성균관대학교 인공지능대학원

본문 바로가기
주메뉴 바로가기
서브메뉴 바로가기

SKKU AI, 600년 미래를 열다

Notice

공지사항
Read More

News

인공지능학과

허재필 교수 연구실, 현상익 석사과정, 김지환 박사과정 CVPR 2021 국제학술대회 논문 게재
2021-04-06
비주얼컴퓨팅연구실(지도교수: 허재필)의 현상익 (인공지능학과 석사과정)와 김지환 (인공지능학과 박사과정)가 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021에 “Self-Supervised Video GANs: Learning for Appearance Consistency and Motion Coherency” 논문을 게재하였습니다. CVPR는 컴퓨터 비전 및 인공지능 분야의 Top-tier 학술대회이며, 2021년에는 온라인으로 개최됩니다. 본 연구에서는 비디오를 생성하는 적대적신경망(Generative Adversarial Networks, GANs)의 성능 향상을 위한 자가학습(Self-Supervised Learning) 기술을 제시하였습니다. 비디오 컨텐츠를 영상의 모습(Appearance)과 움직임(Motion)의 조합으로 정의하고, 모습 및 움직임의 일관성을 가진 자연스러운 비디오 생성을 위해 각각의 성분에 대한 자가학습목표(Self-supervision Objective)를 모델링 하였습니다. 제안된 모델(SVGAN)은 현재 비디오 생성 분야에서 가장 높은 성능을 달성하였으며, 현재 이미지 생성에 집중되어 있는 GAN 연구가 비디오 도메인으로 확장될 수 있도록 하는 밑거름이 될 것입니다. [논문 정보] Self-Supervised Video GANs: Learning for Appearance Consistency and Motion Coherency Sangeek Hyun, Jihwan Kim, and Jae-Pil Heo IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2021 Abstract: A video can be represented by the composition of appearance and motion. Appearance (or content) expresses the information invariant throughout time, and motion describes the time-variant movement. Here, we propose selfsupervised approaches for video Generative Adversarial Networks (GANs) to achieve the appearance consistency and motion coherency in videos. Specifically, the dual discriminators for image and video individually learn to solve their own pretext tasks; appearance contrastive learning and temporal structure puzzle. The proposed tasks enable the discriminators to learn representations of appearance and temporal context, and force the generator to synthesize videos with consistent appearance and natural flow of motions. Extensive experiments in facial expression and human action public benchmarks show that our method outperforms the state-of-the-art video GANs. Moreover, consistent improvements regardless of the architecture of video GANs confirm that our framework is generic.

데이터 지능 및 학습 연구실(지도교수: 이종욱 교수) 웹 정보 검색 및 자연어 처리 분야 저명한 국제 학술대회(WSDM, WWW, NAACL)에 3편의 논문 게재
2021-03-25
데이터 지능 및 학습 연구실(지도교수: 이종욱 교수) 웹 정보 검색 및 자연어 처리 분야 저명한 국제 학술대회(WSDM, WWW, NAACL)에 3편의 논문 게재 1. Minjin choi, Yoonki Jeong, Joonseok Lee, Jongwuk Lee, “Local Collaborative Autoencoders” ACM International Conference on Web Search and Data Mining (WSDM), 2021 2. Minjin choi, Jinhong Kim, Joonseok Lee, Hyunjung Shim, Jongwuk Lee, “Session-aware Linear Item-Item Models for Session-based Recommendation” The Web Conference (WWW), 2021 3. Minjin choi, Sunkyung Lee, Eunseong Choi, Heesoo Park, Junhyuk Lee, Dongwon Lee, Jongwuk Lee, “MelBERT: Metaphor Detection via Contextualized Late Interaction using Metaphorical Identification Theories,” Annual Conference of the North American Chapter of the Association for Computational Linguistics (NAACL), 2021 참여 연구원 명단 최민진, 정윤기, 김진홍, 이선경, 최은성 (왼쪽부터) 1. 사용자 선호도의 지역적 특성을 고려한 추천 모델 개발 (WSDM 2021). 추천 모델은 사용자의 숨겨진 선호도를 추론하여 사용자가 선호하는 소량의 정보를 효과적으로 제공하기 위한 학습 모델을 의미한다. 최근 연구되는 많은 수의 추천 모델은 사용자간 유사한 평점 패턴을 기반으로 추천 결과를 제공하는 협업 필터링을 기반으로 하고 있다. 본 연구진은 기존의 협업 필터링 모델이 모든 사용자의 패턴을 고려하여 학습하기에 특정 사용자의 선호도를 효과적으로 파악하는데 어려움이 있음을 발견하고, 이를 개선하기 위해 지역적 패턴을 고려하여 학습할 수 있는 방법을 제안하였다. 제안 방법을 통해 기존 추천 모델 대비 정확도가 7.95%까지 개선될 수 있음을 확인하였다. 2. 선형 기반 세션 추천 모델 개발 (WWW 2021). 최근 주목을 받고 있는 세션 기반 추천 모델은 (1) 사용자의 정보를 요구하지 않으면서 (2) 특정 세션 내에서 사용자의 숨겨진 선호도를 파악하여 추천 결과를 제공하는 것을 목적으로 한다 (아래 그림 참고). 이와 같은 방식은 사용자 정보를 요구하지 않아 범용적으로 활용성이 높은 장점이 있으나, 기존의 추천 모델 대비 데이터의 희소성이 대폭 증가하여 정확도를 높이기 어려운 단점이 있다. 또한, 실시간으로 결과를 빠르게 제공해야 하는 추천 시스템의 제약 조건도 함께 고려되어야 한다. 본 연구진은 이와 같은 문제를 해결하기 위해 항목 간 관련성을 효과적으로 파악할 수 있는 세션 기반 선형 모델을 제안하였다. 제안 모델은 기존의 많은 학습 파라미터를 통해 정확도를 개선하고자 하는 심층 신경망 기반 추천 모델 대비 파라미터 수가 적고 계산이 간단하기 때문에 빠른 학습 시간과 추론 시간을 보인다. 더하여, 기존의 심층 신경망 모델과 비슷한 추천 정확도를 보임을 확인할 수 있었다 3. BERT 기반 은유 탐지 모델 개발 (NAACL 2021). 은유는 특정 단어에 대해서 행동, 개념 및 물체 등을 유사한 성질을 가진 다른 말로 대체해서 사용하는 비유법 중 하나로 인간의 고차원적인 언어 사용 방법을 의미한다. 예를 들어 “발레리나가 백조 같다.” 고 표현하였을 때, 백조의 의미는 사전의 의미의 동물을 의미하는 것이 아닌 우아한 행동을 비유한 것으로 해석할 수 있다. 본 연구진은 특정 문장에서 은유 표현을 담고 있는 단어를 분류하기 위한 모델을 개발하였으며, 은유 탐지를 위한 두 가지 언어학적 이론을 기반으로 최근 많이 활용되고 있는 언어 이해 모델 중 하나인 BERT에 접목하였다. 실험 결과, 제안 모델은 은유 탐지 분류의 정확도를 VUA 데이터셋에서 F1-Score를 기준으로 79.8%까지 달성함을 확인할 수 있었다.

박현진 교수 연구실 정승완, 최지은 석사과정 2021 구강계질환 의료영상 인공지능 경진대회 수상
2021-03-10
정보통신대학 전자전기공학부 박현진 교수 연구팀(오영택 전자전기컴퓨터공학과 석사과정, 정승완 인공지능학과 석사과정, 최지은 인공지능학과 석사과정, 이혜빈 전자전기컴퓨터공학과 석사과정, 김은진 전자전기컴퓨터공학과 석사과정)은 삼성서울병원과 아주대학교병원이 공동 주최하고 ㈜마인즈앤컴퍼니가 주관하는 대회인 ‘2021 구강계질환 의료영상 인공지능(AI) 경진대회’ 구강암 분류 모델 구축 부문에서 1위(팀명 Nekaravuru)와 3위(팀명 지진의 이해)를 차지했다고 밝혔다. 의료데이터의 특성상 제공되는 폐쇄망 서버에서 운영되며 구강내시경 이미지의 구강암의 존재 여부를 효율적으로 분류하는 딥러닝 모델을 개발해 내는 기술을 겨루는 대회이다. ‘2021 구강계질환 의료영상 인공지능(AI) 경진대회’는 한국지능정보사회진흥원이 주관하는 2020년도 2차 ‘인공지능(AI) 학습용 데이터 구축사업’의 일환으로 열렸다. 삼성서울병원 외 11개 병원 및 기관에서 구축한 데이터 셋을 기반으로 진행되었으며, 2월 18~24일까지 온라인으로 진행된 국내 최초의 치과 데이터 경진대회이다.

인공지능과 함께 글쓰기! 제2회 AI x Bookathon 대회 개최
2021-02-01
AI백일장 BOOKATHON 대회 개최 - 15개 팀 총 61명의 학생 참여, 무박2일간 AI와 협업하여 2만 자에 달하는 수필 완성 - 국내 대학으로는 최초로 AI를 활용한 백일장 대회 개최 관련 기사 링크 https://webzine.skku.edu/skkuzine/section/coverStory.do?articleNo=87839&pager.offset=0&pagerLimit=10 https://www.skku.edu/skku/campus/skk_comm/news.do?mode=view&articleNo=87648&article.offset=0&articleLimit=10 인공지능과 함께 글쓰기! 제2회 AI X BOOKATHON 대회 ㅇ일시 : 1/20 (수) ~ 1/21 (목) ㅇ대상 : AI나 글쓰기에 관심있는 성균관대학교 학부 및 대학원 재학생, 휴학생 ㅇ상금 : 대상 200만원, 우수상 100만원, 장려상 50만원 ㅇ주관 : 성균관대학교 학술정보관, 대학혁신지원사업 ㅇ후원 : 성균관대학교 인공지능학과

prev next

Read More

Schedule

오늘의 행사

04월 April / 2021

2021.04.13(화)

등록된 일정이 없습니다.

Read More

이달의 행사

04월 April / 2021

2021.04

등록된 일정이 없습니다.

Read More

Link