[학회 후기]
Association for the Advancement of Artificial (AAAI)는 미국 워싱턴의 컨벤션 센터에서 개최되었다. AAAI는 artificial intelligence (AI) 연구를 메인으로 다루고 있는 국제 학회로 나는 대학원을 입학하고 처음으로 참석한 해외 학회였다. 처음으로 가장 놀라웠던 점은 얘기로만 들어보던 소니, 아마존, IBM 등의 글로벌 대기업들이 참여한 job fair를 여는 것이었다. Job fair 세션에서 각 회사들이 인공지능과 관련해서 어떤 연구를 하고 있고, 어떻게 기술에 적용되는지에 대한 설명을 현직자를 통해 직접적으로 설명을 들을 수 있었다. 특히 내가 segmentation과 multi-modal 분야에 대해서 관심있게 연구하고 있다고 하자 입사를 하게 되면 어떤 강점으로 작용할 지와 추후 어떤 연구를 하면 도움이 될지에 대한 조언도 해주었다. 그리고 oral session에 참석하여 관심있는 연구에 대한 발표를 들었다. 가장 인상 깊었던 발표는 multi-modal을 이용한 depth 추정에 대한 내용이었다. 학습 시 LIDAR modality와 single view modality를 이용하여 추론 시 single view modality만을 이용해도 depth를 잘 추정할 수 있도록 한다는 내용이었다. 현재 내가 관심있는 vision-language multi-modal 분야와는 다른 modality를 다루고 있긴 했지만, cross-attention을 활용한 fusion 구조와 contrastive learning 방법을 활용한 align 방법에 대한 insight를 받을 수 있었다. 또한 post session에도 참석했는데, 생각보다 자유로운 분위기에서 토론할 수 있는 분위기인 점이 인상깊었다. 그리고 세계 유수 연구기관에서 인공지능 분야를 연구하는 연구원들과 최신 기술에 대해 이야기하고 이 분위기를 함께 공유할 수 있다는 점이 앞으로 연구를 열심히 할 수 있는 동기부여가 되었다.
[발표 후기]
나는 Association for the Advancement of Artificial (AAAI)의 poster session에 “FeedFormer: Revisiting Transformer Decoder for Efficient Semantic Segmentation”라는 제목의 연구로 발표하게 되었다. 이 연구는 pixel wise로 classification을 수행하여 해당 객체를 검출하는 semantic segmentation task에 대해서 다루었다. 이때 최근 좋은 성능을 보이는 Transformer 구조를 활용하였으며, 연산량이 크게 발생하는 Transformer의 특성을 고려하여 네트워크 경량화를 수행하는 방법을 고안하였다. 그 결과 3개의 대표적인 semantic segmentation dataset에 대해 모델 크기 및 연산량 대비 가장 좋은 성능을 달성하였다. 이 내용에 대해서 poster를 준비하였고, 2시간 가량의 session 시간 동안 개인적으로는 5명의 질문을 받았다. 그 중 3명은 한국인이었고 2명은 외국인이었는데 생각보다 한국인들을 많이 만나볼 수 있었다. 질문한 사람들 중에는 회사원부터 한국 대학원생, 유학생 등이 있었는데 회사원은 구현 및 구동 관점을 위주로 질문했고 대학원생들은 방법의 novelty 측면에서 주로 질문하였다. 이와 같이 연구에 대해서 관심사가 다른 다양한 관점의 질문과 피드백을 들을 수 있다는 점이 유익한 경험이었다. 또한 질문 과정에서 개인적으로 이메일을 적어 가신 분도 있었고, 이와 같이 인공지능 분야에서 폭 넓은 교류를 할 수 있는 기회가 넓어진 느낌을 받았다. 그리고 외국인과 대화할 때를 대비해서 예상 질문을 뽑고 이에 대한 대본을 준비하였으며, 대부분 예상 범위 내에서 내용을 물어봐서 준비된 내용을 잘 대답할 수 있었다. 처음에는 영어로 대화해야 한다는 점이 부담되고 외국인과 학문적인 대화를 대면으로 나눠본 것이 처음이어서 긴장되었지만, 생각보다 재미있었고 자신감이 올라갈 수 있는 경험이었다.