- 2026년 8월 23일 오후 9:40
- 조회수: 74
황순혁
8월 17일부터 20일까지 프랑스 리옹에서 열린 ICPR 학회에 참석했다. 출국을 얼마 남겨두지 않고 다리를 다쳐 걱정이 많았지만, 다행히 함께 간 교수님과 세진이, 정인이 형이 이동할 때마다 많이 도와준 덕분에 무사히 일정을 마칠 수 있었다. 여행 내내 도움을 많이 받아 고맙기도 했고, 한편으로는 미안한 마음도 컸다.
학회에서는 다양한 국가와 연구기관에서 온 연구자들의 발표를 접할 수 있었다. 평소 논문으로만 접하던 연구들을 실제 발표와 질의응답을 통해 접하니 새로운 느낌이었고, 현재 어떤 주제들이 활발하게 연구되고 있는지 직접 확인할 수 있다는 점도 흥미로웠다. 무엇보다 내가 해오던 연구를 조금 더 넓은 시각에서 바라보고, 앞으로 어떤 방향으로 연구를 이어갈지 생각해 볼 수 있었던 시간이었다. 특히나 내가 발표한 포스터 세션에서는 5년간의 대학원 생활을 하며 참여한 학회 중 가장 많은 질문을 받았다고 해도 과언이 아닐 정도로 많은 관심을 받았다. 관심 분야가 비슷했던 한 중국 학생으로부터 학회 이후 개인적으로 연락이 오기도 했다. 서로의 연구에 관심을 가지고 이야기를 이어갈 수 있다는 점에서 학회 참석의 또 다른 의미를 느낄 수 있었다.
학회 일정을 포함해 총 5일 정도 리옹에 머물렀고, 이후 남은 이틀은 파리에서 보냈다. 리옹에서 가장 기억에 남는 곳 중 하나는 푸비에르 노트르담 대성당이었다. 마침 미사가 진행되고 있어 잠시 참석했는데, 평소 종교에 큰 관심이 없고 프랑스어도 전혀 알아들을 수 없었음에도 성당의 분위기와 미사에 집중하다 보니 자연스럽게 경건해지는 기분을 느낄 수 있었다. 리옹 미술관 역시 예상보다 훨씬 볼거리가 많았다. 규모나 소장 작품 모두 인상적이어서 이후 방문한 루브르 박물관과 비교해도 아쉽지 않을 만큼 기억에 남았다. 학회를 마친 뒤에는 파리로 이동했다. 음식에 대해서는 다소 아쉬움이 있었던 리옹과 달리 파리에서는 먹는 즐거움이 컸다. 달팽이 요리부터 오리 콩피, 햄버거까지 다양한 음식을 먹었는데 대부분 만족스러웠다. 유명 관광지도 인상적이었지만, 파리는 특별한 목적지 없이 걷는 것만으로도 기억에 남는 도시였다. 작은 골목과 건물 하나하나가 마치 영화나 드라마에서 보던 장면처럼 느껴졌다. 그중에서도 루브르 박물관과 개선문, 몽마르트르 언덕에서 바라본 파리의 모습은 압도적이었다. TV 속에서나 보던 모나리자 사진을 다리가 불편하다는 이유로 극진한 VIP급 대접을 받으며 수많은 인파를 뒤에 두고 맨 앞으로 나를 입장시켜 주는 바람에 가까이 볼 수 있어 좋다가도 너무 이목이 집중되어 난처한 해프닝도 있었다. 하지만 모나리자 뿐만 아니라, 사진이나 영상으로 여러 번 보았던 장소들이었을지라도 직접 마주했을 때의 규모와 분위기는 확실히 달랐다. 다리를 다친 상태라 평소처럼 자유롭게 돌아다니지 못한 점은 아쉬웠지만, 오히려 천천히 둘러보면서 오래 기억에 남을 장면들을 많이 담을 수 있었다.
이번 프랑스 일정은 학회를 통해 새로운 연구와 사람들을 접할 수 있었던 시간이면서 동시에 리옹과 파리라는 두 도시를 경험할 수 있었던 여행이기도 했다. 출발 전에는 다리 때문에 무사히 일정을 소화할 수 있을지가 가장 큰 걱정이었지만, 주변 사람들의 도움 덕분에 학회와 여행 모두 잘 마칠 수 있었다. 여러모로 쉽지만은 않았던 일정이었기에 함께해 준 사람들에 대한 고마움과 프랑스에서 보고 느낀 것들이 더욱 오래 기억에 남을 것 같다.
[학회 후기]
나는 이번 ICPR 학회에서 순차 학습과 대조 학습을 활용한 준지도 도메인 적응 방법론 (Semi-supervised Domain Adaptation with Entropy-guided Curriculum and Contrastive Learning) 연구를 포스터 형식으로 발표했다. 도메인 간 차이 뿐 아니라, 레이블이 없는 타겟 도메인(Unlabeled target domain) 데이터를 학습에 효과적으로 참여시키기 위해 학습 난이도를 고려하여 순차적으로 학습 시키는 준지도 도메인 적응 방법론을 제안한 연구이다. 앞서 말한대로, 포스터 열기가 너무 뜨거워서 포스터 발표 기간인 1시간 30분 동안 거의 쉬지 않고 발표했다 해도 과언이 아니었다.
질문 1.
Entropy가 아닌 gradient, top-1 confidence를 난이도 정량화 지표로 사용해볼 생각은 하지 않았는가?
- 포스터에 기재할 공간이 부족해서 해당 실험은 넣지 못했다. top-1, gradient, loss value, margin 등 다양한 정량화 지표와 비교해본 실험을 진행했고, entropy가 가장 성능이 좋아서 채택했다.
질문 2.
맨 첫 시점의 학습 난이도 임계점은 어떻게 정했는가? 그리고 그 난이도는 어떻게 완화시키는가?
- 하이퍼파라미터로 설정하고, 초기 상위 20%의 entropy를 갖는 상대적으로 쉬운 샘플을 먼저 투입시키는 순차 학습을 적용했을 때 성능이 좋아 20%로 설정했다. 그리고 난이도 완화를 linear하게 하지 않고, exponential하게 했을 때 성능이 좋았다. 이는 학습 초기 시점에는 쉬운 샘플이 많이 들어오기 때문에 이때 많은 epoch를 할당하기 보다 학습이 어려운 샘플이 들어올 때 많은 epoch를 할당하는 것이 효과적임을 나타내는 것 같다.
질문 3.
어려운 샘플에 대해서만 성능을 산정할 때 모델마다 뽑히는 샘플이 다른 것 아닌지? 서로 다른 샘플에 대한 성능이라는 점에서 문제는 없는지.
- 어려운 샘플은 하위 30%의 entropy를 갖는 샘플들로 내가 임의로 지정했다. 물론 비교 방법론들마다 어려워 하는 샘플이 다를 수 있다. 하지만 그 다른 정도가 크지 않을 것이라고 생각한 점도 있고, 무엇보다 각각의 모델이 "어려워하는" 샘플이라는 공통점이 있기에 큰 문제가 없다고 판단했고, 리뷰어로부터도 해당 실험에 대해서는 별다른 코멘트를 받지 못했다.