ㅁ 신호처리 융합

ㅇ 정의:
다양한 생체 신호(심박수, 피부 전도, 음성 톤, 표정 등)와 환경 신호를 통합 분석하여 감정 상태를 추정·분류하는 기술.

ㅇ 특징:
– 멀티모달 데이터(음성, 영상, 생체 센서)를 융합하여 정확도 향상.
– 실시간 분석 가능성이 높으며, 개인 맞춤형 반응 설계 가능.
– AI 모델은 주로 딥러닝 기반의 패턴 인식 및 분류를 사용.

ㅇ 적합한 경우:
– 고객 서비스에서 감정 기반 대응.
– 심리상담, 정신건강 모니터링.
– 게임, 엔터테인먼트에서 몰입도 향상.

ㅇ 시험 함정:
– Emotion AI는 단순 표정 인식만을 의미하지 않음(O).
– 단일 센서 데이터만으로도 Emotion AI라 부를 수 있다(X) → 융합 분석이 핵심.
– Emotion AI는 반드시 실시간이어야 한다(X) → 비실시간 분석도 가능.

ㅇ 시험 대비 “패턴 보기” 예시:
– “Emotion AI는 멀티모달 신호 융합을 통해 감정 상태를 추정한다.” (O)
– “Emotion AI는 오직 얼굴 표정 분석만을 의미한다.” (X)
– “Emotion AI는 심박수, 피부 전도, 음성 톤 등의 데이터를 통합 분석할 수 있다.” (O)

ㅁ 추가 학습 내용

Emotion AI 학습 시에는 다음 내용을 중요하게 학습해야 한다.

첫째, 데이터 전처리 과정에서 노이즈 제거와 센서 보정 기술을 이해해야 한다. 이는 측정 장비나 환경적 요인으로 인한 불필요한 신호를 제거하고, 센서 오차를 최소화하여 정확한 데이터를 확보하는 과정이다.

둘째, 개인별 생리적 반응 차이를 고려한 모델 보정 방법을 학습해야 한다. 사람마다 감정에 따른 생리 신호 반응이 다르므로, 이를 반영해 모델의 예측 정확도를 높이는 보정 기법이 필요하다.

셋째, 프라이버시 및 윤리적 문제를 이해해야 한다. 감정 데이터는 민감한 개인정보이므로 수집과 활용 시 반드시 동의 절차를 거쳐야 하며, 관련 법규를 준수해야 한다.

넷째, 멀티모달 융합 시 특징 추출과 특징 결합의 순서와 방법을 구분할 수 있어야 한다. 특징 결합 방식에는 early fusion(특징 추출 직후 결합), late fusion(각 모달별 분석 후 결과를 결합), hybrid fusion(두 방식을 혼합)이 있으며, 각 방식의 차이와 적용 상황을 숙지해야 한다.