[학회후기]

2019년 10월에 참석했던 미국 시애틀에서 개최된 Informs 이후에  오프라인으로 참석하는 간만의 해외 학회였다. 코로나 때문에 2020년, 2021년에 오프라인 참석의 기회가 없어서 아쉬웠던 마음이 단번에 해소되었다. 연구원들에게 해외 학회 발표 및 참석의 기회를 만들어주시고, 다양한 경험을 위해 신경 써주시는 교수님의 배려에 감사를 드린다. IntelliSys는 유럽 네덜란드에서 개최되었다. 교수님을 제외한 참석한 모든 연구원들에게 IntelliSys는 첫 유럽 방문이었고, 이 점에서 다들 설레여보였다.  이번 학회에서는 교수님과 모든 연구원들이 에어비앤비 숙소를 사용했다. 3층으로 이루어진 숙소였고 숙소에 도착하자마자  숙소가 좋아서 다들 감탄했다. 3층이 가장 큰 침대와 넓은 공간을 가지고 있었는대 지윤이와 나에게 배려해준 오빠들에게 감사를 표한다.

학회의 규모는 생각보다는 크지 않았다. 내가 느낀 바로는 유럽의 ICIEA학회라고 느껴졌다. 사회자가 편안한 네트워킹 분위기를 유도하여 딱딱할 수 있는 학회 분위기를 잘 풀어주었던 것 같다. UC Berkeley에서 오신 Edward Ashford Lee, Utrecht University에서 오신 Albert Ali Salah 교수님들의 Keynote Talk가 가장 인상 깊은 발표였다. 특히 Albert 교수님이 1시간 가까운 시간을 지루하지 않게 유창하게 발표하시는 모습이 제일 감명 깊었다. 매번 해외 학회에 다녀오고 나서 느끼는 거지만, 나의 영어의 부족함에 또 아쉬움을 느꼈다. 영어가 모국어인 대다수의 참석자들은 발표 자료에 간단한 이미지와 문구 만으로도 자신의 연구를 유창하게 전달했다. 한국에 돌아가서 영어 회화를 연습하자고 다시 한번 다짐하는 기회가 되었다. 하지만, 확실한 건 틀려도 민망해 하지 않고 웃으면서 영어를 말하는 자신감은 길러진 것 같았다. 세션 체어로 여성 교수님들 두 분이 기억에 남는다. 첫 번째 분은 머리색이 전체가 다 희끗하신 여성 교수님이셨다. '내가 과연 저 나이까지 최신 기술에 대한 공부와 연구를 진행할 수 있을까?' 생각이 들게 했다.  역시나 같은 것은 보고 느끼는 지윤이는 나와 같은 생각을 한 것 같다. 또 한 분은 지윤이 발표 때 세션 체어셨는데 남미의 여성 교수님이셨다. 학회장에 나와 마주쳐 대화를 나누니 첫 세션 체어라고 하셨다. 그분도 그분 나름대로 굉장히 떨리셨겠구나 싶었다. 어쩐지 모범적으로 세션 체어 역할을 훌륭히 수행하셔서 기억이 남는다. 지윤이의 발표 장표를 보고 또 한 번 감탄도 했다. 혼자 oral presentation이라서 긴장이 많이 되었을텐대, 내색없이 모든 시간에 분위기 맞추어 연구원들과 보내는 지윤이의 모습도 그리고 숙소 방 한 켠에서 웅얼웅얼 연습하던 모습도 너무 이뻤다.  

학회 외 시간에는 네덜란드 암스테르담 관광의 시간도 있었다. 운하에서 배도 타고, 암스테르담 국립미술관, 하이네켄 박물관, 풍차마을 등을 방문했다. 햇볕이 쨍하고 날씨도 좋아서 연구원들과 교수님과 사진도 많이 찍고 한국에서 하는 한달치 정도의 광합성을 한 것 같다. 숙소에서는 교수님과 연구원들과 함께 라이어게임과 원카드 등도 하면서 좋은 시간을 보냈다.  4박 5일을 함께하니 각자 성향이 어떤지 더 깊게 이해할 수 있는 시간이었다.  

[포스터 발표 후기: Open-set human acitivity recognition using deep metric learning with mixup triplet]

이번에 나는 첫 포스터 발표를 진행해보았다. 확실히 oral presentation보다 긴장감이 덜했던 거 같다. 10월에 진행될 Informs 학회 발표가 오히려 벌써부터 떨려온다. 내가 졸업하기 전 마지막 해외 학회 발표의 기회일 것 같아서 준비를 열심히 해야겠다고 다짐했다. 포스터 발표가 있던 날 오전에 학회장에 일찍 도착해서 교수님께서 포스터 발표자들에게 돌아가면서 예상 질의 응답하는 연습 시간을 만들어주셨는대, 그 시간 덕분에 실전에서 덜 헤맬 수 있었다. 포스터를 읽으면서 친절하게 질문을 건네주었던 다른 학회 참가자들에게도 고마웠다. 발표 내용은 삼성 메모리 사업부 프로젝트에서 진행했던 내용을 발전시켜 연구 진행한 내용을 발표하게 되었다. 현재 리비젼을 수행하고 있는대 무사히 게재되길 바래본다.

초록: 센서 기반 인간 활동 인식의 주요 목표는 웨어러블 센서에서 획득한 다중 채널 신호로 사전 정의된 인간의 신체 활동을 분류하는 것이다. 하지만, 실제 시나리오에서는 정의되지 않았던 활동이 모델에 주어질 수 있다. 따라서, 사전에 정의된 활동뿐만 아니라 정의되지 않았던 활동의 클래스를 감지하는 open-set 인식기가 필요하다. 그러나 인간의 활동은 서로 분명히 다른 클래스라 하더라도 부분적으로 공통적인 특징을 공유해서 비슷하거나 (inter-class similarity), 같은 활동의 샘플이라 하더라도 수행하는 인간의 특성 혹은 조건에 따라 다른 특징(intra-class variability)을 지니기 때문에 open-set 인식기의 고성능 확보에 어려움이 있다. 이러한 문제를 해결하기 위해 본 연구에서는 open-set 인간 활동 인식을 위한 representation learning 방식과 학습된 representation을 사용한 거리 기반 open-set 인식 알고리즘을 제안하였다. 제안 방법론의 효과를 입증하기 위해 센서 기반의 벤치마크 인간 활동 데이터셋에 실험을 수행했고, 타 open-set 알고리즘에 비해 우수한 성능을 보이는 것을 확인하였다.