이화여자대학교 인공지능대학 컴퓨터공학과

컴퓨터공학전공 컴퓨터비전 연구실(지도교수: 민동보) 소속 연구팀이 컴퓨터비전 및 인공지능 분야의 세계적인 학술대회 <European Conference on Computer Vision 2024(이하 ECCV) 2024>에서 총 3편의 논문을 발표한다.

기술 발전 속도가 빠른 인공지능 분야는 최신 연구 동향을 반영하고 이를 선도하기 위해 국제학술대회 발표가 SCI 저널 게재보다 우선시되고 있다. <ECCV>는 CVPR(Computer Vision and Pattern Recognition) 및 ICCV(International Conference on Computer Vision)와 함께 컴퓨터비전 및 인공지능 분야 최고 권위를 자랑하는 국제학술대회로, 주요 연구자·학자·산업 전문가들이 모여 최신 연구와 기술 트렌드를 논의하는 자리로 인정받고 있다. 

<ECCV 2024>는 9월 29일(일)부터 10월 4일(금)까지 밀라노에서 개최되며, 컴퓨터비전 연구실 소속 연구팀의 논문 총 3편이 해당 연구의 학문적 중요성과 혁신성을 인정받아 본 대회 발표 논문으로 채택됐다.

(왼쪽부터) 컴퓨터공학과 민동보 교수, 최혜송 통합과정생, 박혜진 박사과정생 

캐나다 UBC 컴퓨터비전 연구실과의 공동 연구로 진행된 논문 「Salience-Based Adaptive Masking: Revisiting Token Dynamics for Enhanced Pre-training」[최혜송(제1 저자), 박혜진, 이광무, 차성민, 민동보(교신 저자)]는 최근 컴퓨터 비전 분야에서 주목받고 있는 대형 모델의 효과적인 학습 방법인 마스크 이미지 모델링에 대해 현저성 기반의 토큰 마스킹 기법과 적응적 마스킹 비율을 제안했다. 이 연구는 사전 학습의 성능과 효율성을 크게 개선하여, 컴퓨터 비전 모델의 학습에 새로운 방향성을 제시하고 있다.

현대자동차 연구개발팀과의 공동 연구로 발표된 논문 「Emerging Property of Masked Token for Effective Pre-training」[최혜송(1저자), 이헌상, 정세영, 박혜진, 김지영, 민동보(교신 저자)]는 대형 모델 사전 학습에서 중요한 역할을 하는 마스크 토큰의 새로운 특성을 분석했다. 또한, 엔트로피 기반의 최적화 기법을 도입하여 마스크 토큰 값을 효율적으로 설정함으로써 사전 학습 시간을 절반으로 줄이고, 학습 효율성을 극대화하는 데 성공해 주목받았다.

논문 「Dynamic Guidance Adversarial Distillation with Enhanced Teacher Knowledge」[박혜진(1저자), 민동보(교신 저자)]는 인공지능 모델의 적대적 공격에 대한 취약성을 극복하기 위한 혁신적인 접근 방법을 제시하고 있다. 적대적 증류 과정에서 발생하는 교사 모델의 예측 오류 전이를 동적으로 해결함으로써, 학생 모델이 높은 정확도와 강력한 방어력을 동시에 달성할 수 있도록 하는 DGAD(Dynamic Guidance Adversarial Distillation) 프레임워크를 제안했다.

이러한 성과는 글로벌 학술 커뮤니티 내 본 연구실의 위상을 강화하며, 컴퓨터비전과 인공지능 연구의 발전에 기여하는 중요한 이정표가 될 것으로 기대된다.