Notice
-
공지사항
-
학사
2021-2학기 AI학과 창의자율연구 (S.E.L.F.) 우수팀 선정 결과
2022-01-24
2021학년도 2학기 AI학과 창의자율연구(S.E.L.F.) 우수팀 선정 결과를 아래와 같이 안내합니다. <2021-2학기 창의자율연구 S.E.L.F. 우수팀 > 연구팀명 연구팀 구성원 비고 Semi문제있네 노*철 외 4명 우수 Find Openset 조*호 외 4명 창업 우수 민규와엉아들 이*규 외 5명 창업 우수 NextMoveKD-2학기 이*빈 외 3명 우수 우수팀으로 선정된 4팀의 리더 및 참여 학생들에게는 2월 경에 인센티브가 지급될 예정입니다. 한 학기 동안 고생많으셨습니다.
-
학사
2022-1학기 재학생 및 복학생 등록금 납부 안내
2022-01-24
1. 등록기간 [일반등록] - 1차: 2022. 02. 11.(금) ~ 02. 17.(목) - 최종: 2022. 02. 21.(월) ~ 03. 08.(화) [분할납부] - 신청: 2022. 02. 07.(월) ~ 02. 09.(수) ▷ 학교 홈페이지 『 GLS - 신청/자격관리 - 등록금분할납부신청 』 - 1차납부: 2022. 02. 11.(금) ~ 02. 17.(목) / 2022. 02. 21.(월) ~ 03. 08.(화) - 2차납부: 2022. 03. 21.(월) ~ 03. 23.(수) - 3차납부: 2022. 04. 18.(월) ~ 04. 20.(수) <2회 분할납부자의 2차분 납부기간> - 4차납부: 2022. 05. 09.(월) ~ 05. 11.(수) [초과등록] - 감면신청: 신청없음(수강신청 확정 학점으로 자동 감면 처리) - 초과등록대상자 납부: 2022. 03. 07.(월) ~ 03. 08.(화) 2. 등록고지서 확인방법 ☞ 고지서는 2022. 02. 03.(목)부터 조회 및 출력이 가능합니다. ▷ [GLS] 홈페이지 → GLS → 학적/개인영역 → 등록/장학 → 등록금고지서출력 ▷ [학교홈페이지] 홈페이지 하단의 주요서비스 → 등록금고지서출력(재학생) ※ 등록금 납부 후에는 등록금고지서 출력 불가(등록사실확인서, 교육비납입증명서 출력만 가능) ※ 초과등록 학생은 수강신청 확인/변경 기간 종료 후 수강신청 학점으로 등록고지 금액이 정해지며, 2022. 03. 07.(월)부터 고지서 조회가 가능합니다. 3. 등록금 납부방법 1) 가상계좌 입금 - 우리은행 가상계좌(등록전용) - 타행계좌에서 우리은행 가상계좌로 계좌간이체 가능 ※ 납부가능시간 : 09:00 ~ 17:00 ※ 분할납부는 우리은행 가상계좌 납부만 가능 2) 우리카드: 우리카드 홈페이지, 전국 우리은행 지점, 우리카드 콜센터(1544-9797, 코드:128) 3) 은행방문: 전국 은행 영업시간 내 4) 위챗페이: 위챗페이 대학등록금 납부 메뉴(중국학생 전용) ※ 자세한 내용은 첨부 확인 4. 등록결과 조회방법 ▷ 홈페이지로그인 → GLS → 학적/개인영역 → 학적변동/등록현황조회 메뉴에서 등록 결과 확인 가능 ▷ 증명발급(http://icert.skku.edu)→ 등록사실확인서 / 교육비납입증명서 출력 가능 ※ 등록금은 현금영수증 발행대상이 아닙니다. (연말정산용 영수증: 교육비납입증명서) **자세한 내용은 첨부파일을 꼭 확인하여 주시기 바랍니다.** **English version guide is attached**
-
학사
2022년 겨울 전체 학위 수여식 시행 안내 (2/16 수 11:00)
2022-01-19
학업의 전과정을 마치고 영광스러운 졸업을 맞이하는 졸업생 여러분께 축하의 인사를 전합니다. 2022년 겨울 학위수여식을 코로나19 극복 노력에 동참하고자 온라인 전체학위수여식을 다음과 같이 개최합니다. 졸업생 여러분과 가족 모두의 건강과 안전을 위한 불가피한 조치인 바 많은 이해를 부탁드립니다. 여러분의 졸업과 힘찬 새출발을 진심으로 축하드립니다. - 다 음 - 1. 온라인 전체학위수여식 개요 가. 일 시: 2022. 2. 16.(수) 11:00 나. 방 식: 학위수여식 동영상 생중계 (학교 홈페이지 및 YouTube) 2. 학위증서 배부 가. 학위증서 배부: 소속 단과대학 행정실 나. 학위증서는 단과대학의 사정에 따라 현장배부/우편발송을 병행합니다. 다. 각 단과대학별 학위증서 배부계획은 2022. 2. 7.(월)에 홈페이지에 공지할 예정입니다. 라. 유의사항 ※ 학위증서는 졸업증명서와 달리 1회만 발급이 되고 추가발급이 불가합니다. 우편발송을 신청하는 경우, 배송 주소 오류 또는 배송 분실로 인한 재발급은 불가하오니 유의하시기 바랍니다. ※ 현장배부의 경우 졸업생의 신분증(주민등록증, 여권 등)을 지참시 가족 또는 친구 등 지인을 통한 대리수령이 가능합니다. 마. 학사과정 성균 최우등 졸업상 상장과 기념패도 소속 행정실에서 배부할 예정입니다. 바. 행정실별 학위증서 배부 담당자 연락처는 붙임의 자료를 참고하시기 바랍니다. 3. 학위복 대여 가. 대여 기간: 2022. 2. 12.(토) ~ 2. 20.(일) 09:00~18:00 나. 대여 장소: (인사캠) 국제관 1층 라운지, (자과캠) 학생회관 1층 소강당 다. 신청 방법: 2월 졸업예정자(GLS 신청) 및 기졸업자(방문 신청) * 자세한 사항은 붙임 안내문과 홈페이지 추가 공지문 참고 4. 졸업축하 야외 포토존 운영 가. 운영 기간: 2022. 2. 7.(월) ~ 2. 20.(일) 상시 나. 장소: (인사캠) 금잔디광장, 국제관 / (자과캠) 학술정보관, 학생회관 5. 문의처 가. 학위수여식 및 학위증서 관련 문의: 소속 단과대학 행정실 나. 학위복 대여 관련 문의: 카카오톡 플러스 친구: skkugradu 추가 ※ 학생지원팀(인사캠): 02-760-1077, 학생지원팀(자과캠): 031-290-5034 붙임 2022년 겨울 학위수여식 시행 안내 1부. 끝. 2022. 1. 19. 교 무 처 장
-
학사
2022학년도 학사운영 정상화 수업운영방안 안내
2022-01-19
Read More
News
-
인공지능학과
우사이먼 교수(DASH)연구실 AAAI2022 논문 게재 승인
2021-12-08
Data-driven AI Security HCI(DASH Lab) 연구실 학생 Binh M. L(석박과정연구원)과 우사이먼성일(교신저자)의 논문이 인공지능 최우수학회인 36th AAAI 2022(Acceptance Rate = 15%, BK IF= 4)에 최종 논문 게재가 승인되었고, 2022년 2월 캐나다 밴쿠버에서 발표될 예정입니다. "ADD: Frequency Attention and Multi-View based Knowledge Distillation to Detect Low-Quality Compressed Deepfake Images," Binh M. Le and Simon S. Woo, Thirty-Sixth AAAI Conference on Artificial Intelligence, Canada, 2022 본 연구에서는 저화질(Low Quality)로 압축된 딥페이크 영상을 탐지하는 새로운 방법을 제안하였습니다. Optimal Transportation, Frequency Domain learning, Knowledge Distillation 이론을 활용하여 고화질 이미지에 대해 사전 훈련된 교사 (Teacher) 모델을 활용하여 저화질로 압축된 이미지를 감지하도록 학생 모델을 학습합니다. 세부적으로, 본 논문에서는 저화질의 딥페이크 탐지 모델에 두 가지 새로운 방법을 제안하였습니다. 첫 번째로 고주파 정보의 손실과 압축된 이미지의 상관관계 손실 정보를 활용합니다. 고도로 압축된 딥페이크를 탐지하기 위한 지식 증류(Knowledge Distillation) 프레임워크에서 주파수 어텐션 증류 (Frequency attention distillation) 및 다양한 데이터 뷰(view) 에서의 증류를 탐구하는 새로운 어텐션 기반 딥페이크 탐지 증류 방법을 제안했습니다. 주파수 어텐션은 학생 모델이 교사 모델로부터 고주파수 구성 요소를 검색하고 더 집중할 수 있도록 도와주는 역할을 하며 학습을 더욱 효율적으로 진행할 수 있습니다. 두 번째로 Sliced Wasserstein Distance을 활용한 멀티 뷰 어텐션은 학생 모델의 출력과 텐서 분포를 교사 모델에 활용하며, 이는 멀티 뷰의 텐서 요소 간 관련된 픽셀 특징들을 유지하는 역할을 합니다. 개발한 모델의 효율성을 검증하기 위해 본 논문에서는 다양한 벤치마크 데이터셋을 사용하고, 이전의 많은 최신 탐지 모델과 비교하였으며, 그중 가장 높은 성능을 확보할 수 있었습니다.
Read More
