TECHNOLOGY
- HOME
- TECHNOLOGY
- REAL-TIME AI
REAL-TIME AI
Why Real-time Denoising AI HW for GPU?
- 차세대 GPU는 실사급 그래픽을 위하여 Ray-Tracing을 넘어서 Path-Tracing 지원 필수
- 고화질의 path-tracing 이미지를 위해서 픽셀당 샘플링을 대규모(1,000번 이상) 수행이 요구됨
-
실시간 path-tracing을 위해서 픽셀당 샘플링 수를 대폭 줄여야 함
이로 인하여 noise가 매우 심해지기 때문에, AI 기반의 실시간 Denoising이 필수적임
Why Real-time Denoising(Dehazing) AI HW for Carmera?
- 카메라의 실사 영상에서는 기본적으로 noise가 존재하며, 날씨에 따라서 매우 심해질 수 있음
- 날씨에 따른 안개, 먼지 등의 노이즈 제거 기능은 인식률에 매우 중요함 (특히 자율주행)
Why Customized AI HW?
- 고해상도 영상의 실시간 AI 처리시 대규모의 연산량과 메모리 참조가 요구됨
-
Nvidia RTX GPU를 포함한 기존의 AI HW로는 실시간 처리가 불가능
Edge-Computing에 적합하면서 Denoising에 특화된 Customized AI HW IP가 필요
- Applications (고해상도 실시간 denoising 기술이 필요한 분야): CCTV, Automotive, Drone, Military, Medical image processing, Submarine, etc.
본사의 real-time denosing 반도체는 노이즈/안개/먼지 등을 실시간 제거하여 기존의 사물/상황인지용 AI 반도체로 전송하여 인식률을 향상
본사의 기술 (고해상도 real-time denoising을 위한 U-net 기반의 전용 AI 반도체)
- 고품질 영상 처리를 위한 Auto-encoder 기반의 U-net 신경망 구현: 인코딩 단계, 디코딩 단계, skip connection 단계를 모두 포함
- 내부 메모리를 활용하여 외부 메모리 참조를 최소화하는 초고효율의 반도체
U-net 신경망 모델의 특징
- 주요 응용 분야: 의료 영상 segmentation, denoising/dehazing, super-resolution
- Encoding 단계: 입력 이미지의 context 포착을 목적으로 하며 down-sampling
- Decoding 단계: 세밀한 localization을 목적으로 하며 up-sampling 수행
- Skip connection: 인코딩단계의 coarse 정보들을 디코딩 단계로 전송하여 이미지 복원 정확도 상승
영상 노이즈의 예 : Reference 이미지, 노이즈 이미지, 노이즈 제거 이미지
안개의 예1 : Reference 이미지, 안개 이미지, 안개 제거 이미지
안개의 예2 : Reference 이미지, 안개 이미지, 안개 제거 이미지
수중에서 노이즈 제거의 예 : 원본(왼쪽) 노이즈 제거(오른쪽)
