• 목록

<발표 후기>
8월 24일(월)
세션: 포스터 세션 #2
제목: GRU-Based Skeleton Trajectory Learning for Few-Shot Human Action Recognition in Manufacturing Environments

하계 데이터마이닝 학회에서 Skeleton 기반 경량 Human Action Recognition 방법에 관한 연구 결과를 발표하였다. 본 연구는 제조 환경에서 작업자의 행동을 실시간으로 인식하면서 작업자별 동작 차이와 제한된 label 데이터 환경에 대응하기 위한 경량 HAR 방법론을 제안하였다. 입력 영상에서 추출한 skeleton sequence를 Autoencoder를 통해 저차원의 embedding으로 변환하고 action class별 global prototype과의 worker prototype을 구성하여 작업자 특성을 반영할 수 있도록 하였다. 또한 inference 단계에서는 두가지 Prototype과의 유사도를 기바느올 행동을 분류하고 제조 공정의 순서 정보를 반영함으로써 안정적인 행동 인식 결과를 도출하였다. 실험에서는 HA4M 데이터셋을 활용하여 기존 action recognitoin 모델과 성능 및 연산 효율성을 비교하였다. 적은 파라미터와 낮은 연산량을 유지하면서 실시간 적용 가능성을 확인하였다. 제안 방법의 전체 구조와 실험 결과를 함께 소개하였으며 향후에는 경량성과 실시간을 유지하면서 다양한 작업자와 공정 환경에서도 높은 인식 성능을 확보하기 위한 추가 연구가 필요할 것 같다.

<청취 후기>
[P1-34] 대조적인 어휘 쌍을 활용한 SAM3 기반 제로샷 산업 이상 이미지 분할
본 연구는 별도의 학습 데이터 없이 입력된 산업 이미지 한 장만으로 이상 영역을 분할하는 것을 목표로 한다. MLLM과 SAM3를 결합한 방법을 제안하였으며, 먼저 MLLM을 활용하여 이미지에서 불량 상태를 나타내는 단어와 정상 상태를 나타내는 대조적인 단어를 생성하고 각각의 단어를 SAM3의 프롬프트로 입력하여 이상 영역과 정상 영역에 대한 Segmentation Map을 생성하였다. 이때 이상을 나타내는 단어만 사용할 경우 생성된 이상 Map에 정상 영역까지 일부 포함될 수 있기 때문에 정상 단어를 기반으로 생성한 Map을 함께 활용하여 이상 Map에서 정상 Map을 제외하는 방식으로 최종 이상 영역을 구체화 한 점이 인상적이었다. 특히 정상 및 이상 데이터셋을 별도로 구축하거나 모델을 추가 학습하지 않고 MLLM과 SAM3 각각의 성능을 활용해 하나의 이미지에서도 이상 영역을 탐지하고자 했다는 점에서 기존 학습 기반 산업 이상 탐지 방법과 차이가 있다고 생각하였다. 향후 다양한 종류의 불량과 복잡한 산업 이미지에서도 안정적으로 적용될 수 있는지 추가적으로 확인해 보면 좋을 것이라고 생각하였다.

<학회 후기>
다양한 데이터 분석 및 인공지능 관련 연구 발표를 청취하고 직접 수행한 연구를 발표하는 시간을 가졌다. 여러 연구자들의 발표를 통해 최근 연구 동향과 다양한 문제 해결 방법을 접할 수 있었다. 또한 연구 내용에 대한 질의응답과 의견 교류를 통해 기존에 생각하지 못했던 관점과 향후 연구 방향에 대해 고민해 볼 수 있었다. 이번 학회 참가를 통해 현재 수행하고 있는 연구를 돌아보고 향후 연구를 보다 구체적으로 발전시키는 데 도움이 되는 경험을 얻을 수 있었다. 끝으로 이런 좋은 기회를 주신 교수님께 감사드린다.