• 목록

[청취 후기]
제목 : Learning from Mistakes : Enhancing Smart Camera System Performance via Feedback-based Instruction Tuning(A449-A)
본 연구는 스마트 카메라 시스템이 발생시킨 오판 사례를 피드백으로 활용하여 성능을 개선하는 방법을 다루었다. 실패 사례 기반 instruction tuning을 통해 복잡한 상황에서의 판단 정확도를 높이고 오탐지를 줄이려는 접근이 인상적이었으며, 실제 AI 시스템에서는 오류를 학습에 반영하는 과정이 매우 중요하다는 점을 느낄 수 있었다.


[발표 후기]
이번 ICIEA 학회에서는 산업 이미지 이상탐지(anomaly detection)를 주제로 발표를 진행하였다. 발표에서는 기존 PatchCore가 가지는 한계로 지적되는 메모리 비효율성과 산업 결함에 충분히 특화되지 않은 feature representation 문제를 개선하기 위해, prototype distribution bank를 활용한 효율적인 anomaly scoring 구조와 self-distillation 기반 encoder adaptation 방법을 제안한 연구 내용을 소개하였다. 이를 통해 기존 방식보다 더 compact한 메모리 구조를 구성하고, 산업 환경에 보다 적합한 feature space를 형성하고자 한 점을 중점적으로 설명하였다.
이번 발표는 나에게 첫 해외학회 발표였다는 점에서 더욱 뜻깊은 경험이었다. 발표를 준비하는 과정에서 연구의 배경, 문제 정의, 방법론, 실험 결과를 처음부터 다시 정리해보며, 내가 수행한 연구의 핵심 기여가 무엇인지 더욱 명확하게 이해할 수 있었다. 또한 단순히 실험 결과를 나열하는 것이 아니라, 왜 이러한 연구가 필요한지와 어떤 점에서 기존 방법을 보완할 수 있는지를 다른 연구자들에게 논리적으로 전달하는 경험을 할 수 있었다.
특히 영어로 발표를 준비하고 실제로 진행하는 과정에서 많은 긴장도 있었지만, 그만큼 연구 내용을 보다 간결하고 분명하게 표현하는 연습이 되었다. 질의응답과 학회 현장 경험을 통해서는 내 연구를 객관적으로 바라보고, 앞으로 보완해야 할 부분과 확장 가능성을 고민해볼 수 있었다. 이번 학회 발표를 통해 연구에 대한 자신감을 얻었을 뿐만 아니라, 앞으로도 anomaly detection 분야에서 더 깊이 있고 발전된 연구를 이어가고 싶다는 동기를 얻게 되었다.