[학회 후기]
푸르른 남해 바다를 낀 여수에서 열린 2024년 춘계공동학술대회(한국경영과학회, 대한산업공학회, 한국시뮬레이션학회 공동 주최)에 참석하였다. KTX로 약 3시간 걸려 도착한 여수의 바다 내음과 맛있는 음식들은 리프레쉬 하기에 충분했다. 또한, 이번 대한산업공학회는 내 대학원 인생 3번째 참석이었지만 학회장의 뜨거운 열기는 아직도 낯설었다. 1000명 이상이 등록했을 만큼 학회장은 사람들로 붐볐고, 경희대 선/후배들과 연구실 졸업생 이경이 등 반가운 얼굴들을 많이 볼 수 있었다. 특히, 이번 학회는 SK하이닉스 연구진들과 하나의 세션을 이루어 함께 발표했던 것이 가장 기억에 남는다. 반도체 이미지에 인공지능을 도입한 연구사례와 실제 현업 적용사례를 동시에 다루는 만큼, 우리 세션은 가장 큰 세미나실이었음에도 사람들로 가득했다. 개인적으로는 많이 떨었던 것 같고, 준비한 것을 다 보여주지 못한 것 같아 다소 아쉬움은 남는다. 더불어, 이번 춘계공동학술대회에서는 인공지능과 관련된 주제들이 많이 다뤄졌다. 학술발표가 할당된 2일간 산업인공지능 응용 분야만 12개 세션이 열렸을 만큼, 굉장히 다양한 주제가 논의되었다. 특히, 우리 연구실에서도 많이 하는 준지도학습 및 도메인 일반화와 관련된 주제들은 쉽게 찾아볼 수 있을 정도로, 산업공학과에서 인공지능에 대한 관심이 높아진 것을 실감할 수 있었다. 이번 학회도 역시나 즐거운 추억 뿐만 아니라 유익한 기억이 가득했다.


[발표 후기]
앞서 후기에 언급한 것처럼, 이번 발표는 SK하이닉스 산학과제에서 연구했던 내용을 주제로 발표를 진행했다. 주제는 “반도체 웨이퍼 TEM 이미지를 위한 초해상화 프레임워크”였다. 초해상화 모델 학습을 위해서는 저화질 및 고화질 이미지가 모두 필요한 반면, 반도체 웨이퍼 TEM 이미지는 고화질 이미지만 존재하기에 학습에 어려움이 존재한다. 또한, 반도체 웨이퍼 TEM 이미지는 경계선 및 미세패턴 복원이 중요하다. 따라서, 본 연구는 불완전한 데이터 쌍 문제를 극복하고, 경계선과 미세패턴을 효과적으로 복원할 수 있는 프레임워크를 새롭게 제안하였다. 실제 저화질 이미지를 복원한 결과, 제안하는 프레임워크는 알려지지 않은 노이즈를 잘 대응했을 뿐만 아니라, 경계선도 효과적으로 복원할 수 있었다. 초해상화는 개인적으로 이번 과제를 수행하면서 처음 접해본 토픽이었다. 연구 초반에는 어려웠지만, 하면 할수록 어느정도 윤곽이 잡혀 재밌게 연구하였다. 특히, 현업 엔지니어들과 함께 연구하는 과정에서 기업 관점의 유의미한 피드백을 지속적으로 받았던 것이 큰 도움이 되었다. 덕분에 이론적인 관점에 매몰되지 않고, 현업에 도움이 될 수 있는 현실적인 연구를 수행 할 수 있었다.
질문 1) 해당 프레임워크를 다른 문제상황에 적용하려면 어떻게 변경하면 좋을지 궁금하다.
답변 1) 만약 초해상화라는 문제점이 동일하다면, Image Enhancing을 다르게 변경해보는 것을 권장한다. 예를 들어, 만약 접한 문제상황이 Salt-and-pepper Noise를 제거하는 것이라면, Image Enhancing 대신 Image Denoising을 추가하는 것처럼 말이다. 


[청취 후기]
장비 점검일지 디지털화를 위한 컴퓨터 비전 기반 셀 인식
흔히 현장에서는 정해진 양식에 수기로 장비들 및 작업 현황을 체크한다. 하지만, 해당 과정은 늘 인간이 개입하여 자료를 정리 및 처리하는데 많은 시간이 소요된다. 따라서 본 연구는 이러한 단어들을 자동으로 식별하고, 각 셀에 정리하는 과정을 인간의 개입 없이 인공지능으로 구현하고자 한다. 하지만 글자 인식은 둘째 치고, 각 글자들이 정해진 양식의 칸을 넘어가는 경우가 있다. 본 연구에서는 단어 간 연결성을 파악하여 이처럼 칸을 넘어가는 단어들을 정해진 셀에 알맞게 넣고자 하였다. 이를 위해 OCR 기술과 GNN 기술을 동시에 활용하여 단어들의 연결성을 식별하고자 하였다.
질문 1) 이미 단어들을 잘 추출했는데, 언어 모델이 아닌 GNN을 적용한 이유가 있나요?
답변 1) 인접한 노드 간 연결성을 잘 파악할 수 있는 장점을 가진 GNN은 연결되는 단어 식별에 도움이 될 수 있다고 판단하였습니다.