[학회 후기]

제12회 국제 산업공학회(International Conference on Industrial Engineering and Applications)가 서울 강남 노보텔 호텔에서 개최되었다. 이번 학회에 발표자로 참석하게 되었는데 국제 학술 대회 발표인 만큼 영어로 철저하게 준비하며 의미있는 시간을 보낼 수 있었다. 9회 대회 때 온라인으로 첫 영어 발표를 했던 기억이 아직도 생생한데, 어느새 이렇게 직접 현장에서 발표할 수 있게 된 나 자신을 돌아보며 시간이 참 빠르게 흘렀다는 것을 실감했다.

[발표 후기]

내 연구는 Labeled 데이터셋과 Unlabeled 데이터셋 사이에 존재할 수 있는 클래스 분포 불일치(Label Distribution Mismatch) 상황을 다루는 데서 출발한다. 최근 몇 년 사이 이와 같은 문제 상황을 해결하고자 다양한 Safe Semi-supervised Learning(SSL) 기법들이 제안되어 왔는데, 나는 이러한 방법들의 성능과 안정성을 한층 더 향상시키기 위해 모델 Calibration 개선을 적용하는 연구를 진행해왔다. 발표 준비 과정에서 가장 신경 쓴 부분은, 청중들에게 Safe Semi-supervised Learning이 무엇인지, 그리고 Calibration이라는 주제가 왜 중요한지 쉽고 직관적으로 전달하는 것이었다. Safe SSL은 산업공학 및 인공지능 분야에서도 아직 익숙하지 않은 주제일 수 있었기에, 발표 초반에는 SSL 자체의 개념부터 Safe SSL이 등장하게 된 배경과 필요성까지 간단한 예시를 통해 설명하는 데 많은 공을 들였다. 특히 Safe SSL의 핵심인 "unlabeled 데이터 중 OOD(Out-of-Distribution) sample을 식별하고 걸러낸 후 SSL을 적용하는 흐름"을 시각 자료와 함께 명확히 보여주었다. 또한 Calibration 역시 일반적인 머신러닝 성능 지표(정확도, F1 score 등)에 비해 덜 알려진 개념이다 보니, "모델의 confidence가 얼마나 믿을 만한지를 평가하는 것"이라는 점을 강조하고, 실제 Safe SSL에서 calibration이 부실할 경우 어떤 문제가 생기는지 구체적인 사례를 들어 설명했다. 제안한 방법론 부분은, 솔직히 말하면 디테일이 제법 많은 편이었다. 하지만 이번 발표 시간이 10분으로 엄격히 제한되어 있었기 때문에, 세부적인 수식이나 알고리즘 디테일은 과감히 생략하고, 핵심 아이디어, 적용 방법, 그리고 성능 향상 결과를 중심으로 압축하여 전달했다. 구체적으로는, Adaptive Label Smoothing과 Confidence-based Thresholding을 조합한 접근 방식과 다양한 레이블 분포 불일치 비율 하에서 성능 비교 실험을 수행한 결과, 제안 기법이 기존 Safe SSL 방법론 대비 정확도와 calibration 성능이 를 효과적으로 개선됐다는 결과를 중심으로 발표를 구성했다. 발표 진행 자체는 전반적으로 성공적이었다. 준비했던 흐름을 무너지지 않고 끝까지 잘 끌고 갈 수 있었고, 발표 중 주요 포인트마다 청중들의 고개 끄덕임이나 메모하는 모습을 볼 수 있어 어느 정도 전달이 잘 되고 있다는 느낌을 받을 수 있었다. 물론 중간에 약간의 시행착오도 있었다. 몇몇 문장에서 발음이 살짝 꼬여서, 혼자 미소를 터뜨리며 정리하는 순간들이 있었다. 특히 긴 문장을 끌어가다가 연결이 어색해졌던 순간이 있었지만, 너무 당황하지 않고 자연스럽게 넘어간 덕분에 전체 발표 흐름에는 큰 영향을 주지 않았다. 그 과정에서도 느낀 것은, "완벽한 발표는 어렵지만, 중요한 것은 자신감을 잃지 않고 계속 이어나가는 것" 이라는 점이었다. 발표가 끝난 후에는 특별한 심층 질문은 나오지 않았다. 다만 한 분이 내가 분석에 사용하였던 데이터셋이 4개 있었는데, 그들 사이의 차이가 무엇인지 질문해주셨다. 그래서 간단하게 답변하고 Q&A를 마무리했다. 질문이 적었다는 점은 발표 내용이 비교적 명료하게 전달되었다는 긍정적인 신호로 받아들였다. 이번 발표를 통해 느낀 것은, "한정된 시간 안에 복잡한 내용을 얼마나 효과적으로 압축해 전달할 수 있는지"가 학회 발표에서 매우 중요한 역량이라는 점이다. 또한, 영어 발표를 준비하고, 실제로 발표하면서 생긴 작은 시행착오를 극복하는 과정 자체가 나에게 큰 자신감과 경험치를 안겨주었다. 비록 발표 중 완벽하게 매끄러운 영어 발음을 유지하지는 못했지만, "후회 없는 준비와 진심을 담은 전달" 덕분에 스스로 만족할 수 있는 결과를 얻었다. 이는 단순히 학회 발표뿐만 아니라, 연구자로서 다양한 무대에서 중요한 역량이 될 것임을 다시 한번 느꼈다.

[청취 후기] DROID: Dynamic Region of Interest Diffusion Model for PPG-to-ECG Generation

이번 발표에서는 PPG 데이터를 활용하여 ECG 신호를 생성하는 DROID 모델을 제안하는 연구를 청취할 수 있었다. ECG는 심혈관 질환 진단에 필수적이지만, 수집 장비의 한계로 일상 활용이 어려운 반면, PPG는 쉽게 수집 가능하지만 품질 저하 문제가 있어, 이를 극복하기 위해 PPG 기반 ECG 생성 연구가 주목받고 있다. 발표자는 Diffusion 모델을 활용해 ECG 신호의 임상적으로 중요한 영역에 집중적으로 노이즈를 조정하는 구조를 제안했고, 특히 관심 영역을 데이터 기반으로 자동 추출하는 방식으로 하이퍼파라미터 의존성을 줄였다. 다양한 실험 결과, 기존 방법에 비해 뛰어난 성능을 입증하였다.이 연구는 현실적인 문제 해결에 초점을 맞춘 점이 특히 인상적이었다. PPG 데이터의 손쉬운 수집 가능성을 기반으로, 웨어러블 기기 등 실질적 응용 가능성까지 고려한 설계가 돋보였다. 또한, 보통 이미지 생성에 쓰이는 Diffusion 모델을 시계열 신호에 맞춰 변형하고, 핵심 영역에 집중적으로 노이즈를 조정한 접근이 매우 신선하고 직관적이었다.