• 목록

<발표 후기>
8월 24일(월)
세션: 포스터 세션 #2
제목: Uncertainty-Aware Decoupled Pseudo-Label Learning for Deep Survival Models

<발표 후기>
이번 포스터 발표에서는 label이 부재하거나 극단적으로 부족한 의료 이미지 기반의 생존분석 task에서 준지도학습을 위한 Uncertainty-Aware Decoupled Pseudo-Label Learning for Deep Survival Models 프레임워크를 제안했다. 생존분석은 event 발생 시점 및 여부를 함께 예측해야하는 task로 일반적인 준지도학습에서의 pseudo label을 동일하게 활용할 시 불확실한 event 시점 및 여부로 인해 생존분포 전반에 잘못된 supervisory signal을 학습하게 된다. 따라서, 본 연구는 이를 해결하기 위해 2가지 module을 통해 데이터 및 모델의 불확실성을 다루도록 설계하였다. EMA teacher에게 original 과 weak augmented view의 이미지를 제공해 2가지 예측이 동일한지의 여부를 통해 데이터 불확실성을 다루고, 이후 모델 예측의 temporal entropy를 통해 모델 불확실성을 식별, 이를 pseudo censor 와 pseudo event로 decoupling 시키는 구조를 제안했다.

<청취 후기>
[P1-33] Exploring Flow Posteriors in Noisy Space: Marginal Langevin Dynamics for Inverse Problems
본 연구는 Diffusion Model의 Inverse Problem을 해결할 때 발생하는 기존 방법론들의 한계를 극복하기 위해, diffusion의 중간 단계인 noisy space에서 flow velocity를 이용해 clean endpoint를 예측하고 이를 바탕으로 Marginal Langevin Dynamics를 수행하는 방법을 제안하였다. 예측된 clean endpoint를 통해 근사된 likelihood gradient를 noisy state에 전달하여 posterior sample을 생성하는 구조를 설계한 점이 핵심 방법론에 해당한다. AFHQ-Cat 데이터셋을 활용한 Colorization, Inpainting 등의 실험 결과, FlowDPS나 DAPS 등 기존 방법 대비 PSNR, SSIM, FID 등의 지표에서 우수한 복원 품질을 도출하였으며, 특히 정성 결과에서 비교 방법론 대비 압도적인 복원 품질을 보였다.

[P1-34] 대조적인 어휘 쌍을 활용한 SAM3 기반 제로샷 산업 이상 이미지 분할
본 연구는 데이터 수집과 전문가 레이블링이 어려운 산업 이미지 도메인에서, MLLM 에이전트와 SAM3를 결합하여 학습 없이(zero-shot) abnormaly segment를 분할하는 파이프라인을 제시하였다. 단순 명사구에 의존하던 기존의 분할 방식을 넘어, MLLM을 통해 정상과 이상을 묘사하는 다양한 대조적 어휘 쌍을 생성하고 이를 SAM3의 입력 맵으로 활용해 도메인 지식 부족 문제를 보완하였다. MVTec 벤치마크 평가 결과, 단일 단어나 정상 단어만을 사용할 때보다 다수의 대조 어휘 쌍을 활용했을 때 pAUROC 등의 지표가 크게 향상되며 기존 방법론(WinCLIP, AnomalyVLM 등)을 압도하는 성능을 보였다. 다만, 특정 도메인의 이미지로부터 MLLM을 통해 생성하게 되는 단어가 제한적일수도 있을 것으로 예상되어 MLLM의 추론 능력과 사전에 해당 도메인에서 발생 가능한 이상과 관련된 단어를 추출해두는 것과의 비교가 필요할 것으로 생각되었다. MLLM의 추론 능력과 SAM3의 zero-shot segmentation 능력을 연결해 학습 데이터의 한계를 극복한 아이디어가 매우 인상 깊었다.

<학회 후기>
이번 데이터마이닝 학회에서는 우수학회논문발표 세션을 구성해 최근 top-tier conference에 accept된 발표를 청취할 수 있었다. 문제 정의와 문제를 관통하는 핵심 가설을 세우고, method와 가설을 증명하기 위한 실험 세팅까지 어떤식으로 구성해야하는지를 참고할 수 있는 좋은 기회였다.

항상 다양한 학회 참가 기회를 마련해주시는 교수님께 감사드립니다.