성균관대학교 인공지능대학원

본문 바로가기
주메뉴 바로가기
서브메뉴 바로가기

SKKU AI, 600년 미래를 열다

2022 대한민국인공지능대상 교육기관 대상

Notice

공지사항
- 2023-01-30
  일반 2023년 겨울 전체 학위수여식 개최 안내(2023년 2월 졸업자 대상)
- 2023-01-30
  일반 2023년도 동계 학위복 대여사업 안내
- 2023-01-27
  일반 2023-1학기 재학생 등록 안내(연구등록/초과연구등록)
- 2023-01-27
  학사 2023학년도 수강신청 일정
Read More

News

인공지능학과

허재필 교수 연구실, AAAI 2023 논문 2편 게재 승인
2023-01-25
비주얼컴퓨팅연구실(지도교수: 허재필)의 논문 2편이 인공지능 분야의 Top-tier 학술대회인 AAAI Conference on Artificial Intelligence 2023 (AAAI-23) 에 게재 승인되었습니다. 논문 #1: "Minority-Oriented Vicinity Expansion with Attentive Aggregation for Video Long-Tailed Recognition" (인공지능학과 박사과정 문원준, 인공지능학과 석박통합과정 성현석) 논문 #2: “Progressive Few-shot Adaption of Generative Model with Align-free Spatial Correlation” (DMC공학과 석사과정 문종보, 인공지능학과 석박통합과정 김현준, 공동1저자) "Minority-Oriented Vicinity Expansion with Attentive Aggregation for Video Long-Tailed Recognition" 논문에서는 비디오 데이터 취득할 때 발생하는 데이터 불균형 문제를 다루고 있습니다. 먼저, 데이터 불균형과 함께 비디오 분야에서 추가적으로 고려해야하는 문제점들을 먼저 제기하고 있는데 이는 1) 비디오 데이터에 대한 weak-supervision과 2) 기존의 비디오 데이터의 크기 때문에 사용하던 Pretrained Network가 다운 스트림 작업들에 적합하지 않다는 점입니다. 이를 보완하기 위해 해당 논문에서는 두가지 Attentive Aggregator를 도입하고, 데이터 불균형 문제를 해결하기 위해서는 데이터가 적은 클래스의 다양성을 증가시키는 변형된 외삽과 보간 기법을 제안합니다. 실험을 통해 제안된 방법이 여러 벤치마크에서 일관된 성능 향상을 가져오는 것은 물론, 새롭게 제안하는 벤치마크에서도 성능의 증가가 있음을 확인하였습니다. 추가로, 절제 연구를 통하여 데이터 불균형과 동시에 다루어야 한다고 주장한 두 가지 문제점의 대한 중요도도 실험으로 확인하였습니다. “Progressive Few-shot Adaption of Generative Model with Align-free Spatial Correlation” 논문에서는 매우 적은 수의 타겟 도메인 이미지만을 가지고 GANs 모델을 Adaptation하는 문제를 다루고 있습니다. 파인-튜닝과 같은 일반적인 방법을 사용하면 Mode-collapse에 취약하기 때문에 Source와 Target 모델이 각각 생성한 이미지들의 상대적인 거리를 유지하도록 학습하는 방법이 최근 연구되고 있지만, 1) 이미지의 전체 특징으로 거리를 측정하는 방식은 Source 모델이 갖는 세부적인 특징이 손실되고, 2) 이미지 패치단위 특징의 일관성을 유지하게 학습하는 방식은 Target 도메인의 구조적인 특성을 잃는 문제가 있습니다. 이를 보완하기 위해 해당 논문에서는 의미 있는 영역 간의 비교(예: 사람의 눈과 캐릭터의 눈 영역 비교)를 통해 Source 모델의 세부적인 특징을 보존하면서도 Target 도메인의 구조적인 특성을 반영하는 Adaptation을 목표로 1) Domain Gap을 줄여주는 Progressive Adaptation, 2) 의미 있는 영역 간의 비교를 위한 Align-free Spatial Correlation, 3) Importance Sampling 방식들을 제안하였습니다. 다양한 실험을 통해 제안한 방법이 정량적, 정성적 평가에서 우수한 성능을 나타내는 것으로 확인하였고, 특히 사람 평가에서도 좋은 결과를 보였습니다. [논문 #1 정보] Minority-Oriented Vicinity Expansion with Attentive Aggregation for Video Long-Tailed Recognition WonJun Moon, Hyun Seok Seong, and Jae-Pil Heo Thirty-Seventh AAAI Conference on Artificial Intelligence (AAAI), 2023 Abstract: A dramatic increase in real-world video volume with extremely diverse and emerging topics naturally forms a long-tailed video distribution in terms of their categories, and it spotlights the need for Video Long-Tailed Recognition (VLTR). In this work, we summarize the challenges in VLTR and explore how to overcome them. The challenges are: (1) it is impractical to re-train the whole model for high-quality features, (2) acquiring frame-wise labels requires extensive cost, and (3) long-tailed data triggers biased training. Yet, most existing works for VLTR unavoidably utilize image-level features extracted from pretrained models which are task-irrelevant, and learn by video-level labels. Therefore, to deal with such (1) task-irrelevant features and (2) video-level labels, we introduce two complementary learnable feature aggregators. Learnable layers in each aggregator are to produce task-relevant representations, and each aggregator is to assemble the snippet-wise knowledge into a video representative. Then, we propose Minority-Oriented Vicinity Expansion (MOVE) that explicitly leverages the class frequency into approximating the vicinity distributions to alleviate (3) biased training. By combining these solutions, our approach achieves state-of-the-art results on large-scale VideoLT and synthetically induced Imbalanced-MiniKinetics200. With VideoLT features from ResNet-50, it attains 18% and 58% relative improvements on head and tail classes over the previous state-of-the-art method, respectively. [논문 #2 정보] Progressive Few-shot Adaption of Generative Model with Align-free Spatial Correlation Jongbo Moon*, Hyunjun Kim*, and Jae-Pil Heo (*: equal contribution) Thirty-Seventh AAAI Conference on Artificial Intelligence (AAAI), 2023 Abstract: In few-shot generative model adaptation, the model for target domain is prone to the mode-collapse. Recent studies attempted to mitigate the problem by matching the relationship among samples generated from the same latent codes in source and target domains. The objective is further extended to image patch-level to transfer the spatial correlation within an instance. However, the patch-level approach assumes the consistency of spatial structure between source and target domains. For example, the positions of eyes in two domains are almost identical. Thus, it can bring visual artifacts if source and target domain images are not nicely aligned. In this paper, we propose a few-shot generative model adaptation method free from such assumption, based on a motivation that generative models are progressively adapting from the source domain to the target domain. Such progressive changes allow us to identify semantically coherent image regions between instances generated by models at a neighboring training iteration to consider the spatial correlation. We also propose an importance-based patch selection strategy to reduce the complexity of patch-level correlation matching. Our method shows the state-of-the-art few-shot domain adaptation performance in the qualitative and quantitative evaluations.

[AI 2023] 성균관대 이지형 교수 “AI 전문가 확보보다 보편화가 더 중요”
2023-01-18
관련기사: [AI 2023] 성균관대 이지형 교수 “AI 전문가 확보보다 보편화가 더 중요” - IT조선 > 게임·라이프 > 메타버스·AI (chosun.com)

과기정통부 인공지능 그랜드 챌린지 시즌1, 성균관대, 엔씨소프트,이스트소프트 최종 우승
2022-11-25
과학기술정보통신부(장관 이종호, 이하 ‘과기정통부’)는 2022 인공지능 연구개발 경진대회(이하 인공지능 그랜드 챌린지) 시즌1 시상식을 11월 24일(목) 일산 킨텍스에서 개최하였다. ‘인공지능 그랜드 챌린지’는 제시된 문제를 해결하기 위해 참가자들이 자발적으로 진행한 사전 연구를 바탕으로 실력을 겨루는 도전‧경쟁형 경진대회이다. 당초, 단년으로 1차(’17), 2차(’18)대회를 개최하였으나 기술고도화를 위해 2019년부터 다년도 대회로 확대 개편하였으며, 올해 3차~5차 결선 대회가 개최되어 최종 우승팀을 결정하였다. ※ 3차대회(총 4단계, ’19~’22년), 4차대회(총 4단계, ’20~’22년), 5차대회(총 3단계, ‘20~’22년) "인공지능과 로보틱스를 활용하여 복합재난상황에서 발생하는 다양한 임무를 해결하라"를 주제로 개최된 3차대회 는 2019년 7월 1단계 대회(예선)을 시작으로 2022년 11월 4단계 대회(결선)까지 총 175팀, 935명이 참가하였다. 결선 대회에서는 무인이동체(드론)를 활용하여 건물 내 영상, 음성 정보, 요구조자가 보낸 사진, 신고 문자 정보 등을 수집·활용하여, 요구조자의 위치, 인원 수, 장소 등을 파악하는 임무수행 능력을 겨루었고, 엔씨소프트 VARCO팀이 최종 우승을 차지하였다. 4차대회는 “인공지능을 활용하여 다양한 국민생활‧사회현안에 대응하라”는 주제로 2020년 7월 1단계 대회(예선)을 시작으로 2022년 11월 4단계 대회(결선)까지 총 266팀, 1,286명이 참가하였다. 결선 대회에서는 일상생활에서 응급상황, 폭력상황 등을 감지하고, 생활폐기물 등을 실시간으로 구분하는 문제를 출제하여 ㈜이스트소프트 est_nuxlear팀을 최종 우승팀으로 선정하였다. 마지막 5차대회는 “인공지능을 활용하여 서술형 수학문제의 해답을 제시하라”는 주제로 2021년 7월부터 1단계 대회(예선)을 시작으로 2022년 11월 3단계 대회(결선)까지 총 111팀, 592명이 참가하였다. 결선 대회에서는 산술연산, 수찾기(1~3유형), 순서정하기, 조합하기, 크기비교, 도형문제 등 총 8개 유형의 서술형 수학문제가 출제되었고, 성균관대학교 DIAL팀이 최종 우승하였다. 결선 대회 우승팀에게는 과기정통부 장관상(총 3팀), 2위팀에게는 정보통신기획평가원 원장상(총 3팀), 3‧4위팀에게는 한국전자기술연구원 원장상(총 4팀)을 수여하였다. 이번 행사는 저명인사의 기조연설과 인공지능 그랜드 챌린지 최종 결선 진출팀의 연구 성과 홍보를 위한 전시회도 병행하였다.로봇공학 연구의 권위자인 하위 초셋(Howie Choset) 카네기멜론대 교수는 미국 국방고등연국 (DARPA)의 그랜드 챌린지 참여 경험을 공유하였고, 인공지능 그랜드 챌린지 3차대회 참가 경험을 바탕으로 미 국 록히드마틴 사 주최 알파파일럿(Alphapilot, 2020) 대회에서 최종 3위를 수상한 한국과학기술원(KAIST) 연구침 심현철 교수가 국제대회 경험을 설명하였다. 전시회에는 대회 결선에 진출한 10팀이 개발한 인공지능 기술을 시연하고, 자신들만의 대회 우승전략을 함께 소개하였다. 올해 마무리되는 인공지능 그랜드 챌린지 시즌1은 ‘인공지능 기술 저변 확대’를 목적으로 추진하였으며 시즌2는 우리사회 특정분야의 난제해결에 초점을 맞춰 진행할 예정이다. ‘정책 지원 인공지능’을 주제로 인공지능 그래드 챌린지 시즌2 1차대회 예선은 12월15일(목)부터 16일(금)까지 진행되며, 정부혁신에 기여할 수 있는 인공지능 기술 확보를 강조할 예정이다. 과기정통부 엄열 인공지능기반정책관은 “인공지능 그랜드 챌린지에서 최종 수상하신 분들께 진심으로 축하드린다.”며, “인공지능 그랜드 챌린지 대회가 우리나라의 창의적인 인공지능 연구 활성화에 밑거름이 될 수 있도록 지원을 아끼지 않겠다.”고 강조했다. 관련기사 https://www.korea.kr/news/pressReleaseView.do?newsId=156538366&call_from=rsslink https://www.aitimes.kr/news/articleView.html?idxno=26612 http://www.irobotnews.com/news/articleView.html?idxno=30147

[2022 AI대상] '교육기관 대상' 이지형 성균관대 교수 "세계적 인재 양성 고민할 것"
2022-11-24
[2022 AI대상] '교육기관 대상' 이지형 성균관대 교수 "세계적 인재 양성 고민할 것" 2022.11.24. IT조선, 조성우 기자

prev next

Read More

Schedule

오늘의 행사

02월 February / 2023

2023.02.03(금)

등록된 일정이 없습니다.

Read More

이달의 행사

02월 February / 2023

2023.02

등록된 일정이 없습니다.

Read More

Movie

인공지능대학원 홍보 동영상

Read More

Link