글래스 이미징(Glass Imaging)의 핵심 기술 > 최신소식

1. 전통적 ISP(이미지 신호 처리)의 한계 극복

• 물리학적 한계 돌파:스마트폰이나 소형 기기에 들어가는 작은 센서와 렌즈는 빛을 받아들이는 양이 적고, 픽셀 크기가 작아질수록 빛의 간섭이나 회차 현상에 따른 블러(Blur), 색수차, 왜곡이 발생하기 쉽습니다.

• 동시 병렬 처리(End-to-End): 기존 카메라 소프트웨어는 디모자이싱, 노이즈 제거, 샤프닝 등의 보정 단계를 순차적으로 거치며 디테일을 잃어버리거나 과도하게 인위적인 후보정 결과물을 만들기 쉽습니다. 반면 글래스 이미징의 GlassAI는 이 과정들을 신경망을 통해 동시에 병렬로 처리하여 진짜 디테일을 살려냅니다.

2. 주요 핵심 기술 블록

• Neural ISP (신경망 이미지 신호 처리기):센서가 받아온 원본(RAW) 데이터 단계에서부터 특정 렌즈와 센서 조합의 고유한 광학적 특성(점산함수·PSF, 노이즈 프로필 등)을 역산하여 결함을 교정합니다.단순한 픽셀 보정이 아니라 실제 렌즈가 담아냈으나 기존 파이프라인에서 유실되었던 '진짜 디테일'을 복원하는 것이 특징입니다.

• Neural Zoom (뉴럴 줌):여러 장의 RAW 프레임 버스트(Burst) 촬영을 활용해, 망원 렌즈가 따로 없는 보급형 기기나 소형 기기에서도 선명한 고배율 줌 화질을 구현합니다.

• Neural Night (뉴럴 나이트): 극도로 어두운 저조도 환경에서도 자연스러운 톤을 유지하면서 노이즈를 완벽하게 억제해 맑은 이미지를 만들어냅니다.

3. 하드웨어와 광학 설계의 융합 (Co-designed Optics)

• 소프트웨어 보정에만 그치지 않고, 인공지능 알고리즘과 최적화된 새로운 형태의 렌즈 설계 구조를 결합하는 방향으로 확장하고 있습니다.

• 이를 통해 스마트폰 카메라의 물리적인 '카메라 툭 튀어나옴(카메라 카탈로그 현상)' 문제를 줄이면서도, 기존 대비 훨씬 더 많은 빛을 받아들이고 더 자연스러운 아웃포커싱(Natural Bokeh) 효과를 내는 초슬림 고성능 카메라 모듈 구현을 목표로 하고 있습니다.

오픈AI가 이러한 시각 정보 처리 기술을 확보함에 따라, 향후 선보일 전용 하드웨어 기기(예: 주변 환경을 시각적으로 인식하고 상호작용하는 AI 디바이스)에서 고품질의 비디오 및 이미지 입력을 처리하는 데 강력한 기반을 갖추게 될 것으로 전망됩니다.