“Make simple, Share”

안녕하세요. 김준호입니다. AI & Computer Vision

핵심 역량

| Generative AI R&D | Computer vision & embedded system | 성장, 도전, 책임 | | --- | --- | --- | | GAN, Diffusion model 등 이미지 생성 AI를 활용한 4편의 관련 논문 게재 경험 보유 (SCI: 3, KCI: 1) | 임베디드 보드 상에서의 개발 경험 (NVIDIA Jetson (국토교통과학기술진흥원 인증), (ARM Arch.) | 성장: 학부학점 4.15/4.5, 석사학점 4.38/4.5, 꾸준한 스터디 (‣ ) | | 생성형 AI 관련 3회경진대회 수상 (LG CTO상, AI팩토리상, 금상) | Python, C/C++ 개발 역량 보유, OpenCV, Pytorch 활용 역량 보유 | 도전: 낯선 개발 프로젝트에도 참여 및 기여 (javascript, java 활용) | | 고성능 GPU 클라우드 서버 관리 경험 (NIPA 2회 (2023-02~2023-12 (Naver), 2024-02~2024-12(KT)) | 1. 🦷 헬스케어 AI 경진대회 (F1-score 0.997), 2. 🦌 StableDiffusion+LoRa 튜토리얼 제작 3. 🚗 Only-vision Line Tracer | 책임: 관련 없는 직무에서도 책임감을 가짐 (패스트푸드 마감: 업무 시간 50% 감축) (학원 조교: 학생 수 80% 증가) |

위 예시는 졸업 논문에 사용된 image-to-sketch-to-image 결과 예시입니다. ”Yellow” 라는 프롬프트를 사용하여 생성하였고, 두 이미지 간의 consistency가 유지되는 것을 확인할 수 있습니다.

자기소개서

1. AI 기술을 활용한 문제 해결 역량

   학부 연구생 시절, 기업 특허 과제(트럭 운전자의 위험 운전 인식 장치)에 참여하여 ‘팀장’ 역할을 맡았습니다. 차선 이탈, 전방 추돌 위험, 11대 위험운전 인식 등 Advanced Driver-Assistant System (ADAS) 기능을 구현하여 국토교통과학기술진흥원의 인증을 받을 수 있었습니다. 이 과정에서 실시간 영상 처리와 협업 및 관리의 어려움을 체감했습니다. 특히 각 프레임의 처리 시간이 일관적이지 않고 크게 튀는 문제에 부딪혔습니다. 이러한 문제를 프로파일링을 통해 GIL, CPU-GPU utilization 문제임을 파악하고 각 스레드를 동기화 하는 방법으로 문제를 해결했습니다. 이 경험을 통해 AI 모델 개발뿐 아니라, 팀원 간의 협업 규칙 정립, Git을 활용한 코드 관리, 환경 설정 자동화 등의 중요성을 배웠습니다.

   석사 과정에서는 Diffusion Model과 ControlNet 같은 최신 AI 기술에 관심을 갖고, Image-to-sketch 연구를 수행해 MDPI 저널(Mathematics)에 논문을 게재했습니다. 기존 Diffusion Model이 image-to-image 생성에서 입력 이미지를 제대로 유지하지 못하는 문제(consistency issue)를 해결하고자, 컨트롤 신호로 널리 사용되는 “edge” 보다 사람에게 더 친숙하고 활용성이 좋은 “sketch” 정보를 활용하는 기법을 탐구했습니다. 이를 통해 image-to-image 분야에서 consistency를 유지할 뿐만 아니라 예술가들이 이를 활용하여 수정할 수 있는 Assistant 로서의 가능성을 확인했습니다.

   뿐만 아니라, “스마트팜”이라는 도메인에 주목하여 LLM 기반 노지 농업 솔루션을 구현하고, 제 22회 임베디드 경진대회 LG webOS 부문에서 LG CTO 우수상을 수상했습니다. 청년층이 오히려 스마트팜 활용에 어려움을 느낀다는 점에 주목하여, 음성 기반 질의응답, 자동 브리핑, 엑츄에이터 제어 등 AI 대시보드 기능을 탑재했습니다. 이때 한 번도 접해보지 않았던 JavaScript로 기능을 개발하면서 새로운 기술에 대한 빠른 학습과 도전의 중요성을 다시금 체감했습니다.

2. 풍부한 Linux 경험 - Cloud 및 DevOps 툴 활용 능력

   저는 저를 자신있게 “Linux 러버” 라고 말씀 드릴 수 있습니다. 학부 특성상 임베디드 시스템을 주로 다루었기 때문에 학부 초기에는 주로 Linux 서버에서 vim과 터미널로만 개발을 했었습니다. 때문에 Linux 환경에서 개발하는 것에 익숙해질 수 밖에 없었습니다. 이러한 경험은 이후 석사과정에서 랩실 서버와 NIPA GPU 고성능 서버를 관리하게 되는 밑거름이 되었습니다. Linux 환경에서의 풍부한 경험, 익숙함으로 cloud와 DevOps 관련 기술을 수월하게 익힐 수 있었습니다.

   AI 모델이 연구실 수준을 넘어 산업 현장에서 효율적으로 쓰이려면, 안정적인 배포가 필수라고 생각합니다. 이를 위해 Docker 와 같은 기술들을 익히며, 실제 서비스 환경에서도 AI 모델이 원활히 동작하도록 인프라를 구성해왔습니다. 특히, 가상 화장 서비스를 개발했던 해커톤에서는 Docker 컨테이너를 기반으로 클라우드 서버에 모델을 배포한 뒤, 자동 스케일링 환경(runpod의 서버리스 기능)을 구축해 다수 사용자 요청을 처리했습니다.

3. 앞으로의 비전

   이처럼 AI 모델의 기획, 개발, 운영 전 주기를 직접 경험하고, 딥러닝 알고리즘의 원리부터 실무 배포까지 아우르는 통합 역량을 갖추기 위해 꾸준히 노력해왔습니다. 학부와 석사 과정을 통해 쌓은 연구 역량, 프로젝트와 공모전을 통해 갈고닦은 실무 경험, 그리고 Docker 및 클라우드 등 DevOps 기술 스택을 결합하여, 앞으로도 현장의 복잡한 문제를 해결하는 데 이바지하고 싶습니다. 빠른 변화의 AI 생태계 속에서 끊임없이 학습하고 나누며 실질적으로 의미 있는 결과물을 만들어내는 글로벌 AI 전문가로 성장하는 것이 저의 목표입니다.

Education

Publications

Selected Projects

1. 노지 기반의 스마트팜 솔루션 구현

   기간	2024-05~2024-11
   역할	AI 기반의 All-in-one, 질의응답, 브리핑, 제어 기능 구현
   결과	🏆 제 22회 임베디드 경진대회에서 webOS 부문 LG CTO 우수상 (2등) 수상
   관련 링크	https://github.com/comeeasy/2024ESWContest_webOS_3009
   https://www.eswcontest.or.kr/data/award.php?ptype=view&idx=5201&page=1&code=award&category=61

2. 원중근경과 Stable Diffusion을 활용한 landscape sketch 생성 연구

   기간	2023-06~2023-12
   역할	미대생들과 협업하여 스케치 데이터 수집, LoRA 및 ControlNet 을 활용하여 모델을 학습 및 결과를 생성
   결과	📃 MDPI, mathmatics에 연구 결과를 게재
   관련 링크	https://github.com/comeeasy/DALS,
   https://www.mdpi.com/2227-7390/12/2/238

3. Virtual make-up 서비스

   기간	2022-12~2023-03
   역할	GPU 클라우드 서비스인 runpod을 활용하여 AI 기능 배포.
   결과	🏆 2023 프로메테우스 X StartUp Hakcathon에서 2등 (AI팩토리상) 수상
   관련 링크	https://github.com/cosmethetic/cosmethetic/tree/develop,
   https://www.newswire.co.kr/newsRead.php?no=962341