• 목록

<발표 후기>
8월 24일(월)
세션: 포스터 세션 #2
제목: SPOT: Same-Image Pairwise Objectness Training for Open-Vocabulary Object Detection

하계 데이터마이닝 학회에서 SPOT: Same-Image Pairwise Objectness Training for Open-Vocabulary Object Detection을 주제로 발표를 진행하였다. 본 연구는 OVOD에서 novel object 탐지 성능을 높히기 위해 Region Proposal Network(RPN)의 base category 편향을 줄이기 위한 방법에 대하여 다루었다. 동일 이미지 레퍼런스를 이용한 category-agnostic한 objectness를 학습하는 SPOT을 통해 RPN이 novel obejct를 담고있는 anchor를 background로 잘못 학습하는 것을 방지하는 방법을 제안하였다. 기존 OVOD 모델인 F-VIT에서의 성능 향상이 있음을 확인하였으나 더 다양한 모델과 데이터셋에서 실험이 필요하다고 생각되었다.

<청취 후기>
[P1-07] 분할 파운데이션 모델과 멀티모달 거대 언어모델 기반 반도체 SEM 이미지 추론 분할 기법
본 연구는 반도체 SEM 이미지에서 자연어 지시에 따라 계측 대상 객체를 분할하는 문제를 다루었다. 기존 SAM3-Agent가 자연 이미지를 전제로 설계되어 SEM 이미지의 반복적 구조를 충분히 반영하지 못하고, SAM3가 일부 객체를 분할하지 못한 경우 이를 추가로 탐지하기 어렵다는 한계를 해결하기 위해, SEM 이미지 특화 시스템 프롬프트와 SAM3 exampler 기반의 self-feedback loop를 제안하였다. 이를 통해 별도의 추가 학습 없이 기존 SAM3-Agent 대비 gIoU와 Task Success Rate를 크게 향상시켰으며, 범용 파운데이션 모델의 한계를 도메인 특화 프롬프트와 feature 기반 feedback 구조로 보완하여 새로운 반도체 공정에도 바로 적용 가능하도록 했다는 점에서 인상 깊었다.

<학회 후기>
이번 학회를 통해 AI 연구를 수행하는 다양한 연구자들을 직접 만나 각자가 어떤 주제에 관심을 가지고 있는지 접할 수 있어 의미있었다. 특히 포스터 발표와 연구자들과의 대화를 통해 단순히 연구 결과를 보는 것에서 그치지 않고, 어떤 문제의식에서 연구를 시작하고 어떠한 생각의 흐름을 거쳐 연구 주제와 방법론을 발전시켜 나가는지 직접 질문하고 배울 수 있었다. 또한 평소에는 관심을 가지지 않았던 다양한 연구 주제를 접하면서 기존에 생각해보지 못한 연구 분야와 접근법을 알게 되었고, 이를 통해 연구의 시야를 넓힐 수 있는 좋은 기회가 되었다. 마지막으로 이러한 다양한 연구를 직접 접하고 많은 연구자들과 교류할 수 있는 기회를 마련해주신 교수님께 감사드린다.