[학회후기]

이번 한국데이터마이닝학회 하계학술대회는 평창에서 개최되었다. 최근 학회의 구성과 주제가 점점 다양해지면서 매번 흥미롭고 기대되는 학회로 자리 잡고 있다. 이번 학회는 구두 발표와 포스터 세션으로 나뉘어 진행되었는데, 특히 구두 발표에서는 교수님들께서 직접 과거 연구, 현재 진행 중인 연구, 그리고 향후 연구 방향성까지 일관된 흐름으로 발표해 주신 점이 인상 깊었다. 또한 다양한 학생들의 포스터 발표를 통해 자유롭게 토론하고 의견을 나눌 수 있어 매우 의미 있는 시간이었다.

[발표후기]

제목: Golden Noise를 통한 Diffusion Model 기반 Conditional Generation 개선

발표후기: 

이번에 표한 주제는 diffusion 모델 기반 conditional generation에서의 golden noise 활용에 관한 연구였다. Golden noise란 다른 노이즈에 비해 더 좋은 퀄리티의 이미지를 생성할 수 있는 노이즈를 의미한다. 기존 연구들은 image generation 상황에서 golden noise를 탐구하는 데 그쳤지만, 본 연구에서는 이를 controllable generation 상황으로 확장하였다. 우선 파일럿 스터디를 통해 controllable generation 환경에서도 golden noise가 존재함을 확인하였다. 이후 inversion을 활용해 golden noise를 찾는 기법을 제안했으나, 손상된 이미지에 inversion을 적용하는 과정에서 찾은 노이즈가 Gaussian 분포에서 멀어지는 한계가 있었다. 이를 보완하기 위해 추가적인 control term을 도입하여 inversion을 수행했으며, 그 결과 단순 inversion 기반 노이즈 탐색에 비해 더욱 깔끔한 이미지를 생성할 수 있었다. 다만, 정량적 결과에서는 전반적으로 최고 성능을 달성하지 못해 향후 보완 연구가 필요하다. 발표에 많은 분들이 관심을 가지고 질문해 주셔서 연구를 점검하고 새로운 아이디어를 얻는 의미 있는 시간이었다.

[청취후기]

1. 물류 시스템 최적화를 위한 AI 기반 알고리즘

카이스트 권창현 교수님의 발표에서는 인공지능을 활용한 조합 최적화 문제 해결 기법이 소개되었다. 예전부터 개인적으로 관심이 많았던 주제라 흥미롭게 들을 수 있었다. 현재는 주로 routing problem에 대한 해결책을 탐구하고 있으며, 장기적으로는 다양한 조합 최적화 문제를 아우를 수 있는 foundation model을 구축하는 것을 목표로 하고 있다고 한다. 과거 연구에서부터 현재, 그리고 향후 연구 방향성까지 자연스럽게 이어지는 발표의 흐름이 인상적이었다.

2. Generative AI for Causal Reasoning: Foundation and Algorithms

이 발표에서는 LLM을 기반으로 causal graph를 탐색하는 연구가 소개되었다. 단순히 LLM만을 사용하는 방식은 prior 부족으로 정확도가 떨어지는데, 이를 해결하기 위해 diffusion 모델을 활용하여 prior를 보완하는 방법이 제안되었다. Diffusion 모델은 score를 예측할 수 있다는 장점이 있어 이를 causal graph 탐색의 prior로 활용할 수 있었다. 평소 diffusion 모델을 연구하는 입장에서, 이러한 모델이 causal reasoning 분야에도 응용될 수 있다는 점이 무척 흥미로웠다.