LG전자

"자본과 연구는 손을 잡고.." 모빌리티시스템융합협동과정 학부장학생으로 있으며 라이다로 수집된 포인트 클라우드 데이터를 기반으로 객체 인식을 하는 모델을 만드는 것을 주제로 삼고 연구를 진행하였습니다. MATLAB과 YOLO v4를 활용하여 Pandaset LiDAR PCD를 기반으로 MATLAB Lidar Labeler를 활용하여 차, 버스, 보행자 세 가지 클래스에 대한 ROI를 라벨링하고 모델 학습을 진행하였습니다. 차와 사람은 각각 50, 60퍼센트의 정확도로 검출하였지만, 데이터가 적었던 버스는 굉장히 낮은 정확도를 보였습니다. 연구를 진행하면서 느낀 건, 데이터를 구하는 것이 참 힘들다는 점이었습니다. Pandaset 데이터로 학습을 진행하고, KITTI, Waymo 데이터 셋을 활용하여 데이터를 늘리려고 했지만 서로 데이터의 포맷이 달라 포맷 변환 라이브러리를 찾아야 했고, 변환을 해도 Pandaset 데이터와 view가 비슷한 데이터를 찾기 어려워 모델의 성능을 유의미하게 개선할 수 없었습니다. 따라서 저는 비교적 저렴한 프로젝터-카메라 셋업으로 구성 가능한 구조광을 활용 3D 비전으로 연구 분야를 바꾸었습니다. 이후 앞으로는 데이터를 구하는 것에 어려움이 없는 기업에서 일하는 것을 항상 염두에 두었습니다. 그러던 중 기업의 임원분들을 초빙하여 세미나를 진행하는 IT기술의혁신및경영 이라는 대학원 수업에서 LG전자 임원분이 오셨고, 글로벌 생활가전 매출 1위를 달성했다는 소식을 듣게 되었습니다. 그 소식을 들으며 다양한 나라의 규제를 만족시키며 다분화된 전자제품을 대량 생산하는 LG전자 생산 공정을 분석할 때 데이터의 부족함이 상대적으로 적겠다고 생각하였습니다. 카메라 그랩 컨트롤, AF 트래킹, 그리고 3D 측정 분석 알고리즘 개발까지 모든 업무는 데이터의 양과 뗄 수 없는 관계일 것입니다. 마이너한 분야의 센서로도 데이터양을 탓하지 않고 개발하고 싶습니다. 따라서, 생활가전 1위 기업 LG전자에 지원하였습니다.

"Trend Setter" 컴퓨터 비전 유관 분야인 NeRF와 3D GS에 관련하여 최근 재미있게 공부하고 있습니다. 단편적 3D 데이터를 얻는 것을 넘어서서 볼륨을 렌더링하고 다양한 각도에서 view를 수집하며 지속적으로 볼륨을 완성해 나가는 과정이 너무나 멋져 보였습니다. 새로운 기술들을 좋아합니다. 호기심을 항상 마음 한편에 두고 새로운 것들을 계속 채워나가고 있겠습니다. 직장 내에서 동료들이 최신 기술에 대해 검색하기 전에 마음 편하게 물어볼 수 있는, 그런 멋진 Trend Setter로 거듭나겠습니다. "무거운 사람" NEXTLab에서 인턴 생활 도중 들어갔던 월간 회의에서 같은 연차의 직원들도 각자 말의 무게가 다르게 다뤄진다는 것을 쉽게 알 수 있었습니다. 큰 소리가 오고 가던 그날, 일을 쉽게 하고 무시당하는 것 보다 일을 어렵게 하고 존중받자는 결심을 하게 되었습니다. 어렵게 일하겠습니다. 말이 무거운 사람이 되겠습니다.