AIM LAB(지도교수 : 홍성은 교수) , ICML 2026 논문 게재 승인

AIM LAB(지도교수 : 홍성은 교수) , ICML 2026 논문 게재 승인 인공지능 및 미디어 연구실(AI & Media Lab, AIM Lab, 지도교수: 홍성은 교수)의 논문이 머신러닝 분야 top-tier 국제학술대회인 ICML 2026 (International Conference on Machine Learning)에 게재 승인되었습니다. 제목: SyMerge: From Non-Interference to Synergistic Merging via Single-Layer Adaptation 저자: 정애천, 이승환, 한동윤, 홍성은 학술대회: International Conference on Machine Learning (ICML 2026), July 2026 키워드: Model Merging, Multi-task Learning, Test Time Adaptation Model merging은 각 태스크별로 독립적으로 학습된 모델을 파라미터 수준에서 결합함으로써, 대규모 multi-task learning에 필요한 높은 학습 비용을 줄일 수 있는 효율적인 접근법입니다. 기존 방법들은 model merging 적용 시 태스크 간 성능 저하를 막는 non-interference에 초점을 맞추어 왔지만, 본 논문은 태스크 간 간섭을 줄이는 것에서 나아가, 서로 다른 태스크 간의 시너지 효과를 유도하는 방향으로 model merging을 수행합니다. 핵심 기여 ■ Synergistic model merging 관점 제시 태스크 간 간섭을 줄이는 것을 넘어, 서로 다른 태스크가 상호 보완적으로 성능을 향상시킬 수 있는 model merging 방향을 제안 ■ Single-layer adaptation 기반 경량화 방법 제안 전체 모델을 재학습하지 않고, 단 하나의 task-specific layer와 merging coefficient만을 적응시켜 효율적으로 merged model의 성능을 향상시킴 ■ 다양한 태스크에서의 효과 검증 Vision, dense prediction, NLP benchmark에서 제안 방법의 효과를 검증하고, 적응된 layer가 다른 merging 방법에도 활용될 수 있음을 확인 그림 (a) 여러 task-specific 모델을 하나의 merged encoder로 결합한 뒤, classifier를 재학습하여 태스크 간 representation 정렬을 강화합니다. 이후 cross-task encoder 평가를 통해 서로 다른 태스크 간 호환성을 측정합니다. 그림 (b) 단 하나의 layer와 merging coefficient를 함께 적응시키는 방식이 가장 높은 성능을 보여, SyMerge의 경량성과 효과성을 확인할 수 있습니다.

소프트웨어융합대학 한진영 교수, 인공지능 안전성·책임성 연구로 국무총리표창 수상

소프트웨어융합대학 한진영 교수, 인공지능 안전성·책임성 연구로 국무총리표창 수상 소프트웨어융합대학 한진영 교수가 4월 21일 개최된 ‘2026년 과학·정보통신의 날’ 기념식에서 국무총리표창을 수상했다. 과학기술정보통신부와 방송통신위원회가 공동 주최하는 ‘과학·정보통신의 날 정부포상’은 정보통신기술(ICT) 발전과 국가 혁신에 기여한 개인 및 단체를 대상으로 수여되는 정부 최고 수준의 권위 있는 포상으로, 연구 성과뿐 아니라 산업·정책적 파급효과와 국가 기여도를 종합적으로 평가한다는 점에서 의미가 크다. 한 교수는 인공지능 안전성과 책임성(Responsible AI) 분야를 선도하는 연구자로, 의료 등 고위험 환경에서 신뢰 가능한 인공지능 기술 구현을 위한 연구를 지속해왔다. 특히 멀티모달 데이터 기반의 인공지능 모델링과 인간 중심 설계를 결합하여, 실제 임상 및 사회 환경에서 발생할 수 있는 오류와 편향 문제를 체계적으로 분석하고 이를 완화하기 위한 방법론을 제시해왔다. 또한 국제 공동연구를 통해 인공지능의 사회적 영향과 윤리적 문제를 심층적으로 탐구하며, 기술 개발을 넘어 안전하고 책임 있는 인공지능 활용을 위한 학문적 기반을 확장해왔다. 이러한 연구는 의료, 정신건강, 사회적 의사결정 등 고위험 영역에서 인공지능의 신뢰성을 확보하기 위한 핵심 기술로 평가받고 있다. 한 교수는 연구 성과를 실제 사회적 활용으로 연결하는 데에도 주력해왔다. 공공 및 산업 분야와의 협력을 통해 인공지능 기술의 적용 가능성을 검증하고, 고위험 환경에서의 안전한 활용을 위한 방향성을 제시하는 등 학문적 성과를 국가 경쟁력 강화와 정보통신 생태계 발전으로 확장해왔다. 이번 국무총리표창은 인공지능 안전성 및 책임성 분야에서의 선도적 연구와 국제 협력, 그리고 고위험 영역에서 신뢰 가능한 인공지능 기술의 개발과 확산을 통해 국가 및 사회에 기여한 공로를 종합적으로 인정받은 결과이다. 한 교수는 “이번 수상은 함께 연구해온 동료 연구자들과 학생들, 그리고 학교의 지원 덕분이라 생각한다”며 “앞으로도 인공지능의 신뢰성과 사회적 책임을 고려한 연구를 통해 안전한 기술 발전에 기여하겠다”고 밝혔다.

IMCLab (류은석 교수 연구실) , IEEE VR 2026 및 IIMC 2026 통해 국제 학술 성과 창출

IMCLab (류은석 교수 연구실) , IEEE VR 2026 및 IIMC 2026 통해 국제 학술 성과 창출 SW융합대학(학장 이은석 교수) 실감미디어공학과는 2026년 3월21일~3월 25일 대구에서 개최된 IEEE VR 2026에 참여하며, 몰입형 미디어 분야에서의 연구 성과를 국제 학술무대에 선보였다. IEEE VR은 가상현실(VR), 증강현실(AR), 혼합현실(XR) 및 3D 사용자 인터페이스 분야에서 세계적으로 권위 있는 학회로, 관련 분야의 최신 연구와 기술이 집약되는 대표적인 국제 행사이다. 이번 학회와 함께 개최된 IIMC 2026(International Workshop on Intelligent Immersive Media Communications)는 SW융합대학 실감미디어공학과 학과장인 류은석 교수가 조직을 맡아 운영한 워크샵으로, 학과 연구진이 중심이 되어 주도적으로 참여하였다. 본 워크샵은 3D 몰입형 미디어 기술과 신경망 기반 시각 표현, 데이터 압축 등 핵심 연구 주제를 중심으로 구성되었으며, 특히 Gaussian Splatting 및 MPEG Gaussian Splat Coding(GSC)과 같은 최신 기술과 표준화 동향을 다루며 이론과 실제 구현을 아우르는 실용 중심 학술 교류의 장으로 자리매김하였다. 이러한 성과는 지능형멀티미디어연구센터의 체계적인 연구 지원을 기반으로 이루어졌다는 점에서 의미가 크다. 센터의 지원 아래 실감미디어공학과는 국제 워크샵 주관과 연구 발표를 성공적으로 수행하며, 글로벌 연구 협력 네트워크 속에서 학문적 위상을 더욱 공고히 하였다. 워크샵에서는 해외 주요 연구기관과 국내 연구진이 참여하여 3D Gaussian Splatting의 응용 및 압축 기술, MPEG 기반 표준화 동향, 확장 가능한 3D 표현 기법 등에 대한 심도 있는 논의가 이루어졌다. 이를 통해 실감미디어공학과는 최신 기술 흐름을 선도적으로 공유하고, 국제 공동연구로 이어질 수 있는 협력 기반을 강화하는 성과를 거두었다. ▲ IIMC 2026 KEYNOTE SPEAKER [좌측부터 Prof. Yiyi Liao(Zhejiang University), 방건 박사(한국전자통신연구원), 박은병 교수(연세대학교)] 또한 발표 세션에서는 총 8편의 연구가 소개되었으며, 이 중 실감미디어공학과 구성원들이 참여한 연구들이 포함되어 학과 차원의 연구 경쟁력을 확인할 수 있었다. 해당 연구들은 모바일 환경에서의 3D Gaussian Splatting 활용, 대규모 야외 데이터셋 구축, 압축 및 표준 포맷 연계 기술 등 다양한 측면에서 몰입형 미디어 기술의 확장 가능성을 제시하였으며, 일부 연구는 우수 논문으로 선정되는 성과를 거두었다. ▲ IIMC 2026 구두 발표자[좌측부터 이순빈 연구원(Fraunhofer HHI), 구래건 석사과정, 양이삭 석박통합과정(실감미디어공학과)] 이번 IEEE VR 2026 및 IIMC 2026 참여는 실감미디어공학과가 지능형멀티미디어연구센터의 지원을 바탕으로 연구 역량을 체계적으로 축적하고, 이를 국제 학술무대에서 가시적인 성과로 확장해 나가고 있음을 보여준다. 앞으로도 양 기관은 긴밀한 협력을 통해 몰입형 미디어 및 차세대 3D 콘텐츠 기술 분야에서 지속적인 연구 성과 창출과 글로벌 경쟁력 강화를 이어갈 것으로 기대된다.

AIM LAB(지도교수 : 홍성은 교수) , CVPR 2026 논문 1편 게재 승인

AIM LAB(지도교수 : 홍성은 교수) , CVPR 2026 논문 1편 게재 승인 인공지능 및 미디어 연구실(AI & Media Lab, AIM Lab)의 논문이 컴퓨터 비전 및 패턴 인식 분야 top-tier 학술대회인 CVPR 2026 (“The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026”)에 게재 승인되었습니다. 본 논문은 올해 6월 미국 덴버에서 발표될 예정입니다. 제목: ZOO-Prune: Training-Free Token Pruning via Zeroth-Order Gradient Estimation in Vision-Language Models 저자: 김영은*, Youjia Zhang*, Huiling Liu, 정애천, 이선우, 홍성은 (*공동 1저자) 본 논문은 Vision-Language Model(VLM)의 높은 계산 비용 문제를 해결하기 위해, 추가 학습 없이 토큰을 효율적으로 제거하는 training-free token pruning 문제를 다룹니다. 최근 VLM은 이미지와 텍스트를 동시에 처리하며 높은 성능을 보이지만, 입력 토큰 수가 많아질수록 연산량이 급격히 증가하는 한계가 있습니다. 기존 토큰 pruning 방식들은 attention score나 heuristic 기준에 의존하거나, 별도의 재학습이 필요하다는 문제가 있었습니다. ZOO-Prune은 이러한 한계를 극복하기 위해, zeroth-order gradient estimation 기반의 새로운 pruning 프레임워크를 제안합니다. 핵심 기여 - Zeroth-Order Token Importance Estimation: backpropagation 없이도 각 토큰이 모델 출력에 미치는 영향을 추정하기 위해, 입력 perturbation을 활용한 zeroth-order gradient estimation을 적용합니다. - Training-Free Plug-and-Play Pruning: 추가 학습이나 파인튜닝 없이 기존 VLM에 그대로 적용 가능하며, 다양한 구조의 모델에 일반적으로 적용 가능한 높은 범용성을 제공합니다. - Adaptive and Stable Token Selection: 단순 attention 기반 방법 대비 더 안정적으로 중요한 토큰을 선택하며, aggressive pruning 환경에서도 성능 저하를 최소화합니다. 그림. (a) Attention-based 방법은 attention score를 기반으로 토큰을 선택합니다. 이 과정에서 중요하지 않은 토큰이 포함되거나, 예측에 필요한 핵심 정보를 놓치는 문제가 발생할 수 있습니다. (b) Diversity-based 방법은 서로 다른 토큰을 선택하여 중복을 줄이고자 합니다. 그러나 선택된 토큰이 실제 모델 출력에 중요한 정보와 일치하지 않을 가능성이 있습니다. (c) 제안하는 ZOO-Prune은 zeroth-order gradient를 활용하여 각 토큰이 출력에 미치는 영향을 직접 추정합니다. 이를 바탕으로 정보성이 높고 중복이 적은 토큰을 선택하며, 노이즈에 강하고 안정적인 토큰 선택이 가능합니다.