[학회 후기]
2023년 2월 5일부터 8일까지 싱가포르 Shangri-La 호텔에서 진행된 ICEIC 2023의 poster 세션에 참여하였다. ICEIC는 여러 국적의 학교에서 논문을 투고하였고, 특히 좋은 연구를 많이 진행하는 것으로 알려져 있는 싱가포르에 있는 난양 공과대학교에서도 많은 참여가 있었다. Electronics, Information, Communication에 걸쳐 넓은 분야에서 논문을 제출한 만큼, 내가 주로 연구하고 있는 분야가 아닌 다른 분야의 논문들을 보면서 내 연구에 적용할 수 있을 만한 유용한 연구를 찾아보는 좋은 경험을 할 수 있었다. 특히, 한국에서 참여한 여러 대학의 사람들과 교류할 수 있는 기회가 많았는데, 중앙대학교 AI 대학원의 한 연구원의 논문이 인상깊었다. 해당 논문은 의료 이미징에서의 적은 양의 데이터 문제를 해결하기 위해, few-shot learning 방법을 사용하여 최적의 의미 분할 네트워크를 제안하였고, 제안한 방법은 gradient descent 알고리즘과 optimizer parameter decomposition 방법을 사용하여 적은 양의 데이터로 빠르게 수렴하는 결과를 보였다. 특히, 의료 산업에서 연구 데이터가 중요하다는 것을 강조하며, deep-learning 기반의 의료 이미징에서 적은 양의 데이터를 사용하는 학습 방법을 연구하는 것이 중요하다는 결론을 내렸다. 이러한 유사한 분야에서의 연구 방법을 내 연구 분야에서 어떻게 하면 잘 활용할 수 있을지 고민해 볼 수 있는 좋은 기회였다.
[발표 후기]
포스터 세션에서 발표한 논문의 제목은 “InvHDR : Inverse Tone Mapping With Invertible Neural Network”으로, single-image based HDR imaging을 invertible한 network으로 생성함으로써, parameter의 최적화가 가능함을 보여주는 논문이다. 기존의 single image based HDR imaging 논문은 CNN 구조를 기반으로 하여 상대적인 exposure value가 다른 image stack을 deep neural network로 생성하여 Debevec과 같은 알고리즘으로 병합하는 방식으로 진행되었다. 나는 이러한 방법에서 Deep neural network를 invertible한 neural network으로 변경하여 parameter를 Forward pass와 Backward pass에서 공통적으로 사용함으로써 parameter를 줄일 수 있음을 보였다. 이 발표를 준비하면서 학회장에서 포스터 한 장에 어떻게 하면 가장 효율적으로 내 연구에서 필요한 부분을 보여줄 수 있을지 고민하였고, 이러한 고민을 통해 실제 학회장에서 여러 질문들에 대해서 참고할 수 있을만한 수치나 사진들과 함께 충분한 답변을 드릴 수 있었다. 국제 학회인 만큼 모든 질문과 답변을 영어로 준비해야 했기 때문에 이러한 부분들을 적절하게 고려하는 것도 매우 중요하다고 느껴졌다.
[질문] 해당 연구를 발전시켜 더 진행할 계획이 있는지?
답변) 해당 연구는 HDR imaging 분야에서 saturated된 region의 detail을 생성함에 있어 기존 딥러닝 알고리즘과 다르게 invertible한 neural network를 사용하여도 충분히 구현이 가능함을 보여주지만, Invertible한 neural network의 한계로 인해 추가적인 성능 향상은 모델 아키텍쳐적인 고려가 필요함. 추가적인 연구를 진행한다면 Invertible neural network가 아닌 diffusion model 기반의 방법을 고려할 예정임.