[학회 후기]

산업공학 전공을 선택하고 첫 학회를 특별하게 지도 교수님이 학회장으로 계신 한국데이터마이닝학회를 청취자 자격으로 참여하게 되었습니다.

현재 내가 속한 분야에는 어떤 연구들이 진행되고 있는 지, 같은 연구실 동료들은 어떤 연구를 진행하고 있는지 듣는 것만으로 식견을 넓힐 수 있는 좋은 기회라고 생각했고 예상대로였습니다.

다양한 분야의 문제를 자신만의 방식으로 해결하고 그 결과를 공유하는 방식이라서 모든 발표가 흥미로웠으며 청취자들이 적극적으로 질의응답하는 걸 보면서

다들 진심으로 분야를 좋아하는 진심이 느껴졌다. 또한 DMQA 연구원들이 잘 만든 발표자료와 발표를 들으면서 참 능력 좋은 동료들과 함께 하고 있다는 생각을 다시 한번 했습니다.

또한 스태프로 도움을 주는 동료들이 일하는 걸 봤고 덕분에 행사 전체가 매끄럽게 진행이 되어서 짧게라도 고생했다고 후기에서라도 전하고 싶습니다. 

벌써부터 경주에서 진행될 추계학회도 기대가 됩니다.

[청취후기]

-. TA-Net: Tri-Aspect Network for Camouflaged Object Detection

Vision 분야에 경험이 없어 COD 라는 분야를 처음 접해서 주제만으로도 흥미로웠습니다.

또한 특성 추출에 Edge를 강화하는 Edge Network, RGB->HSV 의 차이를 사용한 Color Network, Bayar Conv.를 활용한 Texture Network 등을 활용하여 

최적화된 독립적 네트워크를 구성해 해결하는 방식이 독특하다고 생각했습니다. 결과측면에서도 상당히 괄목할만한 내용을 보여주어 좋은 연구 발표라고 느꼈습니다.

-. 포즈 인식 디퓨전 모델을 통한 가상 의상 착용

동료 연구원인 박태남 연구원의 발표로 기존 디퓨전 모델을 활용한 VTON에서 조금 더 나아가

사람의 이미지를 보존하여 추가 모듈로 활용하는 PA VTON에 대한 발표였다. 기존 한계를 극복해내는 Ideation 이 좋았고 발표도 잘 이루어졌다.

또한 관절의 위치를 활용한 방식을 활용하지 않고 이미지를 보존하는 방식을 선택한 사유에 대한 질문에 대해 조금 더 나은 결과에 기반한 답변이 훌륭하다고 생각했다.

-. 소리 데이터를 활용한 C-EPS 모터 소음 불량품 검출 모델 제작

자동차 핸들 조향장치의 소음을 통해 불량품을 찾아내기 위한 연구에 대한 내용이었으며, 소리데이터를 Spectrogram 으로 변환하는 전처리에 대한

이유와 그 과정에 대한 설명이 인상 깊었습니다. 또한 불량 모델을 unsupervised clustering 기법을 활용해 labeling하는 방법론의 제안이 

실제 산업환경에서는 불량을 "구분"하는 것도 굉장히 중요하기 때문에 적용을 했을 때 의미하는 바가 큰 연구라는 생각이 들었습니다.

-. 도메인 별 최대 손실 함수를 고려한 강건 최적화 기반 도메인 일반화

같은 연구실의 정진용 연구원의 발표라 조금 더 시작부터 관심을 가지고 본 발표였습니다. 하지만 이를 고려하지 않아도 

도메인이 다를 때 i.i.d 가정이 충족되지 못 한다는 배경설명이 이해하기 쉽고 인상적이었고, 문제 제안을 어디에 하고 있는지 확실히 알 수 있었습니다.

이를 해결하기 위해 도메인 일반화라는 방법론적 접근을 해서, 실제 양호한 성능을 구현하기 위해서 다양한 도메인에서의 Worst case 의 loss를 기반으로 

손실함수를 계산하여 이를 통해 강건화를 꾀한다는 논리가 좋았고, 이에 기반한 좋은 연구 결과까지 보여줘서 다양한 분야에서 이러한 방식으로 

문제를 접근할 수 있고, 효과적이겠다는 생각을 했습니다. 

-. 역학 모델을 사용한 데이터 효율적인 다중 에이전트 강화 학습

발표 시작부터 동료 연구원인 김정인 연구원의 클래식한 옷차림이 참 멋지다고 생각하며 듣기 시작했습니다.

스타크래프트2 벤치마크를 활용하여 다중에이전트와 에이전트와 환경 그 둘의 상호작용으로 인한 변화에 대한 모델링 그 자체를 결합한다는 방식이 

모두에게 흥미로웠을 것이라고 생각합니다. 또한 해당 연구가 왜 사전에는 없었는지에 대한 질의응답에서 연구 과정에서의 차원 맞추기부터 어려웠던 경험을 듣고

누구나 그렇겠지만 발표는 컴팩트해도, 뒤에서는 정말 고생했구나 라는 생각이 들어 절로 박수가 크게 쳐지는 연구 발표였습니다.

-. 반도체 공정 소재 품질을 위한 시계열 및 이미지 변환 데이터 활용 멀티모달 이상치 탐지

연구실 앞자리에 앉은 백민지 연구원의 발표이기도하고, 개인연구와 같은 산업분야의 이야기라서 관심을 가지고 봤습니다.

소재 품질을 위해 시계열 tabular data와 마르코프 전이 필드로 변환한 이미지 데이터를 각각 학습시켜 합쳐서 이상치 탐지에 활용한다는 컨셉이 인상적이었습니다.

Tabular data의 trend chart 를 변환한 이미지 데이터가 학습에 기여를 할 수 있다는 게 새로웠습니다. 

이런 내용이 실제 산업에 융합되면 사람의 공수를 덜 들이는 것도 당연하겠고, 사고를 최소한의 피해로 막는데 일조할 수 있겠다는 의의가 있는 좋은 연구라고 생각했습니다.

이 외에도 좋은 연구들이 많았습니다. 초심자인 제게는 다들 인상 깊었고, 동료 연구원들에게 다시 한 번 고생했다고 박수쳐주고 싶습니다.