딥러닝 기반 초고화질 이미지 통신 시스템 SING 등장: 극한 조건에서도 빛나는 기술

Chen 박사 연구팀이 개발한 SING는 딥러닝 기반의 새로운 이미지 통신 시스템으로, 기존 방식의 한계를 극복하고 극한 조건에서도 고품질 이미지 전송을 가능하게 합니다. 역문제 해결과 확산 모델 통합을 통해 주관적 화질을 크게 향상시켰으며, 다양한 분야에 혁신적인 변화를 가져올 것으로 기대됩니다.

최근 무선 이미지 전송 분야에서 딥러닝 기반의 공동 소스-채널 코딩 시스템(DeepJSCC)이 놀라운 성능을 보여주고 있습니다. 하지만 기존 DeepJSCC 방식은 수신측에서 복원된 이미지와 전송된 원본 이미지 간의 왜곡을 최소화하는 데 집중하여, 실제 사람이 느끼는 주관적인 화질에는 소홀한 경향이 있었습니다. 특히 낮은 대역폭 압축률(BCR)이나 낮은 신호대잡음비(SNR)와 같은 극한 조건에서는 심각한 화질 저하가 발생할 수 있다는 한계가 있었습니다.

이러한 문제를 해결하기 위해, Chen 박사 연구팀(Jiakang Chen, Selim F. Yilmaz, Di You, Pier Luigi Dragotti, Deniz Gündüz)은 혁신적인 두 단계 JSCC 프레임워크인 SING (Semantic Image Communications using Null-Space and INN-Guided Diffusion Models) 을 개발했습니다. SING은 손상된 이미지 복원을 역문제로 공식화하여 고품질 원본 이미지를 복구하는 데 초점을 맞추고 있습니다.

SING의 핵심은 DeepJSCC 인코더/디코더 및 채널 정보의 가용성에 따라, 확률적 손상을 선형 변환으로 근사하거나, 가역 신경망(INNs)을 활용하여 정확하게 모델링하는 것입니다. 두 가지 접근 방식 모두 확산 모델을 복원 프로세스에 통합하여 주관적인 화질을 향상시킵니다. 실험 결과, SING은 기존 DeepJSCC 및 다른 접근 방식을 능가하며, 훈련 및 테스트 데이터 간의 분포 불일치가 심한 상황을 포함한 매우 어려운 조건에서도 우수한 주관적 화질을 제공하는 것으로 나타났습니다.

SING의 등장은 극한 환경에서도 고품질 이미지 전송을 가능하게 하는 획기적인 기술로 평가됩니다. 이는 저대역폭 통신, 위성 통신, 의료 영상 전송 등 다양한 분야에 혁신적인 변화를 가져올 것으로 기대됩니다. 하지만, 향후 연구에서는 실제 응용 환경에 대한 추가적인 검증과 더욱 효율적인 알고리즘 개발이 필요할 것으로 예상됩니다.