1.  Computer vision 분야의 세계적 석학들이 모이는 2019 ICCV (International Conference on Computer Vision)에 일주일 동안 참석하였다. 운이 좋게도 올해는 서울에서 개최된 덕분에 우리 연구실에서도 많은 학생들이 함께 참석할 수 있었다. 총 3일에 걸쳐 진행된 Workshop 세션은 특정 주제와 밀접히 관련된 발표들로 구성이 되었는데 평소에 관심을 가졌지만 따로 공부할 시간이 없어 늘 아쉬웠던 분야들에 대해 집중적으로 들을 수 있어서 좋았다. Oral 세션의 모든 발표는 poster 세션에 포함되어 궁금한 점들을 저자들에게 직접 질문할 수 있었다.

2.  INFORMS에서는 최적화 관련 연구들을 많이 찾아서 들었다면, 이번 ICCV에서는 영상의학에 딥러닝 기술을 활용하는 연구들을 위주로 찾아다녔다. 사실 찾아다닐 필요가 크게 없었던 것이 학회 첫 날인 일요일에 ‘Visual Recognition for Medical Images’을 주제로 하루 종일 워크숍이 열리는 행운이 있었다. 관심은 이전부터 있었지만 시간이 없어 자세히 들여다보지 못했던 분야인데 영상의학 뿐 아니라 병리학에 대한 주제들도 함께 구성되어 의학 분야에 대한 견문을 넓히기에 좋았다. 전문적인 의학 지식 없이도 편안하게 들을 수 있는 내용이 구성된 점도 나 뿐 아니라 많은 참석자들의 이해를 돕는데 큰 몫을 했을 것이라 생각한다. 의료 영상 데이터라고 하면 환자의 개인정보이고 병원의 자산이기 때문에 연구를 하는 대학원생의 입장에서 쉽게 구하기 어려울 것이라고 생각했는데 아니었다. 생각보다 무료로 공개된 의료 영상 데이터들이 많아 이를 잘 활용하면 재미있는 연구를 많이 해볼 수 있을 것 같다.

3. Generative Adversarial Networks (GAN)가 없던 시절에는 도대체 어떻게 연구를 했을까 의구심이 들 정도로 대다수의 연구가 GAN을 활용한다. 지난 몇 년 동안은 GAN의 원활한 학습과 최적의 구조에 대한 이론적인 연구에 초점이 맞추어져 있었다면 요새는 이 GAN을 어디에 어떻게 활용할 지에 대해 다양한 고민과 시도들이 보였다. 핵심은 레이블 정보가 없는 다량의 데이터에서 무언가를 학습하고 싶어한다는 것이다. 지도학습으로 꽃을 피운 딥러닝 기술의 미래는 비지도학습에 달려있다. 그 중심엔 여전히 GAN이 자리잡고 있고 앞으로도 분명 그러하리라 생각한다.