• 목록

<발표 후기>
8월 24일(월)
세션 : 포스터 세션 #2
제목 : Video-Based Honeybee Fanning Detection for Hive Monitoring

데이터마이닝학회에서 Video-Based Honeybee Fanning Detection for Hive Monitoring을 주제로 발표하였다. 본 연구에서는 벌통 입구 영상을 이용하여 꿀벌의 fanning 행동을 자동으로 탐지하는 방법을 제안하였다. Grounding DINO와 SAM2를 통해 개별 꿀벌을 탐지·추적하고, 이동 범위와 속도가 낮은 개체를 선별하였다. 이후 날개 움직임을 포함하는 wing region에서 연속 프레임 간 Laplacian edge 변화량을 분석하여 fanning 행동을 판별하였다.
실험에서는 Fanning 20개와 Non-Fanning 20개를 직접 annotation하여 검증하였다. Ablation 결과 wing-ring과 Laplacian을 함께 적용했을 때 가장 높은 성능을 보였으며, Laplacian, Sobel, Canny 중 Laplacian이 가장 우수하였다. 또한 multi-frame 방식이 single-frame보다 높은 성능을 보였고, window size 변화에 따른 성능 차이는 크지 않았다.
이번 발표를 통해 fanning과 같이 이동량은 적지만 국소적인 움직임이 큰 행동을 탐지하는 데 날개 영역의 시간적 변화 분석이 효과적임을 확인하였다. 향후 주변 개체의 움직임과 개체 간 겹침으로 인한 영향을 줄이는 방향으로 연구를 발전시킬 예정이다.

<청취 후기>
[P1-31] Does Stronger CLIP Generalization Transfer to Zero-Shot Anomaly Detection?
본 연구는 CLIP의 일반화 성능이 Zero-shot Anomaly Detection에 적용되었을 때 backbone 간 성능 순위가 달라지는 문제를 다루었다. 기존 방법들이 이상탐지 성능 향상에 집중한 것과 달리 pretrained CLIP의 일반화 특성과 성능 순위를 유지하면서 이상탐지 성능을 향상시키는 TrendAD를 제안하였다. 실험을 통해 TrendAD가 이상탐지 성능을 높이는 동시에 backbone 간 성능 순위의 일관성을 유지하는 것을 확인하였다. 기존 방법을 단순히 개선하는 것이 아니라, 기존 모델의 특성이 새로운 task에서도 유지되는지를 문제로 정의하고 해결했다는 점이 인상 깊었다.

<학회 후기>
기업 초청강연을 통해 다양한 산업 분야에서 AI가 실제로 어떻게 활용되고 있으며 연구와 달리 실무에서는 어떤 요소가 중요하게 고려되는지 알 수 있었다. 또한 포스터 세션에서 다양한 연구 발표를 들으며 기존 방법을 단순히 개선하는 것뿐만 아니라, 기존 방법 자체의 타당성을 검증하고 한계를 분석하는 연구 방식이 인상 깊었으며 연구를 바라보는 새로운 관점을 얻을 수 있었다. 이러한 기회를 주신 교수님께 감사드린다.