연구 과제 타이틀을 OPEN 하면 세부 페이지를 볼 수 있어요.
Search
no
연구 과제
세부 설명
분야
1
■ 연구 내용 · 서비스 로봇이나 Digital Signage 등에 적용 가능한 2D/3D 카메라 기반의 실시간 영상 처리 응용 기술 개발 (예시) 얼굴 감지, people tracking/count, gesture 인식, hand tracking, 실시간 영상에 대한 특수효과 적용 등 ■ 연구 목적 · Open Source 혹은 3rd Party SDK/library, 상용/외장 카메라 장비 등을 활용한 영상 처리 응용 기술의 prototype 개발 및 로봇 적용 가능성 테스트 → CPU & 메모리 점유율, 처리/반응 시간 등의 구체적 지표화 예정 (한정된 spec.의 로봇 H/W에 적용하기 위함) ■ 활용 계획 · 서비스 로봇의 핵심기능/흥미요소 구현을 위한 선행기술 확보 차원에서 활용 예정 · 개발된 핵심 내용은 당사 로봇 제품에 실제 적용 검토 (방역로봇, 서빙로봇 등) → 최종 산출물은 기존 로봇 제품에 적용할 수 있게 API 형태의 release가 목표 ■ 관련 경험/역량 · Intel RealSense, Azure Kinect DK 등의 depth sensing camera 및 관련 library 등을 활용한 실시간 영상처리 응용프로그램 개발 가능한 역량/경험 (C#, Python 추천)
머신러닝
Computer Vision
2
🔍
지능형 Data 검색 엔진 개발
Open
■ 연구 내용 · 자연어 처리 기술을 활용한 지능형 검색기 개발(특정 NLP 모형으로 한정하지 않음) · 사용자 의도 파악 및 의도에 최적한 검색 쿼리 생성 모델/Application 개발 · Application 유형 제한 없음 예) 서울 대치동 인근과 을지로 인근 최근 3일간 무선 품질 수준 비교분석 → 결과 : [4월 14일 기준] 4/14: (내용), 4/13: (내용), 4/12: (내용) ■ 연구 목적 · Data Warehouse에서 적시에, 필요한 data만 정확히 획득하는 정보 검색 기능 구현 · 통신 data 바탕으로 고객이 경험하는 통신 품질 개선 ■ 활용 계획 · SKT 내부 통신 데이터 분석 서비스에 적용 ■ 관련 경험/역량 · 딥러닝 기반 자연어 처리 모형 구현 경험 / 검색기 경험
머신러닝
자연어처리
3
🦄
GAN으로 생성된 거짓 영상 판별 기술 개발
Open
■ 연구 내용 · 딥러닝 기술을 기반으로 거짓 합성 영상을 판별하는 기술 개발 예) Deep Fake 등의 GAN 기술로 생성된 거짓 얼굴 영상 판별 ■ 연구 목적 · GAN등의 기술로 생성된 거짓 합성영상을 판별하는 딥러닝 모델 기술을 개발 · SOTA(State of the art) 기술을 반영하여 개발 · 영상 기반 서비스에서 활용 가능한 End-to-End 기술로 개발 ■ 활용 계획 · NUGU facecan 등의 얼굴 인식 서비스나 다양한 영상기반의 서비스 시나리오에서 보안을 강화하는 기술로 활용 ■ 관련 경험/역량 · 딥러닝 기반의 영상 분석 기술 개발 역량 (필수) · GAN을 활용한 영상 생성이나 합성영상 판별 기술 개발 경험 (우대)
머신러닝
딥러닝
Computer Vision
4
🚨
Smart Factory 서비스를 위한 진동/압력/온도 센서의 Anomaly Detection 개발
Open
■ 연구 내용 · NASA Bearing dataset의 진동(가속도) 센서(2개 진동센서 X 4개 베어링)로부터 수집된 시계열 data 기반으로 이상 탐지 (Anomaly Detection) 모델 개발 · 이상 탐지 모델의 구현 시, 데이터 전처리 작업은 FFT 또는 Wavelet 둘 중 하나로 수행을 권장 · 이상 탐지 모델의 구현 알고리즘은 지도 학습 또는 비지도 학습의 선택이 가능하나, 최소 2개 모델의 개발 및 테스트 후 결과 비교를 권장 (예를 들어, 비지도 학습 모델 2가지로 개발 후, 결과 특성을 비교) · NASA Bearing dataset으로 모델의 최적화 및 검증 후, 필요에 따라 2차 데이터 세트 NASA Turbofan Engine dataset으로 추가 테스트 및 검증 가능. 즉, 터보 팬 엔진에 부착된 진동(가속도), 압력, 온도 등 21개 센서로부터 수집된 시계열 data 기반으로 이상치 탐지(Anomaly Detection) 모델 테스트 및 검증 ■ 연구 목적 · Smart Factory(Data기반 지능형 공장)의 핵심은 예지 정비 (Predictive Maintenance) 솔루션/서비스 · 예지 정비는 공장내 설비 (모터, 펌프, 컴프레셔, 로봇 등) Data를 수집하고, 통계 분석, AI 분석을 통해 설비의 고장 (Failure) 이전에 이상치 탐지 (Anomaly Detection) 및 알람을 제공하여 정비 계획을 사전 수립하고 예기치 못한 Downtime을 예방함 · 따라서, 이 연구는 이상 탐지 모델의 성능 강화를 주목적으로 함 ■ 활용 계획 · 연구 결과를 SKT GrandView 서비스의 모델을 강화하는 기술로 활용 · (참고) SKT 'Metatron GrandView'서비스 ■ 관련 경험/역량 · 머신러닝, 딥러닝 모델 학습 경험 / Python Programming
머신러닝
디지털 신호처리
5
5GX MEC 기반 Vision AI 응용 모델 개발
Open
■ 연구 내용 · SKT 5G MEC (Mobile Edge Cloud) + Vision AI를 활용한 재미있는 응용 모델 개발 · AI workload를 5G 단말이 아닌 MEC 서버로 off-loading하여 저지연 영상 처리 use-case 개발 ■ 연구 목적 · SKT가 보유한 MEC 서버의 GPU 연산 자원과 영상 전송용 5G 단말을 활용한 client-server 방식의 참신한 AI 기반 영상 처리 서비스 모델 개발 (예시) Obj. classifier/detector를 활용한 인형 뽑기, bottle 자동 분류 모델, face expression/gender/age recognition 기반 맞춤형 광고 등 ■ 활용 영역 · SKT의 MEC 활용 포트폴리오에 추가하여 해당 서비스를 원하는 업체와 연계 · SKT 기술 전시관(Tech gallery) 전시 ■ 관련 경험/역량 · Docker container, AI framework (pytorch, tensorflow, caffe, darknet), REST/gRPC, coding (C/python), linux 활용
머신러닝
Computer Vision
MEC
6
🃏
Self-supervised Learning on Billion Unlabeled Image Data 및 Full Stack Product
Open
■ 연구 내용 · Self-supervised Learning 분야의 SOTA(State-Of-The-Art) 기술 활용 및 검증 ■ 연구 목적 · Large Scale (over 1 billion images) 이미지 데이터 기반 Self-supervised Learning 기술의 가능성 및 효용성 검증 · SKT Vision AI Vertical Full Stack 기반 상용 적용 개발(Service Offering) ■ 활용 영역 · 사람의 참여가 어렵고(Highly Secure), 사람이 개입 시 효율성이 극명하게 떨어지는(Billion-scale Unlabeled Data) Computer Vision 응용 기술 분야(object detection/classification 등)에 적용 ■ 관련 경험/역량 · Computer Vision Application 개발 경험 / 딥러닝 모델 학습 경험 / Python Programming
머신러닝
딥러닝
Computer Vision
7
👀
AI 기반 카메라 위치 추정 및 광고판/간판 검출 기술 연구
Open
■ 연구 내용 · 스마트폰 카메라 이미지를 이용하여 카메라 위치/방향을 추정하고, 광고판/간판을 검출하는 기술 연구 1) 3차원 영상 특징점 맵(사전 제공)에서 입력 이미지에 대한 카메라 위치/방향을 추정하기 위한 end-to-end 딥러닝 학습 기반 추론 모델 구현 2) 실내/외 사진에서 광고판/간판에 해당하는 영역을 바로 instance segmentation 하거나, detection 기법을 이용하여 광고판/간판 프레임의 위치와 모양을 (polygon의 좌표) 결과로 얻는 딥러닝 추론 모델 구현 ■ 활용 영역 · 물체에 대한 3D 모델 생성 · 실내 로봇(로봇청소기, 서비스 로봇, 자율주행 자동차, 드론 등) 자율 주행 · 실내 보행자 길 안내 · AR의 Smart glass 위치의 실시간 추정 ■ 관련 경험/역량 · 이미지 기반 딥러닝 모델 구현 경험
머신러닝
딥러닝
Computer Vision
8
💬
KoBERT/KoGPT/KoBART 기반 언어처리 Application 개발
Open
■ 연구 내용 · SKT 에서 공개한 한국어 Pre-trained LM(KoBERT, KoGPT2, KoBART)를 응용한 다양한 한국어 NLP 모델 및 APP 개발 ■ 연구 목적 · 사전 학습된 한국어 언어 모델 기반 자연어 처리 APP 개발 · KoBERT/KoGPT/KoBART 기반의 APP 생태계 확장 ■ 활용 영역 · AI Ethics(혐오 표현 검출), Green AI(모델 경량화, 효율적 학습), Intelligent inferface(질의응답, 대화, 요약 등) 등 ■ 관련 경험/역량 · 딥러닝 기반의 자연어 처리 경험, 최신 자연어 처리 연구/개발 동향 이해
머신러닝
자연어처리
9
📦
Kinect 데이터 기반 스마트 물류 자동인식 기술 개발
Open
■ 연구 목적 · 물류 창고에 적재된 무거운 상자를 사람이 아닌 로봇을 통해 옮기기 위해 Azure Kinect 영상 데이터를 활용한 물류 상자 자동 인식 ■ 연구 내용 · 아래 주제 중 일부 선정하여 연구 1) Weakly Supervised Learning(WSL)* 기반의 Instance Segmentation 모델 개발 구현 *WSL: 정보가 적고 생산이 쉬운 annotation을 학습하여 더 복잡한 task를 수행하도록 하는 학습 방법 (예: bounding box를 학습한 모델로 segmentation 수행) 2) Few Shot Learning(FSL)* 기반의 Object Detection 모델 개발 연구 구현 *FSL: 기존 학습 데이터에 포함되지 않은 새로운 class에 대해서 매우 적은 양의 Data를 추가 학습하여 새로운 class를 인식하게 하는 학습 방법 3) Point cloud 데이터 기반의 3D Instance Segmentation 모델 개발 구현 ■ 연구 활용 · 영상의 물류 상자 인식 결과를 스마트 물류 로보틱스 플랫폼에 연동하여 로봇 제어에 활용 ■ 관련 경험/역량 · OpenCV library 및 Pytorch/Tensorflow 기반 object detection model 개발 경험, RGB+Depth 영상 분석 경험
머신러닝
딥러닝
Computer Vision
10
🙂
Multi-modal 감정 인식 AI 모델 개발
Open
■ 연구 내용 1) 스마트폰(Voice/Text)과 스마트워치(ECG, 가속도 센서 등) 센서 데이터를 이용한 감정 인식 2) 오디오에서 언어적 감정 feature(Text), 2차 특징(음색/톤 등) 감정 feature(Voice) 추출 3) 스마트워치의 ECG의 맥박 정보 혹은 Acceleration 에서 감정 feature 추출 4) 이를 적당하게 잘 Fusion하여 관심 감정 (예: Stressed, Depressed, Happy, Relaxed)을 정확하게 인식하는 인식 정확도 고도화를 목적으로 함 ■ 연구 목적 1) Multi-modal 센서 데이터로 부터 감정 인식 정확도 고도화가 목적 2) 1차 Benchmark Dataset에서 테스트 (한국어 감정 데이터, IEMOCAP, Naver 영화 리뷰 데이터 셋 등) 3) 2차 진행하면서 관련 Challenge 참가 진행 여부 결정 4) 성능에 도움이 되는 센서 데이터만 선택적으로 활용 가능 ■ 연구 활용 · 성능(인식 정확도/실 시간성) 확보 시, 디지털 치료제, 명상 앱 등으로 SKT 사내 앱 활용 예정 ■ 관련 경험/역량 · Speech 또는 Text 또는 Wearable 데이터 처리 경험 · 감정 인식 AI 연구 경험
딥러닝
자연어처리
디지털 신호처리
머신러닝
시계열 데이터
11
🐉
AI 기반 고 디지털 미디어 복원 기술 개발
Open
■ 연구 내용 · 오래된 영상물의 화질 개선을 위한 딥러닝 네트워크 모델 분석, 연구, 개발 등 · Old Image 화질 복원 with AI Tech. · Old Monochrome (흑백) Image Colorization with AI Tech. ■ 연구 목적 · 정부산하기관, 한국영상자료원 등에 화질 수준이 매우 열악한 디지털 영상 자료들이 많이 보관되어 있으며, AI 기술을 통해 이러한 자료들을 복원하는 것은 사회적/경제적 가치 측면에서 매우 의미 있는 일임 · SKT 슈퍼노바개발팀은 이러한 일을 다양한 외부 기관과 진행 중에 있으며, 참신한 기술 아이디어를 상용화하려 함 ■ 연구 활용 · 최신 영상 복원 네트워크 모델 분석 및 새로운 모델 개발에 활용 · 80년대 사진, 비디오 등의 디지털 영상물 화질 개선 ■ 관련 경험/역량 · 이미지&비디오 등 영상물에 대한 딥러닝 처리 경험 / 딥러닝 네트워크 모델 분석&개발 역량
머신러닝
딥러닝
Computer Vision