄인 혁신적인 기술을 선보였다. KAIST 김창익 교수팀은 미국 MIT 및 마이크로소프트 연구진과 협력하여 저해상도 영상을 고해상도로 정밀 복원하는 '업샘플 애니띵' 알고리즘을 공개했다. 이 기술은 인공지능이 주변 환경을 인식할 때 발생하는 데이터 손실 문제를 해결하는 동시에, 그래픽처리장치(GPU)의 메모리 사용 효율을 기존 대비 최대 16배까지 끌어올리는 데 성공했다.

 

기존의 자율주행이나 로봇 시스템은 실시간 처리 속도를 확보하기 위해 입력 영상을 압축된 저해상도 정보로 변환해 사용해 왔다. 이 과정에서 미세한 결함이나 얇은 구조물 등 중요한 시각 데이터가 사라지는 고질적인 문제가 발생했다. 그렇다고 모든 데이터를 고해상도로 처리하기에는 막대한 메모리와 연산 자원이 투입되어야 하므로 스마트폰이나 소형 로봇 같은 온디바이스 환경에서는 구현이 불가능에 가까웠다.

 

연구팀이 개발한 업샘플 애니띵은 이미지의 경계선과 구조적 특징을 지능적으로 활용해 저해상도 정보를 고해상도로 즉각 복원해낸다. 가장 큰 강점은 범용성이다. 기존 기술들이 새로운 환경에 적응하기 위해 방대한 재학습 과정을 거쳐야 했던 것과 달리, 이 알고리즘은 단 한 장의 입력 이미지만으로도 추가 학습 없이 최적의 복원 결과를 도출한다. 이는 복잡하고 변화무쌍한 실제 환경에서 로봇이 즉각적으로 정밀한 판단을 내릴 수 있게 돕는다.

 

실제 성능 검증 결과, 연구팀은 일반적인 AI 연구용 이미지를 단 0.4초 만에 원본 수준으로 복원해내는 성과를 거뒀다. 핵심 정보만을 압축하여 활용하면서도 시각적 정밀도를 유지함으로써 GPU 메모리 점유율을 획기적으로 낮춘 것이다. 이러한 효율성은 고성능 서버 없이도 기기 자체에서 AI 연산을 수행해야 하는 온디바이스 AI 분야에서 게임 체인저가 될 것으로 보이며, 특히 기동성이 생명인 휴머노이드 로봇의 눈 역할을 수행하기에 최적화되어 있다.

 

이번 연구 성과는 세계적 권위의 학회인 'CVPR 2026'에서 그 가치를 공인받았다. 전체 논문 중 1위에 해당하는 '컴퓨트 골드 스타'를 수상한 것은 물론, 연구의 투명성과 재현 가능성을 인정받아 '트랜스패런시 챔피언' 타이틀까지 거머쥐었다. 학계에서는 제한된 연산 자원이라는 물리적 한계를 알고리즘 혁신으로 극복했다는 점에서 인공지능 상용화의 문턱을 크게 낮춘 연구로 평가하고 있다.

 

KAIST 연구팀은 이번 기술이 스마트폰과 자율주행차, 그리고 인간형 로봇 등 다양한 차세대 산업 분야에 즉시 적용될 수 있을 것으로 내다보고 있다. 적은 자원으로도 고정밀 인지가 가능해짐에 따라 AI 기기의 배터리 효율 개선과 하드웨어 비용 절감 효과도 기대된다. 연구팀은 향후 업샘플 애니띵 알고리즘을 더욱 고도화하여 실시간 물리 환경을 예측하는 세계모델 기반 AI의 완성도를 높이는 데 주력할 방침이다.