사진. UNSIT

흐릿하고, 끊기는 영상을 또렷하고 매끄럽게 복원하는 인공지능 모델이 개발됐다.

울산과학기술원(이하 UNIST) 인공지능대학원 유재준 교수팀은 영상의 해상도와 프레임을 동시에 개선하는 AI 모델 ‘BF-STVSR(Bidirectional Flow-based Spatio-Temporal Video Super-Resolution)’를 개발했다고 24일(월) 밝혔다.

해상도와 프레임 수는 영상 품질을 결정짓는 요소다. 해상도가 높을수록 화면이 선명하고 디테일이 뚜렷해지며, 프레임 수가 많을수록 영상 속 움직임이 뚝뚝 끊기지 않고 매끄럽다.

기존 AI 영상 복원 기술은 해상도와 프레임을 따로 처리하고, 프레임 보강은 미리 학습된 옵티컬 플로우 예측 네트워크에 의존했다. 옵티컬 플로우는 사물의 이동 방향과 속도를 계산해 중간 장면을 생성하는 방식으로 연산이 복잡하고 오차가 쌓이기 쉬워 영상 복원 속도와 품질면에서 한계가 있다.

반면 ‘BF-STVSR’은 비디오 특성에 적합한 신호 처리 기법을 도입해, 외부 옵티컬 플로우 예측 네트워크에 의존하지 않고 프레임 간의 양방향 움직임을 스스로 학습한다. 이 흐름을 바탕으로 사물의 윤곽 등을 함께 추론함으로써 해상도와 프레임을 동시에 개선할 수 있다.

이 AI 모델을 저해상도·저프레임 영상에 적용한 결과, 기존 모델보다 PSNR, SSIM 등 품질 지표에서 더 우수한 성능을 기록했다. PSNR과 SSIM 수치가 높다는 것은, 움직임이 많은 영상에서도 인물의 외형이 깨지거나 왜곡되지 않고 자연스럽게 복원됐다는 의미다.

UNIST 유재준 교수는 “이번 기술은 저사양 장비로 촬영된 CCTV나 블랙박스 영상뿐 아니라, 전송 용량을 줄이기 위해 압축된 스트리밍 영상도 빠르게 고품질로 복원할 수 있어 미디어 콘텐츠 제작, 의료 영상 분석, VR 기술 등 분야에 전방위적으로 활용될 수 있을 것”이라고 설명했다.

이번 연구는 김은진 연구원이 제1저자로, 김현진 연구원이 공동 저자로 참여했으며, 컴퓨터 비전 분야 권위 학회인 2025 CVPR(Conference on Computer Vision and Pattern Recognition)에 채택됐다.