임병완 (Byung Wan Lim)
Diffusion 기반 Image Restoration, Extreme-Scale Super-Resolution 및 실세계 노이즈 생성 모델을 연구하는 딥러닝 연구원 & AI 엔지니어입니다.
YeTI: You Only Need Two Noisy Images for Real-World sRGB Noise Generation
Clean 정답 영상 없이 단 2장의 버스트 영상으로 실제 센서 노이즈를 완벽 분리 및 합성하는 SOTA 프레임워크
비즈니스 가치를 극대화하는
실용주의 AI & 데이터 엔지니어
연구실 프로토타입에 머무르지 않고, 실제 현장에 안정적으로 서빙되는 고가용성 ML 시스템을 구축합니다.
한양대학교 컴퓨터소프트웨어학과 석사과정(지도교수: 김태현 교수님)에서 Diffusion Models, Generative Priors, Multi-Modal Learning 및 Low-Level Vision(Image Denoising, Super-Resolution, Unified Restoration)을 집중 연구하고 있습니다. ECCV 2026 논문(YeTI, 공동1저자)과 Extreme-Scale SR 연구(TigerESR) 등 이론적 모델 설계부터 대규모 Multi-GPU 분산 학습 및 프로덕션 수준의 MLOps 파이프라인 구축까지 전 과정을 주도해왔습니다.
복잡한 머신러닝 알고리즘의 본질을 이해하고, 이를 프로덕션 환경의 실시간성(Low Latency)과 확장성(Scalability) 요건에 맞게 엔지니어링하는 과정에서 가장 큰 성취감을 느낍니다.
팀 내 동료들과 투명하게 실험 결과를 공유하고, MLOps 자동화 파이프라인을 구축하여 전체 엔지니어링 생산성을 끌어올리는 협업 문화를 지향합니다.
Diffusion & Generative Models
Latent Diffusion Model(LDM), 1-step Consistency Model, Conditional DiT 및 ControlNet 파이프라인 설계
Multi-Modal & Retrieval (RAG)
CLIP 임베딩, Faiss 기반 Dual-Scale Image Retrieval(DSIR), Routed Cross-Attention(RCA) 멀티모달 토큰 정렬
Low-Level Vision & Restoration
16x Extreme Super-Resolution, Real-world sRGB Denoising, DAKC 통합 이미지 복원(Denoise/Derain/Dehaze)
Multi-GPU Training & MLOps
PyTorch Lightning, 8x NVIDIA A6000 분산 학습(DDP), Weights & Biases 실험 관리, Docker 환경 구축
Publication & Projects.
국제 최고 권위 학회(ECCV) 게재 논문부터 대규모 멀티모달 생성 모델 및 실세계 복원 엔지니어링 프로젝트입니다.
YeTI : 단 2장의 노이즈 영상으로 실세계 sRGB 노이즈를 생성하는 Clean-Image-Free 프레임워크
Clean 정답 영상이나 카메라 메타데이터 없이, 동일 씬의 단 2장 버스트 노이즈 영상만으로 실제 센서의 신호 의존적 sRGB 노이즈 분포를 정밀하게 생성하는 1-Step Diffusion 모델입니다.
TigerESR : 16배 초고배율 영상 복원을 위한 검색 증강 기반 멀티모달 디퓨전 프레임워크
극단적인 16배 초해상도(Extreme SR) 환경에서 T2I 디퓨전의 환각(Hallucination)과 의미 왜곡을 억제하기 위해, 듀얼 스케일 검색(DSIR)과 라우팅 어텐션(RCA) 멀티모달 토큰으로 디퓨전 생성을 정밀 제어합니다.
DAKC : 열화 인지형 커널 코드북 기반의 올인원(All-in-One) 통합 영상 복원
노이즈 제거(Denoising), 빗물 제거(Deraining), 안개 제거(Dehazing) 등 다채로운 저수준 비전 복원 작업을 단 하나의 경량 통합 프레임워크로 처리하는 커널 코드북 아키텍처입니다.
극소 저출생 체중아 레보티록신 치료 궤적 예측 머신러닝 연구
전국 단위 대규모 신생아 코호트 데이터를 기반으로 극소 저출생 체중아의 일시적 vs 장기 갑상선 호르몬 치료 경로를 조기 예측하고, XAI(설명 가능한 AI)로 임상 기여 요인을 분석한 연구입니다.
전문 기술 스택 & 엔지니어링 역량
딥러닝 프레임워크부터 분산 학습, 대규모 데이터 처리까지 연구와 실무에서 즉시 활용 가능한 핵심 기술셋입니다.
Deep Learning & Vision AI
Custom Layers, Multi-GPU Distributed Training (DDP), Checkpointing, Mixed-Precision
Latent Diffusion (LDM), Stable Diffusion v2.1, ControlNet, 1-step Consistency Model, Conditional DiT
CLIP (ViT-H/14), OpenCLIP, BLIP-2, Routed Cross-Attention, Multi-token Generator
Extreme-scale x16 SR, Real-world sRGB Denoising, DAKC Unified Restoration (Denoise/Derain/Dehaze)
MLOps, Tools & Infrastructure
실험 하이퍼파라미터 추적, 모델 아티팩트 관리, 멀티 GPU 로깅 파이프라인 자동화
8x NVIDIA RTX A6000 클러스터 환경 최적화, 메모리 절감 및 병렬 분산 학습
GPU/CPU Faiss HNSW & Flat Inner-Product 기반 80만 장 규모 초고속 이미지 벡터 검색
재현 가능한 딥러닝 연구 환경 컨테이너화, 원격 서버 클러스터 구축 및 자동화 스크립트
Programming & Scientific Computing
객체지향 모듈러 아키텍처, 비동기 I/O, 고속 NumPy/Tensor 벡터 연산 최적화
알고리즘 구현, 임베디드 및 하드웨어 연동 기초, 성능 집약적 연산 처리
신호 처리 및 통계 데이터 시각화, 제어/통신 시뮬레이션 모델링
오픈소스 논문 코드 릴리즈, Git Flow 협업 및 버전 태깅
연구 경력, 학력 및 수상 실적
연구실과 학계, 산업 현장을 아우르며 지속적으로 증명해 온 연구 역량과 학업 성과입니다.
연구 및 실무 경력
Graduate Research Assistant / Project Lead
생성형 AI(Diffusion Model), 저수준 비전(Low-Level Vision) 및 멀티모달 초해상도/노이즈 모델링 연구
- Clean 영상 없이 단 2장의 버스트 노이즈 영상으로 실제 sRGB 센서 노이즈를 생성하는 1-Step DiT 프레임워크 YeTI 제안 (🎉 ECCV 2026 Accepted, Poster, 공동1저자)
- 16배 초고배율 영상 복원에서 디퓨전 환각을 억제하는 검색 증강 기반 TigerESR 프레임워크 제안 (In Preparation, 제1저자)
- 8x NVIDIA RTX A6000 GPU 클러스터 기반 분산 학습 파이프라인 및 W&B 실험 로깅 환경 운영
Research Student / B.S. Graduate Researcher
카메라 특성 변화 및 영상 왜곡에 강인한 도메인 적응형 세그멘테이션 알고리즘 연구
- 카메라 센서 특성 왜곡 환경에서의 Transfer Learning 기반 시맨틱 세그멘테이션 기법 개발
- 학사 졸업 논문: Domain Adaptive Semantic Segmentation Algorithm Robust to Changes in Camera Characteristics
수상 및 경진대회 성과
우수논문상 (Outstanding Paper Award)
생성형 딥러닝 기반의 영상 품질 향상 및 노이즈 모델링 관련 우수 연구 성과 인정
3위 (3rd Place / 우수상)
원격 탐사 고해상도 위성 영상에서 악조건(파도, 구름) 속 선박 객체 정밀 검출 모델 개발
학력 & 연구실
컴퓨터소프트웨어학과 석사과정 (M.S. in Computer Science)
- 연구 분야: Deep Learning, Diffusion Models, Image Restoration, Multi-Modal Vision
- 지도교수: 김태현 교수님 (Prof. Tae Hyun Kim)
- 석사 학위 논문: YeTI: You Only Need Two Noisy Images for Real-World sRGB Noise Generation
전자공학과 학사 (B.S. in Electronic Engineering)
- 신호 및 시스템, 디지털 영상처리, 통신시스템, 컴퓨터 구조 전공
- 학사 학위 논문: Domain Adaptive Semantic Segmentation Algorithm Robust to Changes in Camera Characteristics
기타 연구 & 엔지니어링 프로젝트
연구와 기술로 혁신에 기여할
새로운 도전을 준비하고 있습니다
세상에 실질적인 가치를 더하는 AI 기술을 만들어가고 싶습니다.