광학 코히런스를 활용한 이미지‑프리 객체 인식 기술

초록

본 논문은 레이저와 같은 코히런트 광원을 이용해 물체에서 산란된 빛의 간섭 패턴(스펙클)을 직접 센서에 기록하고, 딥러닝으로 이를 분석함으로써 전통적인 이미지 형성 과정을 생략하고도 높은 정확도의 객체 인식을 구현한다. 초점 이탈, 회절 한계 이하, 비직접 시선(NLOS) 등 기존 광학 시스템이 어려워하는 상황에서도 인식이 가능함을 실험과 시뮬레이션으로 입증한다.

상세 분석

이 연구는 “이미징‑프리”라는 새로운 패러다임을 제시한다. 기존의 시각 인식 파이프라인은 물체의 광학 이미지를 형성한 뒤, 그 이미지를 컴퓨터 비전 알고리즘에 입력한다. 그러나 정보 이론적으로 인식에 필요한 최소 정보는 전체 이미지가 아니라 물체와 센서 사이의 전파 경로에 내재된 위상·진폭 정보이다. 코히런트 조명 하에서 물체에 입사된 파동은 복잡한 위상 변조를 겪으며 다중 경로 간섭을 일으키고, 이는 센서면에 고유한 스펙클 패턴으로 나타난다. 스펙클은 각 픽셀이 물체 전역의 정보를 복합적으로 수신하는 ‘멀티플렉스 샘플링’ 역할을 하며, 위상 변동에 의해 서로 거의 독립적인 베이스를 형성한다. 따라서 단일 스펙클 이미지만으로도 물체의 고유한 식별자를 추출할 수 있다.

논문은 이 원리를 검증하기 위해 세 가지 실험을 설계했다. 첫째, 초점이 크게 벗어난 상황에서 레이저 조명을 사용하면 스펙클 패턴이 거리 변화에 따라 크게 변하지만, 동일한 신경망이 모든 거리에서 90 % 이상의 인식 정확도를 유지한다. 이는 전통적인 이미지 기반 시스템이 블러링으로 인해 성능이 급격히 저하되는 것과 대조된다. 둘째, 조리개를 인위적으로 축소해 회절 한계 이하의 광학 전송을 강제했을 때, 코히런트 경우는 조리개가 최소 요구 직경의 1/70 수준까지 감소해도 인식 정확도가 80 % 이상 유지된다. 이는 위상 정보를 보존하는 코히런트 빛이 진폭‑전류만을 전달하는 비코히런트 빛보다 훨씬 풍부한 정보를 제공함을 의미한다. 셋째, 물체와 센서 사이에 직접 시선이 차단된 상황(벽을 통한 확산 반사)에서도 스펙클이 형성되고, 동일 신경망이 80 % 이상의 정확도로 숫자를 구분한다. 이는 전통적인 라이다·TOF(Time‑of‑Flight) 방식이 요구하는 고가·고속 레이저·단일광자 검출기와 달리, 저비용 CMOS 센서와 연속파 레이저만으로도 가능함을 보여준다.

핵심 기술적 통찰은 다음과 같다. (1) 코히런트 조명은 물체‑센서 간 전파 경로 전체를 하나의 복합 위상 맵으로 변환한다. (2) 스펙클은 고차원 특성 공간을 제공하므로, 딥러닝 모델이 충분히 학습되면 거리·조리개·장애물 변화에 강인한 특징을 자동으로 추출한다. (3) 비코히런트 빛은 위상 정보를 상실해 멀티플렉스 베이스가 상관관계가 높아지므로, 동일한 접근법으로는 인식이 불가능하다. (4) 시스템은 데이터와 에너지 효율성이 뛰어나며, 이미지 저장·전송 비용을 크게 절감한다. 다만, 스펙클 패턴은 환경 변화(공기 난류, 진동, 온도)와 센서 노이즈에 민감하므로, 실시간 보정·다중 프레임 통합, 혹은 보다 견고한 네트워크 구조가 필요하다.

이러한 분석은 코히런트 광학이 단순히 ‘이미지를 만들기’ 위한 수단이 아니라, ‘정보를 직접 전달하는 매개체’로서 인식 시스템 설계에 새로운 자유도를 제공한다는 점을 강조한다.