본 과제는 이미지 내 영역별 중요도 불균형을 고려하여 차등적 해상도로 저장함으로써 저장공간을 확보하는 MRS3 시스템 개발을 목적으로 한다. 기존 PNG, JPEG 등 압축 알고리즘이 모든 픽셀에 균일한 압축을 적용하는 것과 달리, 얼굴과 같은 중요 영역은 원본 해상도로, 하늘이나 나무 등 배경은 저해상도로 저장하여 추가적인 공간 이득을 제공한다.
압축 단계에서는 YOLO 기반 자동 ROI 설정 또는 사용자 수동 선택을 통해 중요 영역을 추출하고, 원본 해상도 ROI와 다운스케일된 배경을 pkg 확장자로 패키징한다. 복원 단계에서는 EDSR 모델을 활용한 Super Resolution으로 배경을 업스케일하고, 원본 ROI와 자연스러운 알파블렌딩을 통해 완전한 이미지를 재구성한다. 본 시스템을 FastAPI 및 ngrok을 통한 공개 웹 기반 인터페이스로 구축하여 사용자 접근성을 극대화했다. 사용자와 서버 간 상호작용을 단계적으로 나타내면 다음과 같다.
압축: 이미지 업로드 → ROI(다각형) 설정 → 배율/고압축 옵션 선택 → 서버 처리 → .pkg 반환
복원: .pkg 업로드 → 복원 모드 선택 → 서버 처리 → 복원 결과 반환
MRS3는 인물 사진에서 기존의 20-40% 로의 용량 감소 효과를 달성하며, 압축-복원 통합 파이프라인을 제공하여 기존 기술 대비 운영 복잡성을 크게 줄였다. 영역별 차등적인 해상도 할당과 지능적 ROI 판별 기능(YOLO)으로 콘텐츠에 최적화된 처리가 가능하며, 웹 기반 서비스로 즉각적인 활용이 가능하다.
의료영상 분야에서 진단 품질 보장과 동시에 PACS 저장비용 절감, 보안 감시 시스템에서 저장용량 절약 등 다양한 이미지 관련 분야에서 활용 가능할 것으로 보인다. 글로벌 이미지 압축 시장의 연평균 8.5% 성장 환경에서 B2C 구독 서비스부터 B2B API 서비스까지 다양한 수익 모델을 구현할 수 있으며, 클라우드 스토리지 비용 상승 압박에 대응하는 실질적 솔루션으로서 높은 시장 가치를 보유한다.