[학회 후기]
2024년 10월 24-25일, 서울 강남에서 개최된 대한산업공학회 추계학술대회에 참여하게 되었다. 작년에 탈락의 쓴맛을 맛 본 석사논문경진대회에 한 번 더 도전하기 위해서였다. 작년에는 아쉽게 본선 진출을 하지 못해 일반 세션 발표를 하기 위해 학회를 참여하였지만, 올해는 본선 발표를 위해 학회에 참여하였다. 준비하는 과정에서 교수님과 연구원들의 많은 도움이 있었고, 그 결과 운이 좋게 본선에서 최우수상을 탈 수 있었다. 실패를 경험했지만 포기하지 않고 이룬 성과라 더욱 뿌듯하다.
학회장에서는 다양한 주제로 구성된 세션들에서 여러 연구자분들께서 자신의 연구와 관심 분야에 대해서 훌륭한 발표를 진행해주셨다. 이를 통해서 알지 못했던 새로운 연구 분야와 트렌드에 대해서 청취할 수 있었고, 다른 분들의 생각을 들으며  나의 연구 방향성에 대해서 깊이 고민해 볼 수 있었다.

[발표 후기]
주제: Virtual Try-on with Pose-Aware Diffusion Models
이미지 기반 가상 의상 착용(Virtual Try-on)을 해결하기 위한 Diffusion Models 기반 방법론을 주제로 발표하였다. 최근에 온라인 의류 시장의 확대로 가상 착용 기술에 대한 수요가 증가하고 있다. 그 중 이미지 기반 가상 착용 기술은 참조 이미지를 활용해 인물 사진에 의류를 자연스럽게 합성하는 것을 목표로 하고 있다. 기존 GAN 기반의 방법론은 GAN의 자체적인 이미지 합성 성능 한계로 인해 한계를 보이고 있고, 이를 해결하기 위해 GAN 대신 이미지 생성 분야에서 주로 활용되는 Diffusion Models을 활용한 방법론들은 비교적 우수한 성능을 보이지만 여전히 사실적인 이미지 생성에 있어 한계를 보이고 있다. 본 연구는 이러한 한계를 해결하기 위해 사전 훈련된 Diffusion Models 기반 가상 착용 아키텍처에 자세와 신체 정보 보존을 강화할 수 있도록 추가 조건을 확산 과정에 제공하고자 한다. 제안하는 방법론의 성능을  GAN 기반 모델, Diffusion 기반 모델, Diffusion inpainting 기반 모델과의 정성 및 정량 비교를 통해 검증되었으며, 기존 VTON 방법보다 자세 보존과 이미지 품질 문제를 효과적으로 해결함을 확인했다. 청취자들에게 발표를 효과적으로 전달하고자 많은 노력을 기울였고, 발표를 성공적으로 마칠 수 있었다. 발표가 끝난 후 여러 질문을 받고 답변을 하며 추후 연구 방향성과 다양한 시각으로 제안한 연구를 바라볼 수 있는 뜻깊은 시간이었다.

질문 1: 추가 조건으로 활용하는 이미지들은 사전에 모두 추출한 후 사용하는 것인지 아니면 End-to-End 방식으로 모델에 입력을 받으면 전처리도 진행하는 것인지?
답변 1: 학습과 실험을 하는 과정에서는 벤치마크 데이터셋을 활용하여 진행했기 때문에 미리 전처리를 진행한 후 활용하였고, 실제로 모델을 현실에서 활용할 때는 End-to-End로 진행하는 구조로 진행해야한다.

질문 2: 현재 진행한 연구는 각 부위에 옷을 하나씩만 착용할 수 있는 방법론 같은데 혹시 같은 위치에 여러 옷을 입히고 싶은 경우에도 가능한가?
답변 2: 현재 진행한 연구는 한 가지의 옷을 착용하는 경우에만 실험을 한 것이고, 상의와 하의를 각각 다른 옷으로 입히는 것은 가능하다. 하지만 여러 옷을 동시에 겹쳐 입히는 것은 고려하지 않은 연구이고, 그런 경우를 다루는 연구 분야가 따로 존재한다.

[청취 후기]
- AnoPLe: Few-Shot Anomaly Detection via Bi-directional Prompt Learning with Only Normal Samples (장서윤, 연세대학교)
이상 탐지 연구는 주로 많은 양의 정상 데이터가 존재한다고 가정하지만, 비정상 샘플 뿐만 아니라 대량의 정상 데이터를 확보하는 것 또한 항상 가능하지는 않다. 따라서 소수의 정상 샘플 만으로 이상을 감지할 수 있는 연구의 필요성이 대두된다. 이를 위해 해당 연구에서는 양방향 멀티 모달 프롬프트 학습 방식을 통해, 정상 및 비정상에 대한 어떠한 visual/textual 사전 지식이 없는 상황에서도 유효한 새로운 few-shot 이상 탐지 방법론을 제안했다. 또한, 경량 디코더를 사용해 지역적 정보 학습을 개선하고, 테스트 시 단일 이미지만으로도 정밀한 이상 감지가 가능함을 증명했다. 해당 발표를 통해 multi-class anomaly detection 분야에서 사전 지식 없이 성능 향상할 수 있는 연구 방향성에 대해서 알게 되었으며 이에 대해 고민할 수 있었다.

- 센서 관련 지식이 강화된 언어 모델을 활용한 센서명 자동 분류 방법 (박지혜, 삼성전자)

반도체 제조 공정의 설비 센서는 이상 진단과 조치에 중요한 역할을 하지만, 설비사와 설비 모델 에 따라 센서명이 달라지는 비표준화 문제가 존재한다. 즉, 유사한 기능을 수행하는 센서임에도 불구하고 서로 다른 설비에서 상이한 이름으로 식별되는 경우가 일반적이다. 이러한 비표준화된 센서명을 표준화된 규칙에 따라 관리하여 설비사에 대한 의존도를 낮추고 머신러닝 기반 데이터 분석을 위한 데이터 정제 과정을 고도화해야 할 필요성이 커지고 있다. 이를 위해 해당 연구에서는 이러한 센 서명 비표준화 문제를 해결하기 위해 언어 모델 기반의 센서명 자동 분류 프레임워크를 제안했다. Masked Prediction을 통해 사전학습된 거대언어모델을 파인튜닝하는 과정을 통해 성능 향상을 이뤄냈다고 말씀해주셨는데, 발표를 들으면서 해당 부분이 쉽지 않다고 알고 있는데 정말로 도메인을 잘 반영하였는지가 궁금했다. 보안 문제로 인해 자세한 내용들은 많이 들을 수 없었지만, 실제 기업에서 어떻게 기술들을 활용하고 있는지 알 수 있는 좋은 기회였다.