(¼¿ï=´º½º1) Àå¼ö¿µ ±âÀÚ = 17ÀÏ ¿ÀÀü ¼¿ï °³²±¸ ÄÚ¿¢½º¿¡¼ ¿¸° '¿ùµå IT¼î'¸¦ ãÀº °ü¶÷°´µéÀÌ LGÀüÀÚ TV Àü½Ã¸¦ »ìÆ캸°í ÀÖ´Ù. 2024.4.17/´º½º1 Copyright (C) ´º½º1. All rights reserved. ¹«´Ü ÀüÀç ¹× Àç¹èÆ÷, AIÇнÀ ÀÌ¿ë ±ÝÁö. /»çÁø=(¼¿ï=´º½º1) Àå¼ö¿µ ±âÀÚ |
ICLRÀº ±¸±Û ½ºÄ®¶ó(Google Scholar)°¡ ¹ßÇ¥ÇÏ´Â ¿£Áö´Ï¾î&ÄÄÇ»ÅÍ °úÇÐ ºÎ¹®ÀÇ '±Û·Î¹ú 3´ë AI Çмú´ëȸ'·Î ¸Å³â ¼±Á¤µÉ Á¤µµ·Î ±ÇÀ§°¡ ÀÖ´Ù. ICLRÀÇ ³í¹® äÅ÷üÀº ¾à 25%´Ù. ¿ÃÇØ Çà»ç´Â 5¿ù 7ÀÏ~11ÀÏ(ÇöÁö½Ã°£) ¿À½ºÆ®¸®¾Æ ºó Àü½Ã ¹× ȸÀǼ¾ÅÍ¿¡¼ ¿¸°´Ù.
LGÀüÀÚ´Â À̹ø Çмú´ëȸ¿¡¼ '°ø°£ ÀνķüÀ» ³ôÀÎ AI ±â¼ú(DiffMatch: Diffusion Model for Dense Matching)'À» °ø°³ÇÏ°í, ÀÌ ¿¬±¸ ³í¹®À¸·Î ±¸µÎ ¹ßÇ¥ ´ë»óÀÚ·Î ¼±Á¤µÆ´Ù. Çмú´ëȸ¿¡ Á¦ÃâµÈ ³í¹® Áß 1% À̳»¿¡ ÇØ´çÇÏ´Â ÃÖ»óÀ§ Æò°¡¸¦ ¹ÞÀº ¿¬±¸¿¡ ÇÑÇØ ±¸µÎ ¹ßÇ¥ ±âȸ°¡ ÁÖ¾îÁø´Ù.
ÀÌ¿Í ÇÔ²² °ø°³ÇÑ ¸ÞŸ¹ö½ºÀÇ ÇÙ½É ±â¼úÀÎ '2D À̹ÌÁö ±â¹Ý 3D °ø°£ ÀçÇö ±â¼ú(H2O-SDF Two-Phase Learning for 3D Indoor Reconstruction using Object Surface Fields)'µµ ICLR 2024¿¡¼ »óÀ§ 5% À̳» ³í¹®À¸·Î ¼±Á¤µÆ´Ù.
LGÀüÀÚ´Â "À̹ø ¿¬±¸ ¼º°ú´Â ¼±Çà ±â¼ú È®º¸ »Ó¸¸ ¾Æ´Ï¶ó, ·Îº¿, ¸ÞŸ¹ö½º, ½º¸¶Æ®È¨ µî¿¡ ½ÇÁ¦ Àû¿ë °¡´ÉÇÑ ¿¬±¸ ¼º°ú·Î¼ Àǹ̰¡ Å©´Ù"°í Æò°¡Çß´Ù.
'°ø°£ ÀνķüÀ» ³ôÀÌ´Â ±â¼ú'Àº AI ±â¼ú·Î¼ ·Îº¿ ºÐ¾ßÀÇ ÇÙ½É ±â¼úÀÎ '°ø°£ Àνķü'À» ³ôÀÏ ¼ö ÀÖ´Ù. »ç¶÷, µ¿¹° µîÀÌ ¿òÁ÷¿© À§Ä¡°¡ º¯Çϰųª Á¶¸íÀ¸·Î ¹à±â°¡ ´Þ¶óÁ®µµ ·Îº¿ÀÇ À§Ä¡¸¦ Á¤È®È÷ ÀνÄÇÏ°í ¿òÁ÷ÀÏ ¼ö ÀÖ´Â Áöµµ¸¦ »ý¼ºÇÑ´Ù. '2D À̹ÌÁö ±â¹Ý 3D °¡»ó °ø°£À» ÀçÇöÇÏ´Â ±â¼ú'Àº AI¸¦ ÅëÇØ º¹ÀâÇÑ ½Ç³» °ø°£°ú ¹°Ã¼ Ç¥¸éÀÇ µðÅ×ÀϱîÁö 3D °¡»ó °ø°£À¸·Î ÀçÇöÇØ ´õ¿í ½Ç°¨³ª°Ô Ç¥ÇöÇÑ´Ù.
±èº´ÈÆ LGÀüÀÚ CTO(ÃÖ°í±â¼úÃ¥ÀÓÀÚ) ºÎ»çÀåÀº "¼¼°èÀûÀ¸·Î ÀÎÁ¤ ¹ÞÀº LGÀüÀÚÀÇ AI ±â¼ú ¿ª·®À» Á¦Ç°°ú ¼ºñ½º¿¡ Àû¿ëÇØ ½Ç»ýÈ°ºÎÅÍ ¹Ì·¡ °¡»ó °ø°£¿¡ À̸£±â±îÁö ´Ù¾çÇÑ ¿µ¿ª¿¡¼ °í°´ÀÇ »îÀ» ´õ¿í Æí¸®ÇÏ°í Áñ°Ì°Ô ¸¸µé¾î ³ª°¥ °Í"À̶ó°í ¹àÇû´Ù.
ÇÑÆí, LGÀüÀÚ´Â Çмú´ëȸ ±â°£ Áß ±Û·Î¹ú AI ¿ì¼ö ÀÎÀç È®º¸¿¡µµ ³ª¼±´Ù. Çмú´ëȸ Âü°¡ ¼®¡¤¹Ú»ç ÇлýµéÀ» ´ë»óÀ¸·Î LGÀüÀÚÀÇ ÃֽŠAI ±â¼ú ÇöȲ °øÀ¯ ¹× ä¿ë »ó´ã µîÀ» ÁøÇàÇÑ´Ù. Áö³ÇØ¿¡µµ ±Û·Î¹ú AI Çмú´ëȸ¿¡¼ ä¿ë È°µ¿À» ÅëÇØ ¿ª·® ÀÖ´Â AI ¿¬±¸ÀÚµéÀ» ¿µÀÔÇÑ ¹Ù ÀÖ´Ù.