[학회 후기]

작년 추계학술대회에 이어 올해 하계학술대회에도 포스터 발표로 참가하게 되었다. 역시나 명사들의 강연과 학생들의 포스터 발표로 조금 더 자유롭게 소통이 가능해서 좋았던 작년과 동일한 방식으로 진행되었고, 많은 간접적인 경험을 할 수 있었다. 강연에서는 특히 인공지능과 인재 교육에 관한 언급이 많았다. 조성준 교수님이나 강필성 교수님이 언급했듯이 이제는 과거처럼 지식을 쌓고 질문에 답하는 것이 중요한 것이 아니라 검색하고 질문할 수 있는 능력이 더 중요하다는 것에 깊이 공감했다. 하지만 한편으로 현재 학업을 진행 중인 대학원생 입장에서, 분명 과거의 것이 중요한 부분도 많이 존재했고, 기존의 교육을 받았던 입장에서 그 흐름에 맞춰 넘어가는 것이 쉽지 않다는 것을 알고 있다. 그래서 여러모로 우리가 어떤 대변화의 과도기를 살아가고 있는게 아닌가 하는 생각도 들었다.

[발표 후기]

주제: Generating Structural Images From Semiconductor Inline Data

현재 진행 중인 연구인, inline OCD 데이터를 이용해서 TEM 이미지를 생성하는 방향에 대해 설명하였다. 실제 반도체 산업 현장에서 TEM은 CD를 측정하기 위해 매우 중요한 도구이지만 파괴 검사의 특징으로 인하여 비용과 시간이 많이 소요된다. 이를 해결하기 위해 inline OCD 데이터를 통해 실제 TEM 이미지와 거의 유사한 이미지를 생성하는 방안을 제시하였고, VAE, GAN, Diffusion과 같이 대표적인 생성 모델을 비교하여 어느 정도 산업 현장에서 쓰일 수 있는 이미지가 생성 가능함을 제시하였다.

Comment: 기존의 SSIM이나 PSNR같은 지표는 1:1 매칭이라 적합하지 않아서 LPIPS처럼 시각적 유사도가 중요한 지표가 나와 같은 연구에 정말 잘 맞는 방법이라 생각한다. 다만 이것도 부족할 수 있으니, 관련 지표가 더 있어서 같이 보여줄 수 있으면 좋겠다.

질문: 후속 진행된 과정이 있는지?

답변: StyleGAN2에 attention을 붙여서 성능이 높아짐을 확인했고, 이후로는 diffusion 계열도 변화를 줄 수 있는 방안을 모색 중이다.

[청취 후기]

주제: Diffusion Model with Rician-Gaussian priors for Robust MRI Image Synthesis (장효영, 광운대학교)

해당 연구는 기존 디퓨전 모델의 Gaussian 노이즈 기반 구조에 Rician 노이즈의 특성을 통합하여, MRI 영상 특유의 구조적 특징을 보존하면서도 학습 안정성과 이미지 품질을 동시에 향상시키는 것이 핵심이다. 특히 Rician 노이즈의 비중심성 편향(non-central bias)을 효과적으로 보정해 디노이징 성능을 개선한 점이 인상 깊었다. 이 부분이 궁금해서 질문하였는데, MRI 영상은 이미 Rician 분포를 갖는다는 것이 잘 알려져 있다고 한다. 그렇다면, 내 연구에서도 이렇게 특정 분포를 갖을 수 있지 않을까란 생각을 해보았고, 벤치마킹해보면 좋을 것 같다는 생각을 했다.