인하대학교가 확산모델 기반 이미지 복원 인공지능 기술을 개발했다. 계산 효율을 높여 다양한 복원 문제에 적용할 수 있는 방식이다.

인하대는 전기컴퓨터공학과 임홍기 교수 연구팀이 이미지 복원 기술 ‘FAST-DIPS’를 개발했다고 밝혔다.

해당 기술은 손상되거나 일부 정보만 있는 이미지에서 원본을 복원하는 역문제를 빠르고 안정적으로 해결하는 데 초점을 맞췄다.

이미지 복원 역문제는 초해상도, 인페인팅, 블러 제거, 위상 복원, 고명암비(HDR) 복원 등 다양한 분야에서 활용되는 핵심 기술이다. 기존 확산모델 방식은 문제 복잡도가 높아질수록 반복 계산과 최적화 과정이 필요해 연산 비용이 증가하는 한계가 있었다.

연구팀이 제안한 FAST-DIPS는 측정값과의 일치 조건을 유지하면서 해석적으로 계산된 스텝 크기를 적용해 적은 연산으로 복원을 수행하는 구조다. 별도 재학습 없이 선형·비선형 문제에 적용 가능하며, 복잡한 수반 연산자나 의사 역행렬 설계 없이 구현할 수 있다.

또 픽셀 공간과 잠재 공간을 결합한 방식도 도입했다. 초기 단계는 픽셀 공간에서 빠르게 처리하고 이후 잠재 공간으로 전환해 복원 품질과 연산 효율을 동시에 개선했다.

인하대학교는 이번 기술이 이미지 복원 분야에서 계산 효율성과 적용 범위를 동시에 확장한 사례라고 설명했다. 향후 다양한 컴퓨터 비전과 과학기술 분야에 활용될 것으로 기대된다.

이번 연구는 김민우 박사과정, 신승혁 석·박사 통합과정 학생이 공동 제1저자로 참여한 논문으로 발표됐다.

논문은 인공지능 분야 국제학술대회 ‘ICLR 2026’에 채택됐으며, 연구팀은 4월 브라질 리우데자네이루에서 연구 결과를 발표할 예정이다.