• 목록

(학회 후기)

10월 24일 부터 25일 까지 과학 기술 컨벤션 센터 (ST-Center)에서 열린 대한 산업 공학회 50주년 기념 학술대회에 참가하게 되었습니다. 대학원 연구실의 연구원으로서 처음 참석한 학회였는데, 학회의 규모와 다양한 세션들이 인상적이였습니다. 특히, '산업 공학'의 다양한 응용 분야에 대해 많은 발표가 있어 선택의 폭이 넓었습니다. 오전에는 4차 산업 혁명/ 산업 인공지능 에 대한 연구 발표를 청취하였고, 오후에는 헬스 케어 분야에 대한 연구 발표를 청취하였습니다. 앞으로 내 연구 분야를 더욱 발전시켜 발표자가 되어 보고 싶다는 목표가 생겼고, 다음에는 미리 듣고 싶은 주제를 선정해 더욱 효율적으로 학회에 임할 계획입니다.

(청취 후기)

1. 경량 디퓨전 모델을 사용한 이미지 이상치 탐지 연구
이 연구에서는 디퓨전 모델을 활용하여 이미지에서 이상치를 탐지하는 방법을 제안했습니다. 특히, 재구축(이미지 복원)과 분할(이상 영역 마스킹)이라는 두 가지 서브 네트워크를 사용해 이상치 이미지를 탐지합니다. 이 연구에서 인상깊었던 점은, 메모리 뱅크(Memory Bank)라는 저장소에 정상 이미지의 Latent(압축된 이미지 특징)을 저장해 두고, 새로운 이미지가 들어왔을 때 이와 비교해 비정상 여부를 판단하는 방식입니다. 또한, 기존의 자원 소모가 높은 디퓨전 모델의 단점을 개선하여 학습과 추론 속도를 빠르게 하면서도 성능을 유지한 점이 눈에 띄였습니다. 실험 결과, 이 모델이 빠른 속도와 효율적인 자원 활용 면에서 기존 모델보다 강점을 보였고, 특히 고성능 GPU가 필요한 VRAM 사용량을 줄였다는 점에서 실용적인 이미지 이상치 탐지 모델로 활용 가능성이 높다고 느꼈습니다.

2. 실운항 조건을 고려한 FTA-BiLSTM 기반 선박 연료 소비량 예측 모델 연구
실제 운항 조건을 고려해 선박의 연료 소비량을 예측하는 FTA-BiLSTM(Feature and Temporal Attention Bidirectional-LSTM) 모델이 소개되었습니다. 이 모델은 양방향 LSTM에 변수와 시간에 대한 어텐션 메커니즘을 결합하여, 예측에 중요한 변수와 시점을 선택적으로 학습하는 것이 특징입니다. 연구에서는 2년 6개월 간의 벌크선 운항 데이터와 기상 예보 데이터를 활용했으며, 기존 모델과 비교해 높은 예측 성능을 보였습니다. 특히, 어텐션 스코어를 통해 모델이 연료 소비에 중요한 요인으로 수온과 파도의 주기 및 높이를 식별한 점이 인상적이였습니다. 이를 통해 모델의 해석 가능성이 강화되었으며, 향후 다양한 선박에 적용해 볼 가치가 있는 현실적인 예측 모델로 보였습니다.