2019 ICCV (International Conference on Computer Vision) 학회에 참석할 수 있는 기회를 얻었다. 첫 비전 학회 참석이었고 서울 코엑스에서 개최되어 연구실의 대다수의 인원이 참석할 수 있는 기회를 얻었다. 우리 연구실이 괄목할만한 성장을 했구나… 새삼 또 깨달았다. 내년에는 이런 큰 학회에 대다수의 인원이 참석만 하는 것 뿐만 아니라 발표와 수상도 할 수 있도록 나부터도 연구에 매진하고 싶은 마음이 절로 들었다. 요즘 3년차에 접어 들면서 연구와 공부에 대한 내적 동기가 많이 흐려짐을 느끼고 힘들었는대 INFORMS와 ICCV 학회를 참석하면서 마음을 다잡을 수 있게 되었다.


이번 학회에서 우연한 만남을 갖게 된 사람들이 무척이나 많았다. 처음 만난 사람은 고등학교 동창 친구였다. 전해들은 이야기로 카이스트 대학원을 갔다고 전해만 들었었는대, 우연히 학회 첫날 큰 auditorium에서 ‘Interpretable Machine Learning for Computer Vision’ 튜토리얼을 듣다가 만나게 되었다. 그 많은 사람들 가운데서 우연히 만나니 어찌나 반갑던지 고등학생 때도 몇 번 이야기를 안 나눠었는대 신나게 인사하고 이야기 했던 것 같다. 사실 이 친구 말고도 주변에 아름아름 고등학교 동창들 중 인공지능을 공부하는 친구들의 이야기를 접한다. 어느 누구는 서울대 경제학과를 갔다가 지금은 강화학습에 빠져 공부하고 있고, 어느 누구는 연대 기계공학과 로봇관련 연구실에서 머신러닝을 공부하고 있다. 나중에 동창들이 같이 모여 인공지능, 기계학습 이야기를 하면 정말 신기하고(?) 재밌을 것 같다고 생각이 들었다.


또한 스타트업에서 근무하고 있는 홍대에서 알게 된 선배 2명을 만나게 되었다. 한 명은 기업 부스를 돌다가 우연히, 한 명은 ‘Interpreting and Explaining Visual AI Models’ workshops에서 만나게 되었다. 첫 선배는 ‘MAKINA ROCKS’라는 제조 산업 센서데이터를 다루는 프로젝트를 진행하는 스타트업, 두 번째 선배는 의료 쪽 스타트업에 다니는 중이었다. 요즘 대학원생이 아니어도 누구에게든 인공지능을 접하고 배울 수 있는 환경의 문턱이 낮아진 것을 느낄 수 있었다. 또한 그들도 더 이상 SOTA 모델을 그대로 가져와서 사용하는 것 그 이상의 무언가를 할 수 있는 사람이 되기 위해 각자의 자리에서 고민함을 느낄 수 있었다.


비전 학회다 보니 결과가 눈에 직관적으로 보이고, fun한 연구들이 많이 보였다. 하지만 내가 비전 도메인에 그렇게 큰 흥미를 느끼지 못함을 확실히 깨달을 수 있었다. 따라서 관심있는 방법론이 다뤄진 Tutorial, Workshops, Oral Presentation에 집중하였다. Tutorial을 제외하고는 짧은 시간 내에 발표가 이루어져서 간단한 연구의 목적 그리고 비전학회 답게 실험의 결과를 다양하게 시각적으로 보여주었지만 도대체 어떻게 저런 결과가 나왔는가 관련하여 깊게 설명되지 않아 가려운 곳을 긁기 위해서는 직접 발품팔아 관심있는 논문들을 찾아보는 것이 필요할 것 같다. 마지막으로 다양한 Poster를 보면서 눈에 띈 점은 GAN과 Attention을 사용한 모델 구조가 거의 85% 비율을 차지한다는 것이었다. 다양한 분야에서 많은 사람들에게 모티브를 줄 수 있는 GAN과 Attention와 같은 그런 연구를 나는 할 수 있을까 생각하게 하는 한 주 였다.   

  

[Tutorial : Global Optimization for Geometric Understanding With Provable Guarantees]

이번 학회에서 내가 제일 흥미롭게 들었던 시간이었다. 첫 날 첫 시간 튜토리얼이어서 집중력이 가장 좋아서 그랬을지도 모르겠지만...(ㅎㅎ^^)  튜토리얼이어서 자세하게 기본부터 설명되었지만 그럼에도 불구하고 다 이해하지 못하고 하나하나 기억하지 못한게 제일 아쉬운 발표였다. 총 4개의 45분자리 발표로 구성되었고 그 중 3개를 들었는대, (1) Is global optimality the key to robust 3d vision?, (2) Convex relaxation for robust vision : harder, better, faster, stronger, (3) Robust geometric understanding with outliers : algorithms and provable guarantees 였다. 입학 이후부터 그렇게 기본기의 중요성을 스스로도 알았고 산업경영공학도로써 기계학습을 공부하는데에 최적화, 통계, 선형대수의 기본기가 무조건 필수적이라고 생각하는 나인대... 여전히 아직도 부족하고 말뿐이었구나... 반성되는 시간이었다.  발표자 가운데에서는 Tat-Jun Chin 이라는 오스트레일리아의 Adelaide 대학 교수님이 정말 인상깊었다. 자칫하면 지루할 수도 있던 최적화 관련 세션이었는대 유창한 영어로 좌중을 휘어잡는 모습이 인상적이었다. 관련하여 그의 논문을 꼭 한번 읽어보고 싶어졌다.  


[Workshops : Scene Graph Representation and Learning]

얼마전 Graph Neural Networks에 대해서 공부하고 세미나를 했던 나이기에 Graph라는 단어를 보고 들어야겠다 생각한 workshop이었다. 하지만 Organizer로 Fei-Fei Li가 있어 전날 밤부터 심장이 뛰기 시작했다. 하지만 아쉽게도 Fei-Fei Li는 오지 않았지만 Justin Johnson의 발표를 들을 수 있었다. CS231 강의를 통해 너무나 익숙한 그는 학회장에서도 유명인사였다. 발표가 끝난 이후 많은 사람들에 둘러쌓여 이야기하는 그의 모습을 보며 아이돌을 본 듯한 느낌이었다.  또 인상깊었던 사람을 한명 소개하고 싶은대, Ranjay Krishna 세션 chair이다. 내가 이 세션을 통해 궁금했던 큰 맥락이 그의 15분 짜리 opening remarks에서 다 잡혔다. Stanford PhD Candidate이었는대... 여느 유명한 교수들 저리가라 였다. 또 가장 큰 획득은 Scene graph 관련 데이터 셋이 있다는 사실이었다. 앞으로 GNN 쪽 SOTA 알고리즘 코드를 공부하고 싶을때 해당 데이터셋도 살펴보고 이 데이터에 적용해보면서 감을 잡으면 좋겠다고 생각이 들었다.