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.

main Lab(지도교수: 김재광) The 2026 ACM Web Conference (WWW) Research Track 게재 승인

main Lab. 연구실 (지도교수: 김재광) 논문이 Top-tier 국제학술대회 The 2026 ACM Web Conference (WWW) Research Track에 게재 승인되었습니다. 논문은 26년 4월 두바이에서 발표될 예정입니다. "FCRLLM: Aligning LLM with Collaborative Filtering for Long-tailed Sequential Recommendation" 논문은 허병문 (인공지능융합학과 박사과정), 이남준 (인공지능융합학과 석사과정), 김선아 (소프트웨어학과 석사과정) 이 저자로 참여하였고 김재광 교수가 교신저자로 참여하였습니다. 이 연구는 상호작용 데이터가 부족한 Long-tailed 사용자 및 아이템에서의 추천 문제를 해결하기 위해, 거대언어모델(LLM)의 풍부한 의미론적(Semantic) 지식과 기존의 협업 필터링 신호를 결합한 FCRLLM 프레임워크를 제안합니다. 핵심 기술인 '플립드 클래스룸(Flipped Classroom)' 메커니즘은 협업 표현과 의미론적(Semantic) 표현이 서로 스승과 제자의 역할을 교차 수행하며 동적으로 정렬(aligned) 되도록 유도합니다. 이 과정에서 홉필드 네트워크 기반의 에너지 함수를 활용하여 두 양식 간의 어텐션 패턴 차이를 최소화하고 상호 보완적인 학습을 가능하게 합니다. 제안 방법은 세 개의 실제 데이터셋을 활용하여 실험하였고, 그 결과 제안 방법이 아이템의 인기나 사용자의 활동 수치와 관계없이 추천 성능을 일관되게 향상시키는 것으로 나타났습니다. 본 연구는 서로 다른 차원의 정보들을 양방향 교사-학생 구조로 통합함으로써 더욱 정교하고 다양한 추천 시스템을 구축할 수 있음을 보여줍니다.

SW융합대학 실감미디어공학과 Annual Research Review 성료

SW융합대학 실감미디어공학과 Annual Research Review 성료 SW융합대학 실감미디어공학과(학과장: 류은석 교수)는 지난 11월 27일(목) 오후 4시 30분, 인문사회과학캠퍼스 국제관 5층 Global R&E Lounge에서 2025 Annual Research Review 행사를 성공적으로 개최했다. 이번 행사에는 실감미디어공학과, 인공지능융합학과, 인터랙션사이언스학과, 인공지능융합전공 등 4개 학과가 공동 참여하여 XR/VR & Immersive Experiences, 3D Gaussian Splatting & Graphics Systems, Multimodal Understanding & Generation, Human-AI Interaction & Social Computing, AI for Emotion & Mental Health, Data-Driven Modeling & Recommendation의 총 6개 분야에서 41팀의 연구 발표가 진행되었으며, 실감미디어 연구의 현재와 미래를 조망하는 의미 있는 자리로 꾸려졌다. 발표는 포스터 전시 및 데모 시연 형식으로 진행되었고, 연구의 실질적 적용 가능성과 기술적 확장성에 대한 활발한 논의가 이어졌다. 행사에 앞서 개최된 Industrial Advisory Board(IAB, 기업자문위원) 사전 미팅에는 LG전자, 삼성전자, 상화, 올림플래닛, SOS Lab, ETRI(한국전자통신연구원), LG U+, LG 헬로비전, 정보통신기획평가원(IITP) 등 주요 ICT 및 콘텐츠 분야 기업과 연구기관 관계자들이 참석했다. 참석 전문가들은 XR 디바이스, 로봇 기반 비전 기술, LiDAR 센서 및 volumetric 영상 기술, AI 기반 실감미디어 서비스, 미래 네트워크 및 Web3 기술 등 산업이 요구하는 핵심 기술 동향과 산학연 협력 방향에 대해 심도 있는 의견을 나누며, 산학 공동 연구 생태계 구축의 중요성을 강조했다. 연구 성과 관람 및 전문가 평가 이후 진행된 ‘Outstanding Research Award’ 시상식에서는 학부와 대학원 부문으로 나누어 수상자가 선정되었다.학부 부문에서는 인공지능융합전공 강민구 학우가 최우수 연구상을 수상했으며, 김수현 학우와 오경준 학우가 우수 연구상을 받았다. 대학원 부문에서는 인공지능융합학과 이유빈 연구원이 최우수 연구상을 수상했다. 우수 연구상은 △실감미디어공학과 김종한 연구원 △메타바이오헬스학과 오민우 연구원과 인공지능융합학과 박민수 연구원(팀) △실감미디어공학과 주민준 연구원 △실감미디어공학과 정의준 연구원에게 돌아갔다. 이번 시상은 창의적인 연구 역량과 실질적인 기술 발전 가능성을 보여준 연구자들의 노력을 인정하는 자리였다. 더불어 본 행사에는 특별히 류덕희 총동창회 고문(경동제약 명예회장)이 참석하여, 미래 기술을 선도할 연구자로 성장하는 학생들에게 실질적인 조언과 진심 어린 격려의 메시지를 전했다. 현장의 학생들과 연구진은 산업 현장에서 요구되는 실천적 역량과 연구 태도에 대한 인사이트를 얻으며 소중한 시간을 가졌다. 행사를 기획한 실감미디어공학과 류은석 학과장은 “Annual Research Review는 연구자들이 서로의 성과를 공유하고 새로운 협력 기회를 발굴하는 중요한 자리이며, 앞으로도 실감미디어 분야를 선도하는 글로벌 연구 허브로 성장해 나가겠다”고 밝혔다. 실감미디어공학과는 과학기술정보통신부 가상융합대학원 사업의 지원을 기반으로 우수 대학원생 선발과 해외 파견 연구 프로그램을 운영하며, 영상처리, 그래픽스, 인공지능 분야 미래 인재 양성을 위한 연구 환경과 국제 협력 체계를 지속적으로 확장하고 있다. 이번 Annual Research Review는 학부와 대학원 연구자들의 성과 공유뿐만 아니라 산업계와의 협력을 강화하고 미래 성장 기반을 마련한 뜻깊은 행사로 마무리되었다.