발전기금
-
-
- 본교 이해인 박사, 만 29세 동국대 조교수로 임용
- 본교 이해인 박사, 만 29세 동국대 조교수로 임용 우리 대학 이해인 박사가 2025년 9월부로 동국대학교(서울) 열린전공학부 인공지능·융합교육 분야 조교수로 임용되었다. 이해인 박사는 컴퓨터·AI학부에도 겸직하여 활동하게 된다. 이해인 박사는 2021년 우리대학 인공지능융합학과 석·박사 통합과정으로 입학하여 2025년 2월 박사학위를 취득한 후, 인터랙션사이언스연구소에서 박사후연구원으로 재직하였으며, 만 29세의 나이에 교수로 임용되는 성과를 거두었다. 이해인 박사는 2022년 이후 SSCI·SCIE급 국제 학술지에 총 19편의 논문을 발표하며 누적 인용수 300회 이상을 기록하였고, 주저자 논문 기준 FWCI는 4점 이상으로 높은 학문적 영향력을 인정받았다. 특히 Top 6% 저널인 Journal of Cleaner Production, Top 8% 저널인 Decision Support Systems 등 세계적 수준의 저널에 논문을 게재하며 연구 경쟁력을 입증하였다. 또한 학부·대학원에서 다양한 인공지능 과목을 강의하면서 학부 강의평가 평균 99점을 기록하는 등 학생들에게 높은 만족도를 이끌어낸 바 있다. 학부 하계 부트캠프 특강과 성균관대학교 비전공 교원을 위한 인공지능 특강도 진행하며 다양한 교육 경험을 축적해왔다. 이해인 박사는 DSSAL 연구실(지도교수: 김장현 글로벌융합학부 교수) 출신으로, 해당 연구실은 다수의 SSCI·SCIE급 논문과 탑티어 AI분야 국제학회에 논문을 게재해 왔다. 최근 2년간 남동연 마카오과학기술대 경영학과 교수, 한국학중앙연구원 한국학대학원 인문정보학과 김병준 교수 등 다수의 교수를 배출하여 국내 AI응용(AI+X) 분야의 선도연구실로 자리매김하고 있다. 이해인 박사의 지도교수인 김장현 교수(RISE사업단 인문사회캠퍼스 부단장)는 앞으로도 인공지능 기반 융합인재를 적극 배출하여 관련 분야를 선도해 나가겠다고 포부를 밝혔다. 4단계 BK21 사업, 소프트웨어융합대학과 학교 본부의 다양한 대학원 지원 등에 힘입어 이런 좋은 성과나 나올 수 있었다고 덧붙였다.
-
- 작성일 2025-09-01
- 조회수 2451
-
-
-
- 실감미디어공학과 송인표 원우, ‘2025 가상융합 혁신인재 심포지엄’ 최우수상 수상
- 실감미디어공학과 송인표 원우, ‘2025 가상융합 혁신인재 심포지엄’ 최우수상 수상 대학원실감미디어공학과(가상융합대학원) 송인표 석사과정생(실감미디어공학과 IISLAB, 지도교수 이장원)이 ‘2025 가상융합 혁신인재 심포지엄’에서 대학원생 우수연구성과 발표 부문 최우수상을 수상했다. 과학기술정보통신부가 주최하고 정보통신기획평가원 및 가상융합대학원협의회가 주관한 이번 심포지엄은 8월 21일(목) 서강대학교에서 개최되었다. ‘AI 기반, 가상융합의 미래를 그리다’를 주제로 열린 본 행사는 AI 시대의 초지능 사회로의 도약을 모색하는 자리였다. 송인표 원우가 발표한 “Anomaly Detection for People with Visual Impairments using an Egocentric 360-Degree Camera"연구는 시각장애인을 위한 비정상 상황 탐지(Anomaly Detection) 시스템을 제안한 것으로, 착용형 360도 카메라를 통해 사용자의 시점에서 영상을 수집하고, AI 기반 분석으로 주변 환경의 위험 요소나 이상 상황을 인지할 수 있도록 설계되었다. 이를 통해 시각장애인이 낯선 환경에서도 보다 안전하게 이동할 수 있는 가능성을 제시하였다. 이 연구는 컴퓨터 비전 분야의 권위 있는 국제 학회인 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2025에 채택되며, 그 우수성을 세계적으로 인정받았다. 송인표 원우는 “이번 연구 결과가 시각장애인을 위한 보조 기술 개발과 사회적 안전망 강화에 기여할 것”이라며, “향후 AI 기반 돌봄 서비스, 스마트 시티 보행 안전 지원 등 다양한 사회적 가치로 확장될 수 있을 것”이라고 기대감을 밝혔다. 한편, 우리 대학은 2023년 가상융합대학원 사업에 선정되어 가상융합서비스 기획과 연구개발 등에 필요한 핵심 역량을 갖춘 고급 융합 인재를 양성하고 있다. 이번 수상은 성균관대의 연구 역량을 다시 한번 입증한 사례로, 가상융합대학원의 지속적인 성장 가능성과 교육·연구 경쟁력을 보여주는 성과로 평가된다.
-
- 작성일 2025-08-22
- 조회수 1300
-
- [일반] 국립라오스공과대학 방문단, 성균관대 정보통신·소프트웨어융합·공과대학 방문
- 성균관대학교 정보통신대학·소프트웨어융합대학·공과대학은 8월 13일(수), 국립라오스공과대학 방문단을 초청해 AI·반도체 분야 교육 협력 및 교류 활성화를 위한 행사를 진행했다. 이번 방문에는 국립라오스공과대학 교수진 10명을 비롯해 한국무선인터넷솔루션협회 관계자가 함께했다. 성균관대에서는 이은석 소프트웨어융합대학장, 전정훈 정보통신대학장, 권석준 공과대학 부학장, 서의성 소프트웨어융합대학 부학장, 김상효 정보통신대학 부학장, 박호건 교수, 신현대 실장 등이 참석했다. 행사는 학술정보관 7층 Creative Learning Room에서 열렸으며, AI 특강은 박호건 교수, 반도체 특강은 전정훈 학장이 맡아 강연을 진행했다. 참석자들은 Q&A 세션을 통해 활발한 의견을 교환했다. 라오스 방문단은 성균관대학교 정보통신대학, 소프트웨어융합대학, 공과대학을 대표해 참석한 학장단에게 감사의 뜻을 전하며 감사패를 전달했다. 또한 방문단은 러닝팩토리를 투어하며 성균관대학교의 첨단 교육·연구 인프라를 직접 확인하고, 향후 학술 교류 확대에 대한 기대를 나타냈다.
-
- 작성일 2025-08-22
- 조회수 1270
-
- [연구] 조재민 교수 연구실 (IDCLab), IEEE VIS 2025에 논문 1편 채택
- IDCLab (지도교수 조재민, https://idclab.skku.edu/)의 정명원 학생(박사과정)의 “GhostUMAP2: Measuring and Analyzing (r,d)-Stability of UMAP” 논문이 정보시각화분야 최우수학회인 IEEE VIS (VIS 2025)에 게재 승인되어 2025년 11월 발표될 예정입니다. 이 논문은 University of Arizona의 Takanori Fujiwara 교수와 공동연구를 수행하였습니다. 고차원 데이터를 분석하기 위해 널리 사용되는 차원축소 기술은 계산 효율성을 위해 확률적 경사 하강법이나 네거티브 샘플링 기법을 활용합니다. 이로 인하여 차원축소 결괏값이 매 시행마다 달라지게 됩니다. 특히, 본 연구에서는 고차원 매니폴드 상 밀도가 낮은 영역에 위치하는 데이터 포인트들은 이러한 확률성의 영향을 크게 받아 차원 축소된 결과를 신뢰할 수 없다라는 점에 착안합니다. 현 시점 가장 널리 사용되는 차원축소 기술인 UMAP(Uniform Manifold Approximation and Projection) 알고리즘을 기반으로 한 번의 시행으로 여러 번 시행을 모사하는 알고리즘인 GhostUMAP을 개발하고 평가하였습니다. 또한, 차원축소 결과의 신뢰성을 평가하는 프레임워크인 (r,d)-안정성을 도입하였습니다. 마지막으로, 이러한 기술들을 실제 고차원 데이터 분석 작업에서 사용되는 데이터에 적용하여 본 기술의 실효성을 검증했습니다.
-
- 작성일 2025-08-19
- 조회수 2320
-
- [연구] 자연어처리연구실(NLP lab, 지도교수: 고영중), ACL 2025에 논문 1편 게재
- 자연어처리연구실(NLP lab, 지도교수: 고영중)의 논문 1편이 인공지능 및 자연어처리 분야의 Top-tier 국제학술대회인 ACL 2025(The 63rd Annual Meeting of the Association for Computational Linguistics)의 Findings에 게재되었습니다. 논문: DAPI: Domain Adaptive Toxicity Probe Vector Intervention, for Fine-Grained Detoxification (지능형소프트웨어학과 석사과정 조현수, 인공지능학과 박사과정 김두영) 논문 요약: 본 연구에서는 기존의 단일 독성 탐지 벡터 기반의 제어 방식이 세부적인 독성 유형을 효과적으로 제거하지 못하는 한계를 극복하기 위해, 범주 특화(category-specific) 독성 탐지 벡터 기반의 독성 완화 기법을 제안합니다. 독성 표현은 다양한 하위 범주로 세분화될 수 있으므로, 단일 벡터로는 특정 범주의 독성을 효과적으로 완화하기 어렵습니다. 이에 따라, 본 연구에서는 다양한 독성 범주에 대해 개별적인 탐지 벡터를 학습하고, 생성 과정에서 문맥에 따라 가장 적절한 독성 탐지 벡터를 동적으로 선택한 후, 선택된 벡터를 적절한 크기로 조정하여 모델 출력에서 감산하는 방식을 도입하였습니다. 제안한 방법은 단일 벡터 방식으로는 제거하기 어렵던 독성 범주에 대해서도 효과적으로 독성을 완화함을 보였으며, 실험 결과 평가 데이터셋 기준 최대 78.52%의 독성 감소 효과를 달성하였습니다. 독성이 완화된 모델의 유창성은 기존 모델 대비 0.052% 감소에 그쳐 거의 동일한 수준의 유창성을 유지하면서도 독성을 완화할 수 있음을 확인하였습니다. Abstract: There have been attempts to utilize linear probe for detoxification, with existing studies relying on a single toxicity probe vector to reduce toxicity. However, toxicity can be fine-grained into various subcategories, making it difficult to remove certain types of toxicity by using a single toxicity probe vector. To address this limitation, we propose a category-specific toxicity probe vector approach. First, we train multiple toxicity probe vectors for different toxicity categories. During generation, we dynamically select the most relevant toxicity probe vector based on the current context. Finally, the selected vector is dynamically scaled and subtracted from model. Our method successfully mitigated toxicity from categories that the single probe vector approach failed to detoxify. Experiments demonstrate that our approach achieves up to a 78.52% reduction in toxicity on the evaluation dataset, while fluency remains nearly unchanged, with only a 0.052% drop compared to the unsteered model. 고영중 교수: yjko@skku.edu, nlp.skku.edu, 자연어처리연구실: nlplab.skku.edu
-
- 작성일 2025-08-19
- 조회수 2303
-
-
- [연구] DXLab (지도교수: 박은일), IJCAI 2025, CIKM 2025에 논문 3편 게재 승인
- DXLab (지도교수: 박은일) 논문이 인공지능 분야의 Top-tier 국제학술대회 IJCAI 2025(1편)와 CIKM 2025(2편)에 게재 승인되었습니다. 1) (IJCAI 2025) “Solving Copyright Infringement on Short Video Platforms: Novel Datasets and an Audio Restoration Deep Learning Pipeline” 논문은 오민우 연구원(석사과정), 박민수 연구원(석박통합과정)이 저자로 참여하였고, 박은일 교수가 교신저자로 참여하였습니다. 이 논문은 유튜브 쇼츠, 틱톡 등 숏폼 영상 플랫폼에서 발생하는 임의 배경음악(BGM) 삽입으로 인한 저작권 침해 문제를 해결하기 위한 새로운 오디오 복원 파이프라인을 제안합니다. 사용자는 영상의 원본 OST를 가리기 위해 임의의 BGM을 삽입하는데, 이는 기존 콘텐츠 검출 시스템의 정확도를 크게 저하시킵니다. 이를 해결하기 위해 본 연구는 음악 소스 분리(MSS)와 크로스모달 영상-음악 정합성 평가(CMVMR)를 결합한 4단계 파이프라인을 설계하였습니다. 특히, 본 연구는 파이프라인 학습과 평가를 위해 두 가지 도메인 특화 데이터셋을 새롭게 구축했습니다. 실험 결과, 제안한 파이프라인은 SDR, SI-SDR 등에서 임의 배경음악이 삽입된 오디오 대비 뛰어난 성능을 보여 실제 플랫폼 적용에 적합한 높은 성능과 실용성을 입증하였습니다. 2) (CIKM 2025) “BOVIS: Bias-Mitigated Object-Enhanced Visual Emotion Analysis” 논문은 이유빈 연구원(석박통합과정), 차준엽 연구원(석박통합과정)이 저자로 참여하였고, 박은일 교수가 교신저자로 참여하였습니다. 이 논문은 시각 자극에 대한 인간의 감정 반응을 예측하는 Visual Emotion Analysis (VEA)의 정밀도와 공정성을 향상시키기 위해 새로운 프레임워크 BOVIS를 제안합니다. 기존 연구들은 전체 이미지의 특징이나 객체의 의미 정보 중 하나에만 집중하여 감정 해석의 표현력이 부족하거나 편향된 결과를 초래하는 한계를 보였습니다. BOVIS는 이러한 문제를 해결하기 위해 두 가지 핵심 전략을 결합합니다. Object-Enhanced Feature Integration을 통해 이미지의 전체적 맥락, 객체 수준의 시각 정보, 그리고 텍스트 기반 의미 정보를 통합적으로 활용하여 감정의 미묘한 뉘앙스를 포착합니다. 그리고 Bias-Mitigation Loss 설계를 통해 Mikel’s Emotion Wheel 기반 감정 간 거리 정보를 반영한 Emotion Loss, 샘플별 불균형을 고려한 IPW-MAE, 극단 오차에 민감한 GMAE, 그리고 분류 정확도를 높이기 위한 Cross Entropy Loss를 조합한 가중합 손실 함수 구조를 적용하여 데이터 편향을 효과적으로 완화합니다. BOVIS는 유사한 감정 간의 세밀한 구분이 필요한 상황에서도 높은 예측 정확도를 보였으며, 소수 클래스에 대한 편향된 학습 문제를 효과적으로 완화하여 감정 예측의 공정성과 신뢰도를 크게 향상시켰습니다. 이러한 특성은 감성 인식 기반의 멀티에이전트 협력 환경 등 실제 응용 시나리오에서도 높은 활용 가능성을 보여줍니다. 3) (CIKM 2025) “Streamlining Feature Interactions via Selectively Crossing Vectors for Click-Through Rate prediction” 논문은 장병우 연구원(석사과정), 박진희 연구원(석사과정)이 저자로 참여하였고, 박은일 교수가 교신저자로 참여하였습니다. 이 논문은 계산 효율적인 클릭률 예측(Click-Through Rate, CTR) 모델을 제안합니다. 저자들은 여러 대표적인 CTR 모델을 대상으로 실험한 결과, 전체 상호작용(feature interaction)의 최대 90%를 제거해도 성능 저하가 거의 없으며, 많은 상호작용이 불필요하거나 오히려 노이즈로 작용할 수 있음을 확인했습니다. 이를 바탕으로 상호작용 학습을 ‘희소(sparse) 엣지 선택’ 문제로 재정의하는 새로운 접근을 제시합니다. 제안하는 Selectively Crossing Vectors(SCV)는 모든 입력 인스턴스에 대해 전역적으로 공유되는 핵심 상호작용 그래프(core interaction graph)를 학습하는 Pessimistic Feature Selection(PFS)를 이용해 희소성을 확보합니다. 이후 입력별로 적합한 상호작용을 선택하기 위해 여러 개의 core interaction graph를 구성하고, 이를 단계적인 Mixture of Experts(MoE) 구조인 Multi-Level Expert Learning(MEL)로 결합해 전역 구조의 일관성과 지역적 적응성을 동시에 달성합니다. 마지막으로, 학습 과정의 불안정성을 완화하기 위해 라벨 정보를 편향 신호로 활용하는 Label-Biased Objective(LBO)를 적용합니다. SCV는 희소성을 높임과 동시에 표현력과 학습 안정성을 향상하여, 4개의 벤치마크에서 기존 모델 대비 최대 66%의 FLOPs를 절감하면서도 대부분의 데이터셋에서 SOTA 성능을 달성합니다. | DXLab. | https://dsl.skku.edu
-
- 작성일 2025-08-11
- 조회수 2453