약지도 및 준지도 학습 연구

본 연구실은 제한된 레이블 데이터만으로 AI 모델의 성능을 극대화하는 약지도 및 준지도 학습 기법을 중점적으로 연구하고 있습니다. 이미지 분할, 객체 탐지, 의료 영상 분석 등 다양한 응용 분야에서 레이블링 비용과 시간을 절감하면서도 높은 정확도를 달성하는 방법을 개발합니다. 특히 클래스 활성화 맵(CAM) 생성, 약지도 기반 객체 탐지, 반지도 기반 의미 분할 등의 세부 기술을 통해 데이터 희소성 문제를 극복하고 실제 환경에서의 AI 적용 가능성을 확대하는 데 기여하고 있습니다. 이러한 연구는 데이터 구축의 한계가 있는 의료, 산업 등 다양한 분야에서 혁신적인 AI 솔루션 개발의 기반이 됩니다.

도메인 적응 및 강건 학습

본 연구실은 서로 다른 데이터 분포를 가지는 도메인 간의 차이를 극복하고, 노이즈, 이상치, 환경 변화 등 실제 환경의 불확실성에 강건하게 대응하는 AI 모델 개발에 집중합니다. MaxHerding, Cost-Out과 같은 독창적인 기법을 통해 모델의 신뢰성과 안정성을 향상시키며, 이는 예측 불가능한 상황에서도 일관된 성능을 유지하는 AI 시스템 구축에 필수적입니다. 이러한 강건 학습 기술은 모델이 훈련 과정에서 접하지 못한 새로운 환경이나 예측하기 어려운 데이터에도 유연하게 대처할 수 있도록 돕습니다. 본 연구는 자율주행, 의료 진단, 스마트 팩토리 등 안전과 신뢰성이 중요한 다양한 산업 분야에서 AI 모델의 실용성을 높이는 핵심 기술로 활용될 수 있으며, 실제 문제 해결에 기여하는 혁신적인 AI 솔루션 개발을 목표로 합니다.

멀티모달 학습 및 컴퓨터 비전

본 연구실은 이미지, 텍스트, 오디오 등 다양한 형태의 데이터를 통합적으로 학습하여 AI 모델의 인지 및 표현 능력을 향상시키는 멀티모달 학습과 컴퓨터 비전 분야를 연구합니다. 객체 탐지 및 음원 분리 동시 수행, 의료 영상 및 임상 데이터 통합 분석 등 복합적인 정보를 이해하고 처리하는 기술을 개발합니다. 이를 통해 이미지 및 영상 데이터 이해, 객체 탐지, 의미 분할, 장면 그래프 생성 등 핵심 컴퓨터 비전 문제를 해결하며, AI가 더욱 풍부하고 다차원적인 방식으로 세상을 이해하고 상호작용할 수 있도록 기여합니다. 특히 의료 분야에서는 진단 정확도 향상과 새로운 통찰력 도출에 큰 잠재력을 가집니다.