[학회 후기]

2024년 5월 30일 양재에서 열린 한국데이터마이닝학회에 참석하였다. 처음으로 참석한 학회인 만큼 설레는 마음으로 참석하였다. 다양한 연구들을 직접 청취해보며, 많은 사람들이 적극적으로 질의응답에 참여하는 모습들을 보며 긍정적인 자극을 받을 수 있었다. 또한 DMQA 연구원들의 발표를 들으며 나도 학회 발표를 할 수 있는 기회를 얻을 수 있다면 많은 사람들에게 영감을 줄 수 있는 발표를 하고 싶다는 생각을 하였다. 현재 생성 모델과 시계열 데이터에 대한 연구를 진행하고 있는데, 이와 관련된 세션들을 찾아다니며 들으면서 즐거운 시간을 보낼 수 있었다. 추계학회도 상당히 기대가 되게끔 하는 알찬 학회였다.

[청취후기]

1. 튜토리얼 - 안전한 AI

튜토리얼 세션에서 데이터 인텔리전스 기업에서 안전한 AI에 대한 발표를 진행하였다. 최근 많은 현대인들이 온라인에 머물고 있는 시간이 늘어남에 따라 ChatGPT와 같은 모델들이 일상생활에 제공하는 편리함이 더욱 크게 와닿고 있다. 하지만 이러한 모델들이 악용되어 여러 범죄에 활용되기도 한다. 예를 들어, Fraud GPT의 경우 인풋으로 사람에 대한 정보를 넣어주면 자동으로 사기 문자 혹은 메일을 생성하거나, 모델을 poisoning하여 악의적인 내용을 생성할 수 있도록 하는 등 사람들에게 직접적인 피해를 줄 수있는 모델을 만드는 범죄 집단들의 수도 꾸준히 증가하고 있다. 이에 많은 연구들이 성능에만 집중하는 것이 아닌, 안전성과 보안 문제를 해결하기 위한 연구들이 더욱 활발하게 진행되어야할 필요성이 있다. 

2. 포즈 인식 디퓨전 모델을 통한 가상 의상 착용

본 연구는 이미지 기반 가상 의상 착용을 목표로 디퓨전 모델을 활용하였다. 기존의 가상 의상 착용 방법론들은 인간의 포즈를 잘 인식하지 못하거나 옷의 길이가 달라지는 경우 현실성과 정확성이 떨어지는 문제점을 가지고 있다는 점에서 출발한다. 이에 발표자는 단순히 디퓨전 모델을 적용하는 것이 아닌, 포즈에 대한 정보를 함께 제공함으로써 보다 다양한 자세와 의류에서 자연스러운 생성물이 생길 수 있도록 하였다. 특히, 포즈 인식과 ControlNet을 결합하여 정교한 이미지를 생성화는 과정에 대해 상세히 설명하였고, 제안된 방법이 기존의 VTON 모델들에 비해 높은 성능을 보이는데 성공하였다. Virtual Try On이라는 분야의 문제점을 정확히 판단하고 이를 해결하기 위해 직관적인 방법을 고안해냈다는 점이 매우 인상적이었다.

3. MRI data augmentation via Denoising Diffusion Probabilistic Model

본 연구는 의료 데이터 특성상 보안상의 이유로 데이터수가 제한적이며, 사람의 생명과 직결된 데이터인만큼 정밀도가 높아야하기 때문에 MRI 데이터를 사실적으로 증강시키기 위한 연구이다. 이에 최근 높은 퍼포먼스를 보이는 디퓨전 모델을 활용하였으며, AnoDDPM에 영감을 받아 MRI 데이터에 적합한 노이즈를 찾고자 하였다. 발표자는 일반적으로 디퓨전 모델에서 사용되는 가우시안 노이즈 대신 Rician 노이즈를 활용하였으며, 실험적으로 본 노이즈 기법이 더 높은 품질의 데이터를 생성하였음을 보였다는 점에서 매우 흥미로웠다. 또한, 질의 응답 내용 중 가우시안 노이즈가 아닌 Rician 노이즈를 사용함으로써 기존 디퓨전 모델의 손실함수를 그대로 사용하는 것이 맞는지에 대한 질문이 있었는데, 디퓨전 모델을 연구하고 있는 사람으로써 한번도 생각해보지 못했던 질문이라 새로운 관점으로 문제를 바라볼 수 있어 매우 유익했다.