대학소식 게시판목록 | 성균관대학교 소프트웨어융합대학

[연구] 박호건 교수 연구실 (LearnData연구실), ICLR 2024/ACL 2024 논문 게재 승인 (박사과정: 강현주, 김정훈)

LearnData연구실 (지도교수: 박호건)의 논문이 인공지능 분야 우수학회인 International Conference on Learning Representations 2024, ACL 2024 (The 62nd Annual Meeting of the Association for Computational Linguistics) 에 Findings 게재 승인(Accept) 되었습니다. 1. 논문 “Improving Multi-hop Logical Reasoning in Knowledge Graphs with Context-Aware Query Representation Learning” 은 인공지능학과 김정훈 (박사과정)이 제1저자로 참여했으며, 소프트웨어학과 정희수 (박사과정), 미국 인디애나 대학교 장혜주 교수가 공저자로 참여했습니다. 본 논문은 GPT-4와 같은 최신 LLM도 잘 풀지 못하는 논리적 추론을 수행할 때 질의 그래프의 구조적 맥락과 관계 유도 맥락을 활용하여 성능을 향상시키는 방법인 CaQR을 제안합니다. 논리적 추론이란 복잡한 질문을 First-Order Logic(FOL) 형태의 쿼리로 표현하고 정답을 찾는 과정을 말합니다. 예를 들어 "1980년 올림픽에서 시행된 단체 종목을 하는 팀들의 이름은?"이라는 질문이 있다면, 이를 FOL 쿼리로 나타내고 답을 찾을 수 있습니다. 기존의 방법들은 쿼리의 논리적 구조나 관계 정보를 잘 활용하지 못해 정확도가 떨어지는 한계가 있었지만 CaQR은 쿼리 그래프의 구조적 맥락과 관계적 맥락을 모두 고려해 노드의 표현을 정교화함으로써 추론 성능을 높일 수 있었습니다. 여기서 구조적 맥락이란 쿼리 내 노드의 위치나 역할 같은 것을 의미하고, 관계적 맥락은 지식 그래프 내에서 노드 간의 관계를 통해 얻을 수 있는 정보를 뜻합니다. CaQR의 장점은 다양한 질의 임베딩 모델에 적용 가능하다는 점과, 실험을 통해 여러 데이터셋과 모델에서 성능 향상을 입증했다는 점입니다. 특히 어려운 유형의 쿼리에서도 향상 효과가 컸습니다.. 앞으로 CaQR과 같은 연구를 통해 논리적 추론 기술이 더욱 발전하고, 자연어로 된 복잡한 질문에도 정확한 답을 제공할 수 있게 되길 기대해 봅니다. 논문 링크: http://arxiv.org/abs/2406.07034 2. 논문 “UNR-Explainer: Counterfactual Explanations for Unsupervised Node Representation Learning Models” 은 인공지능학과 강현주 (박사과정)이 제1저자로 참여했으며, 같은 학과 한건희 (석사과정)이 공저자로 참여하였습니다. 본 논문은 그래프 신경망을 이용한 비지도 노드 표현 학습 모델을 설명하기 위한 반사실적(Counterfactual) 설명 기법인 UNR-Explainer를 제안합니다. 노드 표현 학습은 그래프의 노드를 저차원 벡터로 표현하는 방법으로, 다양한 하위 작업(링크 예측, 클러스터링, 이상 탐지 등)에 활용됩니다. 특히 k-최근접 이웃 노드가 이런 작업들의 성능에 큰 영향을 미치는데, 기존 연구들은 이를 설명하는 데 한계가 있었습니다. UNR-Explainer는 노드의 k-최근접 이웃을 크게 변화시키는 중요한 부분 그래프를 식별함으로써 모델을 설명합니다. 이는 반사실적 질문인 "만약 이 엣지들이 없었다면 노드의 k-최근접 이웃이 달라졌을까?"에 답하는 것과 같습니다. Monte Carlo Tree Search를 활용해 설명 그래프를 탐색하며, 탐색 편향을 완화하기 위해 새로운 전략을 도입했습니다. 실험 결과, 다양한 데이터셋과 모델(GraphSAGE, DGI)에서 매우 우수한 성능을 보였습니다. 향후에도 본 연구는 그래프 신경망 기반 비지도 학습의 설명 가능성을 높이고, 관련 하위 작업들을 이해하는 데 크게 기여할 것으로 기대됩니다. 논문 링크: https://openreview.net/pdf?id=0j9ZDzMPqr LearnData 연구실은 그래프, 자연어, 센서, 이미지 등 다양한 모달리티를 활용한 기계학습 및 데이터마이닝 기술 개발, 설명 가능 AI 기술 연구 등을 수행하고 있습니다. 이번 ICLR 2024, ACL 2024 논문의 연구는 인공지능대학원, 정보통신기획평가원, 한국콘텐츠진흥원 등의 지원으로 진행되었습니다. 박호건 | hogunpark@skku.edu | LearnData Lab | https://learndatalab.github.io/
- 작성일 2024-06-17
- 조회수 6648
[연구] [박진영 교수] HLI연구실, ICML 2024 Spotlight 논문 게재 승인

HLI연구실 (지도교수: 박진영)의 박상준 학부연구생의 논문이 인공지능 학회 ICML 2024(The Forty-first International Conference on Machine Learning) 에 Spotlight(Acceptance rate 3.5%)로 게재 승인(Accept) 되었습니다. 해당 논문은 24년 7월 오스트리아 비엔나에서 발표될 예정입니다. 본 연구 "Memoria: Resolving Fateful Forgetting Problem through Human-Inspired Memory Architecture"는 인공지능 모델을 위한 기억 시스템을 제안합니다. 인공신경망이 장기기억을 갖도록 만드는 것은 오랜 문제이며 외부 기억을 활용하는 다양한 기법이 등장했지만, 대부분 최근 정보를 단기적으로 보존하는 것에 초점을 맞추었습니다. Memoria는 인간의 뛰어난 기억 시스템에서 영감을 받아 다양한 심리학과 신경과학적 이론을 바탕으로 설계되었습니다. 실험결과는 Memoria가 정렬, 언어 모델링 및 분류와 같은 다양한 작업에서 뛰어난 성능을 보임을 입증합니다. 또한 Memoria의 기억을 분석하여 Memoria에서 인간 기억의 특성인 초두효과(primacy effect), 최신효과(recency effect) 및 시간 연속성 효과(temporal contiguity effect)가 나타남을 보였습니다. 논문: https://arxiv.org/abs/2310.03052
- 작성일 2024-06-17
- 조회수 7023
[연구] 우사이먼성일 교수(DASH 연구실), Won PAKDD 2024 Best Paper Running-Up Award (2nd Place)

우사이먼성일 교수(DASH 연구실), Won PAKDD 2024 Best Paper Running-Up Award (2nd Place) 대만 타이페이에서 5월 7일부터 10일까지 열린 PAKDD 2024 (BK CS IF=1)에서 DASH 연구실(지도교수: 우사이먼성일)의 Bin M. Le 박사과정학생과 우사이먼성일교수의 "SEE: Spherical Embedding Expansion for Improving Deep Metric Learning" 논문이 Best Paper Running-Up Award (2nd Place) 수상하였습니다. 이번 PAKDD 2024는 전 세계에서 submit된 720편의 우수한 논문들 중에서 엄격한 심사 과정을 거쳐, 최종적으로 단 4편의 논문이 Best Paper로 선정되었습니다. 논문링크: https://link.springer.com/chapter/10.1007/978-981-97-2253-2_11 https://pakdd2024.org/award24awardpakdd24/ DASH Lab won the Best Paper Running-Up Award (2nd Best Paper) at PAKDD 2024 in Taiwan Binh M. Le and Simon S. Woo’s paper, “SEE: Spherical Embedding Expansion for Improving Deep Metric Learning,” received the the Best Paper Running-Up Award (2nd best paper) in PAKDD 2024 (BK CS IF=1), held in Taipei in May 2024. Here is the background information about the award: “This year, PAKDD received 720 excellent submissions, and the selection process was competitive, rigorous, and thorough with over 500 PC and 100 SPC members. An award committee was formed by a chair and four committee members from different countries. There are only one Best Paper Award, two Best Paper Running-Up Awards, and one Best Student Paper Award.” Paper Link: https://link.springer.com/chapter/10.1007/978-981-97-2253-2_11
- 작성일 2024-06-07
- 조회수 6795
[연구] SecAI 연구실(구형준 교수), IEEE Symposium on Security and Privacy 2024 (S&P '24), Distinguished Paper Award 수상

SecAI 연구실 (지도교수 구형준, https://sslab.skku.edu)와 고려대학교 해킹대응기술 연구실 (지도교수 김휘강, https://ocslab.hksecurity.net/)이 공동연구한 "BENZENE: A Practical Root Cause Analysis System with an Under-Constrained State Mutation" 논문이 보안 분야 최고 컨퍼런스 중 하나인 IEEE Symposium on Security and Privacy 2024 (S&P '24) 학회에서 Distinguished Paper Award (학술 대회에서 발표된 논문 중 특히 뛰어난 성과를 인정받은 논문에게 수여되는 상)를 수상하였다. Distinguished Paper Award는 S&P '24에서 발표된 261편의 논문 중 9편 (~3%)에 수여되었다. 논문 요약: 퍼징은 랜덤으로 입력값을 생성해 소프트웨어가 의도하지 않은 행위를 하는지 확인해서 버그를 찾는 기술이다. 특히 보안 취약점을 찾는데 자주 활용되고 있는데, 마이크로소프트와 구글같은 회사에서도 퍼징을 활용해 자사의 제품을 테스트한다. 종종 보안 취약점을 통해 프로그램의 비정상적인 동작을 유발하는 입력값을 크래시(crash)라고 한다. 본 논문은 크래시가 주어졌을 경우 근본 원인을 분석 (root cause analysis)하기 위해 크래시 기반의 통계적 디버깅을 이용해 효율적으로 자동화하는 방식을 소개한다. 특히 이 논문에서는 완화된 조건 하에 상태변이 (under-constrained state mutation)라는 새로운 기법을 소개하고, 기존 접근방식에 비해 평균 30배 이상 더 적은 메모리로 평균 4배 이상 더 높은 성능을 낼 수 있는 Benzene이라는 시스템을 설계했다.
- 작성일 2024-05-29
- 조회수 6830
[연구] 우홍욱 교수 연구실 (CSI연구실), ACL 2024 논문 게재 승인

CSI연구실 (지도교수: 우홍욱)의 논문이 인공지능 분야 우수학회인 ACL 2024 (The 62nd Annual Meeting of the Association for Computational Linguistics) 에 Findings 게재 승인(Accept) 되었습니다. 논문은 24년 8월 태국 방콕에서 발표될 예정입니다. 논문 “Semantic Skill Grounding for Embodied Instruction-Following in Cross-Domain Environments” 은 소프트웨어학과 신상우 (석사과정), 김승현 (석사과정) 이 제1저자로 참여했으며, LG AI연구원 이문태 랩장, 장영수 연구원이 공저자로 참여했습니다. 본 연구는 로봇 에이전트와 사용자간 명령형 대화에 기반하여 지시된 태스크 (Embodied Instruction-Following, EIF)를 수행할 때, 초거대언어모델 (LLM)을 활용하여, 지시된 태스크 수행에 필요한 스킬의 실행 방법을 타켓 환경에 맞추어 최적 변환하는 SemGro (Semantic Skill Grounding) 기법을 제안합니다. SemGro는 특정 물리적 환경 특성에 최적화된 (Long-horizon rich-semantic) 스킬부터 환경에 관계 없이 실행할 수 있는 일반화된 (Short-horizon low-semantic) 스킬을 계층적으로 관리하는 스킬 데이터베이스를 사전에 구성하고, 이를 태스크 수행시 실시간 참조하여, 지시된 태스크에 필요하면서 타켓 환경에 맞추어 실행가능한 스킬 실행 계획을 찾아내고 최적화합니다. SemGro는 홈 로봇 에이전트 테스트 환경인 VirtualHome 벤치마크의 실험을 통해, 다양한 EIF 시나리오와 동적 환경 변화에 대해 SOTA 대비 강건한 성능을 낼 수 있음을 보여주었습니다. CSI 연구실은 머신러닝, 강화학습, 자기지도학습을 활용하여 네트워크, 클라우드 시스템 최적화 연구와 로봇, 드론 자율주행 연구 등을 수행하고 있습니다. 이번 ACL 2024 논문의 연구는 사람중심인공지능 핵심원천기술사업 (IITP), 한국연구재단 개인기초사업 (NRF), 인공지능대학원, ICT명품인재양성사업 지원으로 진행 중 입니다. 우홍욱 | hwoo@skku.edu | CSI Lab | https://sites.google.com/view/csi-agent-group
- 작성일 2024-05-28
- 조회수 6808
[연구] 우홍욱 교수 연구실 (CSI연구실), ICML 2024 논문 게재 승인

우홍욱 교수 연구실 (CSI연구실), ICML 2024 논문 게재 승인 CSI연구실 (지도교수: 우홍욱)의 논문이 인공지능 분야 우수학회인 ICML 2024 (The Forty-first International Conference on Machine Learning) 에 게재 승인(Accept) 되었습니다. 논문은 24년 7월 오스트리아 비엔나에서 발표될 예정입니다. 논문 “Embodied CoT Distillation From LLM To Off-the-shelf Agents” 은 소프트웨어학과 최원제 (박사과정), 김우경 (박사과정), 유민종 (석박사통합과정) 연구원이 저자로 참여했습니다. 본 연구는 로봇이나 자율주행 차량과 같은 임바디드 (Embodied) 인공지능 에이전트를 위한 초거대언어모델 (LLM) 기반 정책 학습 (Policy Learning) 프레임워크 DEDER 를 제시합니다. DEDER를 통해 LLM의 임바디드 추론 능력을 CoT (Chain of Thoughts) 단계별로 분해하고 (Decomposition), 추출하여 (Distillation), 제한된 리소스를 갖는 off-the-shelf 디바이스와 소형 언어모델 (sLM)만을 사용하는 효율적인 에이전트 정책으로 재구성합니다. 본 연구에서는 DEDER를 통해 개발한 에이전트 정책이 임바디드 에이전트 시뮬레이션 환경인 ALFRED에서 다양한 제한된 리소스 조건과 태스크 시나리오에 대해 높은 성능을 내는 것을 확인했습니다. CSI 연구실은 머신러닝, 강화학습, 자기지도학습을 활용하여 네트워크, 클라우드 시스템 최적화 연구와 로봇, 드론 자율주행 연구 등을 수행하고 있습니다. 이번 ICML 2024 논문의 연구는 사람중심인공지능 핵심원천기술사업 (IITP), 한국연구재단 개인기초사업 (NRF), 인공지능대학원, ICT명품인재양성사업, 삼성전자의 지원으로 진행 중 입니다. 우홍욱 | hwoo@skku.edu | CSI Lab | https://sites.google.com/view/csi-agent-group
- 작성일 2024-05-16
- 조회수 7436
[일반] 글로벌융합학부/실감미디어공학과 오하영 교수 연구팀, 한국콘텐츠진흥원 프로젝트 선정으로 4년간 68억원 연구비 수주

글로벌융합학부/실감미디어공학과 오하영 교수 연구팀, 한국콘텐츠진흥원 프로젝트 선정으로 4년간 68억원 연구비 수주 - 4년간 68억원 지원... 디지털치료기기 기술 개발 분야 연구책임자로 최종 선정 ▲(윗줄 왼쪽부터) 실감미디어공학과 오하영 교수, 최광준, 유선희, 김동명, 김재현, 노유진, 홍지흔 연구원, 사회복지학과 김민아, 윤성민 교수, 게임디자인학과 이재준 교수, 이모코그 노유헌 대표, 삼성서울병원 정신건강의학과 정유숙, 김석주 교수, 놀공 이승택 대표 글로벌융합학부/실감미디어공학과 오하영 교수(인공지능융합전공)가 한국콘텐츠진흥원이 주관하는 ‘디지털치료기기 기술 개발’ 분야의 연구책임자로 최종 선정되었다. 한국콘텐츠진흥원에서 주관하는 이 사업은 국내 10개 이상의 전문 연구팀이 ‘한국콘텐츠진흥원 – 청소년 정신건강(심리·행동조절) 관리를 위한 게임기반 디지털치료기기 기술 개발’의 선정을 위해여 오랜 기간 경쟁했다고 하였다. 오하영 교수는 인공지능융합 연구자로 2000년대 초반부터 삼성서울병원 정신건강의학과 교수진과 미래 융합 연구를 시작으로 정신 건강연구를 수행해온 이 분야 대표 전문가로 꼽힌다. 지난 20년 동안 컴퓨터공학, 인공지능융합, 다학제적인 융합연구를 진행하면서 지식과 경험을 축적해 왔다. 앞으로 오 교수팀은 청소년 중독, 게임과몰입, 품행장애 증상 완화를 위한 게임기반 마음챙김 A.I. 디지털치료기기 기술을 개발해 정신건강 분야에서 세계 최초 또는 세계 최고 기술을 확보한다는 계획이다. 3가지 정신건강 문제에 공통적으로 존재하는 충동성 조절의 문제를 해결하기 위해 마음챙김이론을 근거로 청소년의 발달단계 욕구별 지속적인 치료 동기를 부여하고 증상 완화와 장기적인 변화를 유지할 예정이다. 오하영 교수는 사회복지학과(김민아 교수, 윤성민 교수), 게임디자인학과(이재준 교수, 이준희 교수), 삼성서울병원 정신건강의학과(김석주 교수, 정유숙 교수), 이모코그(이준영 대표, 노유헌 공동대표) 및 놀공(이승택 대표)과 공동 연구를 진행할 예정이다. 오하영 교수는“청소년 정신건강연구는 특정 질환 및 당사자만을 대상으로 연구하기 보다는 당사자, 보호자, 전문가/중재자/상담자 등 전반을 대상으로 한 다학제적인 융합연구가 필요하다”며 “청소년 중독, 게임과몰입, 품행장애 3가지 정신건강 문제에 공통적으로 존재하는 충동성 조절의 문제를 해결하기 위해 마음챙김이론기반 게임 A.I. 디지털치료기기가 열쇠가 될 수 있고 향후 관련된 다양한 정신질환 치료에도 응용될 수 있을 것”이라고 기대감을 나타냈다.
- 작성일 2024-05-03
- 조회수 4628
[연구] 우홍욱 교수 연구실 (CSI연구실), IJCAI 2024 논문 게재 승인

우홍욱 교수 연구실 (CSI연구실), IJCAI 2024 논문 게재 승인 CSI연구실 (지도교수: 우홍욱)의 논문 2편이 인공지능 분야 우수학회인 IJCAI 2024 (the 33rd International Joint Conference on Artificial Intelligence) 에 게재 승인(Accept) 되었습니다. 논문은 24년 8월 제주에서 발표될 예정입니다. 1.논문 “Offline Policy Learning Via Skill-step Abstraction For Long-Horizon Goal-Conditioned Tasks” 은 김동훈 (인공지능학과 석사졸업), 유민종 (소프트웨어학과 석박사통합과정) 연구원이 저자로 참여했습니다. 2.논문 “Pareto Inverse Reinforcement Learning for Diverse Expert Policy Generation” 은 김우경 (소프트웨어학과 박사과정), 유민종 (소프트웨어학과 석박사통합과정) 연구원이 저자로 참여했습니다. 1.Offline Policy Learning Via Skill-step Abstraction For Long-Horizon Goal-Conditioned Tasks 본 연구는 로봇이나 자율주행과 같은 자동화/지능형 에이전트 개발에 활용되는 목적 조건 강화학습 정책 학습 (Goal-Conditioned Policy Learning) 기법의 기존 제한점인 Long-horizon 태스크 (장기 목적 구조에 따라 보상 시그널이 적어서 학습이 어려운 경우)를 해결하는 효율적인 스킬 기반 정책 학습 (Skill-based Goal-Conditioned Policy Learning) 프레임워크를 제안합니다. 로봇 스킬은 오프라인 데이터셋에서부터 학습되며, 이러한 오프라인 학습 과정에서 스킬 수준의 추상화된 환경 모델 (Skill-step Abstract)과 목적 조건 정책을 동시에 반복 학습하여 정책의 성능을 높입니다. 또한, 프레임워크는 정책 네트워크 구조를 모듈화하여, 오프라인에서 학습된 환경 모델과의 차이가 발생하는 실제 타켓 환경에 빠른 적응이 가능한 파라미터 효율적인 학습 구조를 지원합니다. 2.Pareto Inverse Reinforcement Learning for Diverse Expert Policy Generation 최근 데이터 기반의 오프라인 강화학습과 모방학습이 순차적 의사 결정 문제에 대응하는 데 인기를 얻은 반면, 이러한 접근 기술은 제한된 전문가 데이터셋이 주어질 때, 파레토 최적 정책 (Pareto-optimal Policy set : 다중 목적 함수에 대한 최적 정책들)을 학습하는 것을 고려하지는 않았습니다. 본 연구에서는 역강화학습 (IRL, Inverse Reinforcement Learning)을 적용하여 각 전문가가 다른 최적화 선호도를 가지는 다중 목적에 대한 정책 집합을 점진적으로 생성하는 ParIRL 프레임워크를 제안합니다. ParIRL은 CARLA 자율주행과 같은 다양한 다중 목적 제어 작업에서 SOTA IRL 알고리즘 보다 높은 성능을 내는 것을 실험을 통해 입증하였습니다. CSI 연구실은 머신러닝, 강화학습, 자기지도학습을 활용하여 네트워크, 클라우드 시스템 최적화 연구와 로봇, 드론 자율주행 연구 등을 수행하고 있습니다. 이번 IJCAI 2024 논문의 연구는 사람중심인공지능 핵심원천기술사업 (IITP), 한국연구재단 개인기초사업 (NRF), 인공지능대학원, ICT명품인재양성사업, 삼성전자 삼성리서치의 지원으로 진행 중 입니다. 우홍욱 | hwoo@skku.edu | CSI Lab | https://sites.google.com/view/csi-agent-group
- 작성일 2024-05-02
- 조회수 7226
[연구] 우사이먼성일 교수(DASH 연구실), CVPR 2024 논문 1편 게재 승인

우사이먼성일 교수(DASH 연구실), CVPR 2024 논문 1편 게재 승인 DASH 연구실 (지도교수: 우사이먼성일)의 논문 1편이 컴퓨터 비전 분야의 최우수 학술대회인 IEEE / CVF Computer Vision and Pattern Recognition Conference 2024 (CVPR24)에 게재 승인되어 6월에 발표될 예정입니다. 논문 “Gradient Alignment for Cross-Domain Face Anti-Spoofing” 은 LE MINH BINH (석박사통합과정) 연구원이 저자로 참여했습니다. 얼굴 안티 스푸핑(Face Anti Spoofing - FAS)을 위한 도메인 일반화(Domain Generalization - DG)의 최근 발전은 많은 관심을 얻고 있습니다. 본 논문에서는 추가적인 학습 모듈 없이도 모델의 cross 도메인에 대한 강인성을 현저히 향상시킬 수 있는 새로운 방법론을 제안하고 있습니다. 본 연구에서는 GAC-FAS라는 새로운 학습 방법을 도입하여 최적의 플랫 미니멈으로 모델을 제안합니다. 이는 DG를 활용한FAS 분야에서 크게 연구되지 않았지만, 우수한 일반화성능을 달성하기 위해 필수적인 요소입니다. 본 연구 방법은 경험적 위험 최소화 그라디언트와 일치하도록 중요 상승점에서 일반화 그라디언트 업데이트를 자체 조절하는 독특한 전략을 사용하여 이루어집니다. 본연구에서는 까다로운 크로스 도메인 데이터셋을 통해 GAC-FAS의 우월성을 확인하는 광범위한 실험을 수행하였습니다. 이를 통해 우리의 방법이 새로운 최고 기준을 설정함을 입증하였습니다. 본 연구에서 제안하는 방법론은 DG 연구에 새로운 방향을 제시할 뿐만 아니라 실제 FAS 시스템의 뛰어난 성능개선을 보입니다. Abstract: Recent advancements in domain generalization (DG) for face anti-spoofing (FAS) have garnered considerable attention. Traditional methods have focused on designing learning objectives and additional modules to isolate domain-specific features while retaining domain-invariant characteristics in their representations. However, such approaches often lack guarantees of consistent maintenance of domain-invariant features or the complete removal of domain-specific features. Furthermore, most prior works of DG for FAS do not ensure convergence to a local flat minimum, which has been shown to be advantageous for DG. In this paper, we introduce GAC-FAS, a novel learning objective that encourages the model to converge towards an optimal flat minimum without necessitating additional learning modules. Unlike conventional sharpness-aware minimizers, GAC-FAS identifies ascending points for each domain and regulates the generalization gradient updates at these points to align coherently with empirical risk minimization (ERM) gradient updates. This unique approach specifically guides the model to be robust against domain shifts. We demonstrate the efficacy of GAC-FAS through rigorous testing on challenging cross-domain FAS datasets, where it establishes state-of-the-art performance. ※ Paper title : Gradient Alignment for Cross-Domain Face Anti-Spoofing ※ Paper link : http://arxiv.org/abs/2402.18817 ※ Author name : Le Minh Binh (first author) and Simon S. Woo (corresponding author). https://dash-lab.github.io/Publications/
- 작성일 2024-04-05
- 조회수 8695
[동문] 최윤석 박사(지도교수 이지형), 한국외국어대학교 Language & AI융합학부 조교수 임용

[동문] 최윤석 박사(지도교수 이지형), 한국외국어대학교 Language & AI융합학부 조교수 임용 소프트웨어학과 졸업생(2기) 최윤석 박사가 한국외국어대학교 AI융합대학 Language & AI융합학부 조교수로 2024년 3월부로 임용되었다. 최윤석 박사는 정보 및 지능 시스템 연구실(지도교수 이지형)에서 연구를 진행하며, 소프트웨어학과를 졸업하고, 대학원 소프트웨어플랫폼학과에 석박사통합과정으로 입학하여 2024년 2월 『Learning to Understand Code and Generate Text in Pre-trained Language Models』(지도교수 이지형)로 박사학위를 받았다. 최윤석 박사는 총 14개의 우수 국제 학회 발표 실적(BK/정보과학회 우수학회 12건)과 총 3편의 SCI(E) 논문을 게재하는 등 우수한 성과를 보였다. 최윤석 박사는 자동 코드 생성, 자동 코드 요약, 코드 질문 응답을 위해 대규모 언어 모델을 활용하는 연구에 관심을 가지며, 앞으로도 프로그래밍 교육을 위한 대규모 언어 모델에 대한 연구를 진행할 예정이다.
- 작성일 2024-03-19
- 조회수 5281

커뮤니티

대학소식