• 목록

<발표 후기>
5월 30일 (목)
세션 : A1. 이미지/영상 데이터마이닝
제목 : Gradual Domain Adaptation for Enhancing Low Light Image Recognition
2024 춘계 데이터마이닝 학회는 서울 양재 엘타워에서 진행되었다. Gradual Domain Adaptation을 실제로 적용하여 저조명 이미지 분류에 적응하여 모델의 성능 향상을 확인하였다. Gradual domain adptation은 Large Domain Shift가 발생하였을 때, Small Shift를 연속적으로 생성하고 분류기를 점진적으로 적합시켜 최종적으로 Target Domain에 모델을 적합시키는 방법이다. Gradual domain adptation의 대표적인 방법인 Gradual Self Training은 Pseudo Labeling을 수행하여 가짜 레이블 데이터를 이용해 학습을 진행하기 때문에 중간 도메인에서 적합을 실패할 우려가 있다. 해당 문제를 해결하기 위해 본 연구에서는 Curriculum Learning을 적용하여 중간 도메인에서 Pseudo Label의 부정확성 문제를 해결하였고, Target Domain에서의 성능 향상도 확인하였다. 또한 중간 도메인의 Shift가 일정하지 않은 경우, 혹은 중간 도메인의 Large Shift가 발행한 경우 Confidence Score 기반으로 확인하여 추가적인 Curriculum Learning을 진행하여 적합이 제대로 되지 않는 문제를 해결하였다. 실험을 통해 얻은 제안 기법을 활용하여 최종적으로 저조명 이미지에 대한 분류 성능 향상을 확인하여, Gradual Domain Adaptation이 실험적인 연구에만 그치지 않고 현실세계 문제에 적용 가능함을 입증하였다. 본 발표는 이전 산업공학회, 전자거래학회와 다르게 매우 넓은 공간에서 많은 사람들 앞에서 발표를 진행하였다. 매우 많이 떨렸으나 다른 사람들의 발표를 들으면서 점차 적응하게 되었다. 우수한 사람들의 발표를 듣고, 선배님들의 수상하는 것을 보고 학문적으로 많은 자극을 받을 수 있는 의미있는 학회였다.


<청취 후기>
5월 30일 (목)
세션 : A1. 이미지/영상 데이터마이닝
제목 : 포즈 인식 디퓨전 모델을 통한 가상 의상 착용
본 연구자는 디퓨전 모델에서 의상을 착용한 사람을 생성할 때 손발의 위치의 부자연스러움 문제를 Human Pose를 활용하여 해결하고자 하였다. 디퓨전 모델을 이용하여 의상을 착용한 사람을 생성하면 착용한 의상은 잘 생성해 내지만, 이를 착용하고 있는 사람의 팔은 옷의 소매 부분에 위치하지 않고, 다리 부분에 위치하여 생성될 수 있다. 저자는 이러한 디퓨전 모델로 생성한 가상 의상 착용의 문제점을 지적하면 디퓨전 모델 학습시 Human Pose(인간의 신체 스켈레톤) 정보를 같이 주어서 문제를 해결하고자 하였다. 신체 정보에 대한 추가적인 정보를 주는 것은 참신하였으나, 평가 지표가 유의미해 보이지는 않았다. 하지만 Multi modal한 방식으로 추가적인 정보를 주어서 해결하려는 접근 방식은 다른 문제 상황에서도 좋은 접근 방식이라고 생각했다. 모델의 기법적인 측면 뿐만 아니라 다른 방식의 접근도 고려해야겠다는 생각을 하였다.