ㆍ전체 인력 영상을 고해상도로 복원하기 위해 발생하는 데이터량을 감소시키고 현실감 있는 고해상도 영상으로 복원이 가능한 기술

ㆍ입력 영상에 객체와 배경 등에 왜곡이 발생 → 고해상도 영상 획득의 한계
- (기존 복원 기술) 미리 다수의 저해상도 영상을 트레이닝하여 각 영상 패치마다 이미 저장되어 있는 고해상도-저해상도 패치 쌍을 이용하여 고해상도로 복원하는 번거로움 발생
- 배율이 높아질수록 일그러짐이나 흐림 현상 등 발생
- 의미 없는 배경부분에도 트레이닝 과정을 수행함으로써 데이터량이 증가하여 성능이 약화

ㆍ객체 왜곡 및 흐트러짐을 방지하여 객체를 선명하게 표시 → 중요 정보를 용이하게 식별 가능
- 기 저장된 트레이닝 매트릭스를 적용하여 초해상도 객체 영상으로 복원 → 일그러짐 및 흐려짐 없는 고해상도 영상으로 복원 가능
- AdaBoost* 방법을 적용 → 빠른 성능으로 비교적 높은 정확도로 얼굴 검출 가능 (*AdaBoost: 다수개의 약한 분류기를 결합함으로써 정확도가 높은 강한 분류기를 찾는 부스팅 알고리즘 중 대표적인 알고리즘)
- 객체 형상만을 복원하여 고해상도로 복원하기 위해 발생하는 데이터 량을 감소

ㆍ감시카메라(얼굴 인식), 의료영상(특이점 검출 및 진단), 미디어 산업(영화, 모바일 등 영상 전송 및 복원) 분야에 활용

ㆍ(세계 이미지 인식 시장) 347억 1,000만 달러 (’22) → 807억 1,000만 달러 (’28) 규모 증가 예상 (CAGR 15.1%)
- CCTV, MRI, 군사, 우주 등 광범위한 분야에서 영상 정보의 질을 높이기 위한 경쟁력 있는 기술 확보가 요구

ㆍ(세계 의료용 영상 시장) 317억 1,000만 달러(’22) → 428억 7,000만 달러 (’28) 규모 증가 예상 (CAGR 4.9%)
- 만성 질환 감지 및 진단, 일부 장기 또는 조직의 기능을 시각적으로 표현하는데 기술이 활용