시각 장애인을 위한 인공 시각 장치 개발은 여전히 과학적·공학적·의학적 난제로 남아있다. 현재까지 개발된 인공 시각 기술은 사람의 얼굴을 인식하거나 책을 읽을 수 있는 수준은 구현된 바가 없으며, 사물의 인지 효율도 낮은 문제가 있다. 시각 장애인들이 인공 시각 장치를 이식받더라도 지팡이나 보호자 도움 없이 독립적인 보행이 어렵고 촉각이나 청각에 의존해야 한다.

한국과학기술연구원(KIST, 원장 오상록) 뇌융합연구단 임매순 박사 연구팀은 인공지능(AI)을 활용해 인공 시각 장치의 인지 효율을 사전에 정밀하게 예측할 수 있는 기술을 개발했다고 밝혔다. 이번 연구는 인공 시각 장치의 효율적인 설계 및 성능 최적화를 가능하게 해 실생활에서 사용가능한 수준의 시각 구현을 앞당길 수 있을 것으로 기대된다.

연구팀은 인공 시각 장치의 다양한 설계 조건에 따른 최종 시각 품질을 신속하고 정밀하게 예측할 수 있는 AI 모델을 개발했다. KIST가 구축한 한국인 400명의 얼굴 이미지 데이터베이스를 활용해 기계학습 모델을 학습시켜 인간의 자연스러운 얼굴 인식 능력을 모사할 수 있도록 설계했다. 특히, 인공 시각 장치가 제공하는 저해상도 흑백 이미지에 최적화된 AI 모델을 개발해 실제 인공 시각 환경에서 적용할 수 있도록 설계됐다.

개발된 AI 모델의 성능 평가를 위해 저해상도로 변환된 3,600개의 얼굴 이미지에 대해 인식 정확도를 측정했다. 이를 정상 시력을 가진 36명을 대상으로 720개의 얼굴 이미지에 대한 인지 실험 결과와 비교했을 때, 연구진이 개발한 AI 모델은 인간과 유사한 인식 정확도를 보였다. 이러한 성능 검증을 통해 기존의 반복적인 임상시험 없이도 설계 단계에서 인공 시각 장치의 품질을 예측할 수 있다.

이번 연구는 인공 시각 기술 개발에 AI 기반 접근법을 도입하여 연구개발 비용과 시간을 절감할 수 있음을 의미한다. 기존에는 인공 시각 장치를 설계한 후 실제 제작과 임상시험을 거쳐야만 성능을 평가할 수 있었으나, AI 모델을 활용하면 설계 단계에서 성능을 예측하고 최적화할 수 있어 개발 시간을 단축할 수 있다. 또한, 최적의 시각 자극 조건을 탐색해 인공 시각 장치의 성능을 극대화하는데 기여할 수 있다.

KIST 임매순 박사는 “이번에 개발된 AI 모델이 얼굴 인식뿐만 아니라 실생활 이미지 분석에도 적용될 경우, 보다 실용적인 인공 시각 시스템 개발이 가능할 것”이라며, “향후 AI 기반 인공 시각 품질 예측 모델의 적용 범위를 확대하고 현재 개발 중인 새로운 인공 시각 기술에도 적용해 임상시험 및 상용화를 앞당길 것”이라고 밝혔다.

 본 연구는 과학기술정보통신부(장관 유상임)의 지원을 받아 KIST 주요사업과 우수신진연구자지원사업(2020R1C1C1006065) 및 뇌기능규명조절기술개발사업(2022M3E5E8017395)으로 수행됐다. 이번 연구 성과는 국제 학술지 「Advanced Science」 (IF 14.3, JCR 분야 6.5%) 최신호에 게재됐다.

* 논문명 : Machine Learning Techniques for Simulating Human Psychophysical Testing of Low-Resolution Phosphene Face Images in Artificial Vision

[그림 1] 얼굴 인식 정확도 측정을 위한 사람 대상 인지 실험과 이를 대체할 수 있는 인공지능 (머신러닝) 방법 개념도

인공 시각을 위한 기존 연구에서는 인공 시각으로 예상되는 저해상도 이미지를 활용하여 인지 실험을 수행함. 일반적으로, 인지 실험의 사전 테스트 단계에서는 메인 테스트 단계에서 활용하는 얼굴 이미지가 아닌 이미지로 실험 문제를 구성하여 사람들이 실험 절차를 익히도록 하고, 메인 테스트 단계에서는 인공 시각으로 표현된 사람 얼굴 이미지로 실험 문제를 구성하여 얼굴 인식 정확도를 측정함. 본 연구에서는 인간의 얼굴 인식 능력을 모방한 인공지능 (머신러닝) 모델을 학습하고, 사람 대상 인지 실험과 동일한 형태의 테스트를 수행하여 인공 시각 품질을 얼마나 정교하게 예측할 수 있는지 알아보았음. 사람 얼굴 이미지는 KIST 고유 데이터베이스 AIHub에서 제공받음.

[그림 2] 여러 인공 시각 조건으로 표현된 얼굴에 대한 인지 실험 참가자와 AI 모델의 얼굴 인식 정확도 비교

본 연구진이 테스트한 AI 모델들 중 가장 얼굴 인식 성능이 높은 AI 모델과 인지 실험 참가자의 얼굴 인식 정확도를 비교한 결과 그래프임. 여러 인공 시각 조건으로 사람 얼굴을 표현했을 때, 가장 낮은 품질의 인공 시각 이미지에 대해서만 사람의 얼굴 인식 성능이 유의미하게 높고, 나머지 조건에 대해서는 AI 모델이 인지 실험 참여자들과 매우 유사한 수준의 얼굴 인식 성능을 보임. 해당 결과는 사람 대상 얼굴 인식 인지 실험을 AI 모델로 대체할 수 있음을 보여줌.

[그림 3] 얼굴 인식 과정에서 인지 실험 참가자와 AI 모델의 관심 영역 비교

인공 시각으로 표현된 얼굴 이미지를 인식 과정에서 인지 실험 참여자와 AI 모델의 차이를 비교하기 위해 관심 영역 분석을 시행함, AI 모델은 Grad-CAM 기법으로, 사람은 시선 추적 장치를 통해 관심 영역을 Heatmap으로 표현함. 그 결과, 가장 높은 얼굴 인식 성능을 보이는 AI 모델은 다른 모델들보다 얼굴 특징을 보다 더 정확하게 포착했으며, 다양한 인공 시각 조건에서도 일관되게 얼굴 특징을 잘 포착하는 경향을 보임.