[학회 후기]

2023년에는 청취자로 참석했던 학회에 올해는 발표자로서 다시 발을 들여놓게 되었습니다. 지난해와 마찬가지로 양재 엘타워에서 개최된 이번 학회는 참석자 수도 작년과 동일하거나 그 이상으로 보였습니다. 이미지와 영상 처리, 의료 및 헬스케어, 강화 학습 등 다양한 주제가 다루어진 여러 세션 중에서도 특히 눈에 띄었던 몇 가지 발표가 있었습니다. 이미지 및 영상 데이터 마이닝 세션에서는 ‘RGB-D 이미지에서 마스킹 기반 지도 학습을 통한 주요 물체 검출’이라는 주제가 흥미로웠고, 의료 및 헬스케어 데이터 마이닝 세션에서는 ‘How are you feeling today? Depression Auto-Test Chatbot based on BERT Classifier’, 최적화 및 강화학습 응용 세션에서는 ‘Denoising Autoencoder와 이산 최적화를 활용한 열전달 디지털 트윈 구축의 실시간 모니터링 시스템 설계’에 대한 발표가 인상적이었습니다. 이번 학회를 통해 다양한 연구 분야에서 얼마나 많은 진전이 이루어지고 있는지 다시 한번 깨닫게 되었고, 각 세션에서 제시된 아이디어와 해법들이 앞으로의 연구 방향에 어떤 영향을 미칠지 기대가 됩니다.

[발표자 후기] 

C-2 세션의 마지막 순서로 ‘역학 모델을 활용한 데이터 효율적인 다중 에이전트 강화학습’이라는 주제로 발표할 기회가 주어졌습니다. 지난해에 비해 더 큰 공간에서 많은 청중 앞에서 발표하다 보니 예상보다 긴장감이 컸습니다. 비록 발표 준비에 많은 시간을 할애했지만, 실제로 무대에 서서 발표할 때는 일부 중요한 설명을 빼먹거나 조급해지는 모습을 보이기도 했습니다. 이번 경험을 통해 각 슬라이드의 핵심을 파악하고 이에 맞추어 설명을 구성하는 연습의 중요성을 깊이 느끼게 되었습니다. 또한 청중들의 질문을 통해 평소 생각하지 못했던 새로운 관점들을 발견할 수 있었으며, 이러한 상호 작용이 연구에 있어서도 큰 도움이 됨을 깨달았습니다. 이번 세션에서 최우수상을 수상하게 되어 매우 영광스럽게 생각하며, 이 상은 앞으로의 연구 활동에 더 큰 동기 부여가 될 것입니다.

 [청취후기]

1. RGB-D 이미지에서 마스킹 기반 지도 학습을 통한 주요 물체 검출

해당 연구는 이미지 내 중요 물체를 검출하는 분야인 Salient Object Detection(SOD)에 관한 것이었습니다. 이 분야는 이미지에서 의미 있는 정보를 담고 있는 중요 물체들만을 선별하여 감지하는 기술로, 다양한 이미지 처리 애플리케이션에서 매우 중요하게 활용됩니다. 특히, 이번 발표는 RGB 이미지뿐만 아니라 깊이 정보를 포함한 depth 이미지를 활용하는 RGB-D SOD에 초점을 맞췄습니다. 발표자는 기존의 이미지 분할 기법과는 다르게 SOD가 전체 이미지 내에서 물체의 중요성을 판단하기 위해, 이미지 속 맥락을 이해하는 것이 필수적임을 강조했습니다. 이를 위해, 학습 데이터의 부족으로 인한 맥락 이해의 한계를 극복하고자 새로운 마스킹 기반 지도 학습 프레임워크를 제안했습니다. 이 프레임워크는 샴 구조의 네트워크를 사용하며, 구조적 변형 없이 추가적인 마스킹된 입력 값을 통해 지역적 및 전역적 맥락을 학습합니다. 발표는 매우 인상 깊었으며, 제안된 프레임워크가 실제 환경에서 어떻게 적용될 수 있을지에 대한 논의가 흥미로웠습니다. 특히, 추론 단계에서 추가 비용 없이 기존의 모델과 동일하게 작동한다는 점이 실용적인 면에서 큰 장점으로 다가왔습니다. 청중으로서 이 기술이 실제로 다양한 분야에서 어떻게 활용될 수 있을지 더 알아보고 싶다는 생각이 들었고, 해당 기술의 발전 가능성에 크게 기대하게 되었습니다.

2. How are you feeling today? Depression Auto-Test Chatbot based on BERT Classifier

해당 연구는 우울증 진단과 치료를 지원하는 챗봇에 관한 것이었습니다. 이 챗봇은 BERT Classifier를 기반으로 하여 사용자의 발화에서 우울증 진단에 필요한 정보를 자동으로 추출하고 관련 발화를 탐지하는 기능을 포함하고 있습니다. 발표자는 정신 의학과 상담 데이터를 사용하여 학습시켜, 기존의 문제였던 Hallucination을 최소화했습니다. 이 챗봇은 Google의 PaLM2 모델과 비교하여 더 높은 정확도(0.85)를 달성했으며, 실패 사례 분석을 통해 향후 연구 방향을 제시하였습니다. 이 발표는 챗봇 기술의 발전 가능성을 보여주며, 실제 의료 환경에서의 응용을 기대하게 만들었습니다.

3. Denoising Autoencoder와 이산 최적화를 활용한 열전달 디지털 트윈 구축의 실시간 모니터링 시스템 설계

해당 연구는 Denoising Autoencoder와 이산 최적화 기법을 결합하여 제한된 수의 센서를 활용해 열전달 시뮬레이션 결과를 실시간으로 정확하게 재구성하는 Optimal Sensor Placement 방법론을 소개하였습니다. 발표자는 센서 배열을 최적화하여 비용 효율적이면서도 정확한 온도 모니터링을 가능하게 했으며, 노이즈에 강건한 결정 과정을 지원하는 DAE의 효율성을 기존 방법론과 비교하여 입증했습니다.