지난 11월 30일 금요일 서울대학교에서 개최된 데이터마이닝학회 추계학술대회는 ‘미래를 향한 데이터마이닝의 항해’라는 주제로 진행되었다. 다양한 산업공학의 연구를 아우르는 대한산업공학회와 달리 데이터 분석에 초점이 맞추어진 학회이다 보니 우리가 연구하고자하는 분야와 더욱 밀접한 것을 확인할 수 있었다. 지난 대한산업공학회에서와 같이 대부분의 연구가 딥러닝 혹은 강화학습 분야로 크게 나누어져 있었고, 더불어 국가안보 특별세션과 같이 흥미로운 연구 주제들을 접할 수 있었다. 결과적으로 우리 분야가 흔히 다루고있는 분석 모델이더라도 연구 도메인에 따라 다양한 목적으로 응용하는 사례에 대해 살펴봄으로써 연구에 대한 insight를 다방면으로 얻을 수 있는 좋은 기회였다고 생각한다. 

 

[발표후기] 뉴럴 이미지 유사도를 통한 위조 이미지 판별 시스템 


본 발표에서는 최근 이미지 데이터의 가용성이 증가함에 따라 위조 이미지를 판별하는 방법론을 제안하였다. 이미지의 위조여부를 판별하기 위해서 이미지의 특징을 정교하게 정의하고, 이를 토대로 유사도를 제안하는 것을 목표로 했으며, 제안된 유사도를 통해 해당 이미지의 위조 여부에 대한 가이드를 제안해 줄 수 있다고 제안한 방법론이다. 이미지의 특징을 정의하기 위해 이미지 인식에 뛰어난 합성곱신경망 기반의 알고리즘을 사용하였다. 해당 알고리즘을 통해 각 특징을 요소에 맞게 추출할 수 있으며, 유사도를 정의하기 위해 해당 특징에 대한 proximity matrix를 산출하여 가중합을 취한다. 최종적으로 입력 이미지 내 위조 이미지에 대한 평가를 바탕으로 제안 방법론의 우수성을 확인할 수 있었다. 

질문: 해당 결과의 유사도 정의를 해석하는 score가 기존에도 많이 활용되고 있는가?
답변: 아니다. 실제로 이런 유사도 정의 문제의 경우에는 survey와 같이 정성적 방법이 많이 활용되고 있다. 하지만 방법론에 대해 타당한 정량적인 지표를 갖춘다면, 해당 모델의 parameter튜닝 방법론의 성능을 비교해볼 수 있다는 장점이 있다. 따라서 mean average precision에서 착안한 score를 제안하여 사용하였다.

[청취 후기 1] 콘텐츠 피쳐 추출기와 자취 피쳐 추출기를 결합한 가짜 얼굴 탐지 모델
딥페이크와 같이 사람이 육안으로 진위여부를 판별하기 어려운 가짜 얼굴 이미지들이 악용되어온 사례들이 있었다. 유명인의 얼굴을 바람직하지 않은 내용에 합성하거나, 다양한 사람의 얼굴을 학습하여 이를 기반으로 새로운 얼굴을 생성해내는 등 가짜 이미지는 사회적 이슈를 가져오고 있다. 해당 발표자는 얼굴 이미지를 콘텐츠 피쳐와 자취 피쳐로 특징을 구분하여 추출함으로써 얼굴의 진위 여부를 판별하는 모델을 제안하였다. 다양한 데이터 셋과 비교 실험에 대해 소개해주셔서 짧은 발표시간동안 많은 태도에 대해 배울 수 있었다. 실험 결과에서도 activation map을 활용해주어 직관적으로 받아들이기 쉬웠던 점도 본받을 수 있었다. 해당 발표를 토대로 앞으로 이런 시각과 관련된 연구가 활발히 이루어질 것 으로 예상되어지는 인상깊은 시간이었다.