feat: 250519-1 project upload

site/_projects/2025-05-19-IP-ReVersion-paper.md

@@ -0,0 +1,49 @@
+---
+title: IP-ReVersion: 이미지-텍스트 교차양식 적응 기반 관계 개념 학습 개선
+subtitle: Generative AI, Multimodal Learning
+summary: "IP-Adapter와 ReVersion을 융합한 관계 개념 중심 멀티모달 생성 모델, 멀티미디어학회논문지(KMMS) 게재"
+tools: 1. IP-Adapter, 2. ReVersion, 3. Stable Diffusion, 4. Cross-Modal Learning
+date: 2025-05-19 16:07:11 +0300
+image: "/assets/images/projects/project-IP-ReVersion.png"
+---
+
+## 📰 텍스트와 이미지를 함께 이해하는 AI, 관계 개념도 정교하게 학습한다  
+> 제주한라대학교 문재현, 멀티미디어학회논문지(KMMS) 2025년 4월호 논문 게재
+
+이미지를 생성하는 인공지능은 이제 텍스트만 이해하는 것으로는 부족하다.  
+"소년이 강아지를 안고 있다"와 "강아지가 소년 위에 앉아 있다"는 단어는 거의 같지만, 완전히 다른 장면을 요구한다.  
+이처럼 **텍스트와 이미지 사이의 ‘관계 개념’을 어떻게 정확히 파악하고 반영할 것인가**는 멀티모달 생성 모델이 직면한 중요한 문제다.
+
+제주한라대학교 인공지능공학과 문재현 학생연구원은 이러한 관계 개념 학습의 한계를 해결하기 위해 **IP-ReVersion**이라는 새로운 모델을 제안했고, 이 연구는 『멀티미디어학회논문지(KMMS)』 2025년 4월호에 논문으로 게재되었다.  
+논문 제목은 *「IP-ReVersion: 이미지-텍스트 교차양식 적응을 통한 관계 개념 학습 개선 기법」*이다.
+
+기존의 ReVersion은 Stable Diffusion 기반의 멀티모달 생성 구조로, 텍스트를 이미지로 바꾸는 데는 탁월했지만, 이미지와 텍스트 간 **상호관계 구조(관계성 개념)**를 학습하는 데에는 한계가 있었다.  
+IP-ReVersion은 여기에 **IP-Adapter**를 통합해, 이미지와 텍스트 양쪽에서 동시에 관계를 학습할 수 있는 **교차양식 적응(Cross-Modal Adaptation)** 구조를 구성했다.
+
+이 방식은 텍스트 임베딩과 이미지 피처를 개별 처리하지 않고, 중첩된 의미와 관계를 함께 통합한 표현 공간에서 학습을 수행한다.  
+이를 통해 기존 모델이 처리하지 못하던 **상대적 위치, 객체 간 상호작용, 맥락에 따른 의미 변화** 등을 반영할 수 있다.  
+실제로 IP-ReVersion은 관계 기반 이미지 생성 테스트에서 원본 캡션의 관계적 의미를 더 정확하게 시각화했으며, 사용자 평가와 관계 정합성 평가에서 유의미한 향상을 보였다.
+
+문재현 연구원은 “단순히 ‘사람’과 ‘사과’라는 단어를 이해하는 것과, ‘사람이 사과를 던진다’는 장면을 정확히 그리는 건 전혀 다른 문제”라며,  
+“IP-ReVersion은 이러한 **행동적·위치적 관계 개념을 모델이 실제로 배울 수 있도록 구조를 근본적으로 재설계한 시도**”라고 밝혔다.  
+또한 “이 연구는 **교육부와 한국연구재단이 주관한 ‘첨단분야 혁신융합대학 지원사업’(Convergence and Open Sharing System)**의 지원으로 이뤄졌으며, 실제 실험 인프라와 멀티모달 학습 환경을 구축할 수 있었던 것이 큰 도움이 되었다”고 말했다.
+
+본 논문은 제주한라대학교 장나겸, 최홍원 학생연구원과 김성진 교수가 공동저자로 참여하였으며, 관계 중심 생성 모델에 특화된 후속 실험도 이어질 예정이다.
+
+---
+
+### 📑 논문 정보
+
+- **논문 제목**: IP-ReVersion: 이미지-텍스트 교차양식 적응을 통한 관계 개념 학습 개선 기법  
+- **영문 제목**: IP-ReVersion: Cross-Modal Adaptation of Image-Text for Enhanced Relational Concept Learning  
+- **게재지**: 멀티미디어학회논문지 (KMMS) | Vol.28 No.4 | 2025년 4월 | pp.569–578  
+- **저자**: 문재현, 장나겸, 최홍원, 김성진 (제주한라대학교)  
+- **지원**:  
+  *Following are results of a study on the “Convergence and Open Sharing System” Project, supported by the Ministry of Education and National Research Foundation of Korea.*
+
+---
+
+### ✍️ 작성자 정보
+
+- **작성자**: 제주한라대학교 인공지능공학과 학생연구원 22학번 이규범  
+- **연락처**: [[email protected]](mailto:[email protected])

site/_projects/2025-05-19-LQE-net-paper.md

@@ -0,0 +1,52 @@
+---
+title: LQE-Net: 저조도 및 저화질 CCTV 영상 개선을 위한 하이브리드 딥 네트워크
+subtitle: AI, CCTV, 영상처리
+summary: "Zero-DCE, GFPGAN, SRGAN을 융합한 LQE-Net 모델, 공공 감시 시스템의 인식 성능을 획기적으로 향상"
+tools: 1. Zero-DCE, 2. GFPGAN, 3. SRGAN, 4. PyTorch, 5. OpenCV
+date: 2025-05-19 16:08:27 +0300
+image: "/assets/images/projects/project-LQE-Net-CCTV.png"
+---
+
+## 📰 흐릿한 CCTV 영상, AI가 복원합니다 — LQE-Net으로 구현한 실시간 인식 개선 기술  
+> 제주한라대학교 이규범, 멀티미디어학회논문지(KMMS) 논문 게재
+
+도심의 골목길, 밤늦은 시간의 주차장, 어두운 지하철역.  
+이러한 환경에서 설치된 CCTV 영상은 종종 조도가 낮고 화질도 떨어지기 때문에, **범죄 예방이나 사건 분석에 있어 결정적인 장면을 식별하기 어려운 경우**가 많다.
+
+제주한라대학교 인공지능공학과 이규범 학생연구원이 발표한 **LQE-Net**은 이러한 문제를 해결하기 위해 고안된 **실시간 CCTV 영상 복원 AI 모델**이다.  
+해당 연구는 *「LQE-Net: 저조도 및 저화질 CCTV 영상 개선을 위한 하이브리드 딥 네트워크」*라는 제목으로, 『멀티미디어학회논문지(KMMS)』 2024년 12월호에 정식 게재되었다.
+
+LQE-Net은 기존 영상 복원 방식의 한계를 넘어, **세 가지 특화된 딥러닝 기술을 융합한 구조**로 구성된다.  
+우선 **Zero-DCE** 알고리즘이 영상의 전반적인 밝기를 조정해 **저조도 문제를 개선**하고, 이어서 **GFPGAN**이 사람의 얼굴 영역을 인식하여 **디테일을 복원**한다. 마지막으로 **SRGAN**이 차량 번호판이나 기타 작은 텍스트 영역을 **초해상도(super-resolution)**로 재구성해준다.
+
+이 모델의 특징은 각 개선 모듈을 **단순히 직렬로 연결한 것이 아니라, CCTV 환경에서 발생하는 여러 문제들을 병렬적으로 분리하고 독립적으로 최적화할 수 있도록 설계했다**는 점이다.  
+이러한 구조는 실제 다양한 CCTV 장면에서도 모델의 반응성과 일관된 품질 향상을 이끌어낸다.
+
+실험 결과, LQE-Net은 **차량 번호판 문자 인식 정확도(OCR) 98.26%**를 달성했으며, PSNR, SSIM, LPIPS 등 객관적 화질 지표에서도 기존 모델 대비 **확연한 우위를 보였다**.  
+특히 영상 속 인물의 얼굴이 어둡고 흐릿한 상황에서도 인식 가능한 수준까지 복원할 수 있었으며, 조명 왜곡이 심한 실외 CCTV 환경에서도 강건한 성능을 유지했다.
+
+이규범 연구원은 이번 연구를 통해 “기존 CCTV 인프라를 그대로 유지하면서도 소프트웨어만으로 인식률을 크게 높일 수 있다는 가능성”을 입증하고자 했다고 말한다.  
+또한 “이 프로젝트는 지역사회와 도시 보안의 실질적인 문제를 인공지능 기술로 해결하고자 한 시도였으며, 교육부와 한국연구재단의 **지역혁신중심 R&D 지원사업(RIS)** 덕분에 연구를 구체화하고 실험할 수 있는 환경을 마련할 수 있었다”고 덧붙였다.
+
+모델은 **PyTorch 기반**으로 구현되었으며, 실제 CCTV 상황을 반영한 **저조도/저화질 영상 데이터셋**을 자체 구축해 학습에 활용했다.  
+연구에는 김재은, 박은성 연구원(제주한라대학교), 고혁수 책임연구원((주)아인스에스엔씨)이 공동 참여했으며, 지도교수는 김성진 교수다.
+
+이번 LQE-Net 연구는 **AI 기반 공공 안전 기술의 실용성**을 증명하는 사례로, 향후 스마트시티, 교통 통제, 범죄 분석 시스템 등 다양한 분야에서의 활용 가능성이 기대된다.
+
+---
+
+### 📑 논문 정보
+
+- **논문 제목**: LQE-Net: 저조도 및 저화질 CCTV 영상 개선을 위한 하이브리드 딥 네트워크  
+- **영문 제목**: LQE-Net: Hybrid Deep Network for Enhancing Low-Light and Low-Quality CCTV Footage  
+- **게재지**: 멀티미디어학회논문지 (KMMS) | Vol.27 No.12 | 2024년 12월 | pp.1425–1434  
+- **저자**: 이규범, 김재은, 박은성 (제주한라대학교), 고혁수 (㈜아인스에스엔씨), 김성진 (제주한라대학교)  
+- **지원**: 본 연구는 교육부의 재원으로 한국연구재단 **지역혁신중심 연구개발 지원사업(RIS)**의 지원을 받아 수행됨  
+  *(과제번호: 2023RIS-009)*
+
+---
+
+### ✍️ 작성자 정보
+
+- **작성자**: 제주한라대학교 인공지능공학과 학생연구원 22학번 이규범  
+- **연락처**: [[email protected]](mailto:[email protected])

site/_projects/2025-05-19-ResNet-paper.md

@@ -0,0 +1,47 @@
+---
+title: 키보드 소리만 듣고 문자를 예측하는 인공지능 모델, ResNet 기반 연구 논문 게재
+subtitle: AI, Acoustic Intelligence
+summary: "ResNet과 멀티헤드 어텐션 기반 타이핑 소리 문자 예측 모델, 정보보호학회논문지(JKIISC)에 KCI 등재"
+tools: 1. FFT, 2. ResNet, 3. Multi-Head Attention, 4. Acoustic Deep Learning
+date: 2025-05-19 16:09:55 +0300
+image: "/assets/images/projects/project-TypingSound-AI.png"
+---
+
+## 📰 키보드 소리만 듣고도 문자를 맞히는 인공지능 모델 등장  
+> 제주한라대학교 이규범, 정보보호학회논문지(JKIISC) 2025년 4월호 논문 게재
+
+타이핑 소리만으로 입력한 문자를 예측할 수 있다면, 인공지능은 인간과의 상호작용 방식에 또 한 걸음 더 가까워질 수 있다.  
+제주한라대학교 인공지능공학과 이규범 학생연구원이 제안한 이 새로운 모델은, **타이핑 소리의 패턴만으로 문자를 예측**하는 딥러닝 기반 시스템이다.  
+
+이 연구는 *「ResNet과 멀티헤드 어텐션을 활용한 타이핑 소리 기반 문자 예측」*이라는 제목으로, 2025년 4월 『정보보호학회논문지(JKIISC)』에 게재되었으며, **소리 기반 입력 인식의 새로운 가능성을 제시**하고 있다.
+
+핵심 아이디어는 간단하다. 사람이 키를 누를 때 발생하는 음향은 키 위치, 힘, 누르는 시간 등에 따라 고유한 주파수 패턴을 가진다. 이 소리를 **FFT(Fast Fourier Transform)**를 통해 스펙트로그램으로 변환하고, 이를 **ResNet**으로 분석해 주요 음향 특징을 추출한다. 그 뒤 **멀티헤드 어텐션** 모듈이 시간 흐름 속에서의 연관성을 포착하여 최종적으로 어떤 문자가 입력되었는지를 예측하는 구조다.
+
+이 모델은 단순한 CNN이나 RNN 기반 접근보다 **미세한 타이밍과 음색의 차이**까지 반영할 수 있도록 설계되었으며, 실제 테스트에서 96.81%의 정확도를 기록해 기존 구조(96.66%)보다 성능을 향상시켰다. 특히 공공장소에서 녹음된 데이터나 마이크 품질이 낮은 경우에도 **학습 안정성과 예측 일관성이 높게 유지**된 것이 주요 성과다.
+
+모델 구현은 다양한 실험과 수정을 거쳐 완성됐다. 연구자는 상용 타건 녹음 장비가 아닌 **일반 스마트폰 마이크**를 활용해 음향 데이터를 직접 수집했고, 소음을 필터링한 뒤 분류에 적합하도록 정규화 및 증강을 적용해 모델에 학습시켰다. 학습과 실험은 **커스텀 오디오 파이프라인과 CNN-Attention 조합 기반 아키텍처**를 통해 구성되었으며, 단어 간 유사한 소리를 구분하는 데 중점을 두었다.
+
+이규범 학생연구원은 “AI가 눈으로 보는 것뿐 아니라, **귀로 듣고 이해할 수 있는 세계**에 도전한 프로젝트였다”며 “연구를 진행하며 실생활에서의 입력 시스템, 사이버 보안 인증, 장애인 보조 인터페이스 등 다양한 확장 가능성을 떠올릴 수 있었다”고 밝혔다.  
+또한, “이 연구는 **2024년도 정부(교육부)의 재원으로 한국연구재단의 첨단분야 혁신융합대학사업의 지원**을 받아 실험 인프라와 연구 환경을 안정적으로 확보할 수 있었기에 가능했다”고 덧붙였다.
+
+공동저자로는 제주한라대학교 홍성관 교수(교신저자), 김성진 교수가 참여했으며, 실제 응용 측면에서도 후속 연구가 이어질 예정이다.
+
+---
+
+### 📑 논문 정보
+
+- **논문 제목**: ResNet과 멀티헤드 어텐션을 활용한 타이핑 소리 기반 문자 예측  
+- **영문 제목**: Typing Sound-Based Character Prediction Using ResNet and Multi-Head Attention  
+- **게재지**: 정보보호학회논문지 (JKIISC) | Vol.35 No.2 | 2025년 4월 | pp.253–264  
+- **게재일**: Received 2025.03.04 / Accepted 2025.04.03  
+- **저자**: 이규범†, 홍성관‡, 김성진 (제주한라대학교)  
+- **사사**:  
+  이 논문은 2024년도 정부(교육부)의 재원으로 한국연구재단 **첨단분야 혁신융합대학사업**의 지원을 받아 수행된 연구임 *(B0080702001168)*  
+  *This research was supported by Convergence and Open Sharing System through the National Research Foundation of Korea (NRF) funded by the Ministry of Education (B0080702001168).*
+
+---
+
+### ✍️ 작성자 정보
+
+- **작성자**: 제주한라대학교 인공지능공과 학생연구원 22학번 이규범  
+- **연락처**: [[email protected]](mailto:[email protected])