UNIST, AI모델 고효율 학습데이터 경량화 성공
2025-12-02 이다예 기자
UNIST는 인공지능대학원 심재영(사진) 교수팀이 3D 포인트 클라우드(Point Cloud) 데이터를 효과적으로 압축해 학습 효율을 높이는 ‘데이터 증류’(dataset distillation) 기술을 개발했다고 1일 밝혔다.
데이터 증류는 대규모 학습 데이터 중 요점만을 추출해 새로운 ‘요약 데이터’를 만들어내는 기술이다. 3D 포인트 클라우드 데이터는 점들의 배열에 정해진 순서가 없고, 물체가 회전해 있는 경우가 많다.
이런 특성은 요약 데이터를 생성하는 과정에서 제대로 된 비교가 불가능하다.
연구팀은 이 문제를 해결한 데이터 증류 기술을 개발했다. 순서가 제각각인 점 데이터의 의미 구조를 자동으로 정렬해주는 손실 함수(SADM)와 물체의 회전 각도를 AI가 스스로 최적화해 학습하도록 하는 방향 최적화(learnable rotation) 기법이 적용된 기술이다.
개발된 데이터 증류 기술은 원본 대비 수십분의1 수준으로 데이터를 줄여도 모델 정확도를 유지하는 것으로 확인됐다.
심재영 교수는 “자율주행, 드론, 로봇, 디지털 트윈 등 대규모 3D 데이터 활용이 필요한 분야에서 AI 학습 비용과 시간을 크게 줄이는 데 기여할 수 있을 것”이라고 말했다.
연구 결과는 3대 인공지능 분야 권위 국제학회인 ‘신경정보처리시스템학회(NeurIPS) 2025’에 정식 논문으로 채택됐다.
이다예기자 ties@ksilbo.co.kr