연세대 황의원·서울대 윤성로 교수 연구팀 논문, 세계 권위 인공지능 학술대회에 채택

▲ 황의원(연세대 미래캠 디지털헬스케어학부)·윤성로(서울대 전기정보공학부) 교수 공동 연구팀. 사진제공=연세대 미래캠

황의원 연세대 미래캠퍼스 디지털헬스케어학부 교수와 윤성로 서울대 전기정보공학부·협동과정 인공지능전공 교수 공동 연구팀의 도메인 적응 분야 연구 결과 2건이 세계 최고 권위의 인공지능 학술대회 ‘표현학습국제학회(ICLR 2024)’에 채택됐다.

기존 인공지능은 소스 도메인 데이터로 학습된 딥러닝 모델을 이용, 새로운 타깃 도메인 데이터에 대한 예측을 수행할 때 도메인 차이가 존재하는 경우 성능이 크게 저하되는 문제를 갖고 있다. 최근 이를 극복하기 위한 ‘도메인 적응(Domain adaptation) 기술’ 연구가 활발하다.

연구팀은 첫 연구로 소스 도메인 데이터가 비용 및 보안상의 이유로 공개되지 못하는 경우, 소스 도메인 데이터 없이 사전학습된 모델만을 이용하는 ‘소스-프리 도메인 적응(SFDA)’ 방법을 제안했다.

해당 연구는 데이터 증강 관점에서 SFDA를 재해석, 유사한 의미정보를 갖는 데이터가 서로 인접하도록 증강 그래프를 정의한 뒤 그래프의 분할을 구하는 방법을 설계했다. 메모리와 연상량 증가 없이도 내재적으로 데이터를 증강시키는 것과 동일한 효과를 갖는 방법으로 도메인 적응 성능도 높였다.

두 번째 연구로 최소한의 리소스로 실시간에 가깝게 SFDA를 수행하기 위한 ‘테스트 시간 적응(TTA)’ 방법을 제안했다. 이미지 내 물체의 모양이 예측에 미치는 영향 측정을 위해 물체 모양을 파괴하는 이미지 변형을 적용하기 전·후의 예측 간 차이를 측정하고, 이를 TTA에 활용, 신뢰도 높은 테스트 데이터를 필터링하는데 활용했다.

이같은 방법은 도메인 적응 중 누적되는 오류를 줄이고 실세계 데이터 시나리오를 포함한 다양한 상황에서 기존 방법 보다 높은 성능을 보였다. 이 연구는 상위 5% 논문에게 주어지는 ‘Spotlight’에 선정됐다.

황의원 교수는 “두 연구결과는 소스 도메인 데이터가 주어지지 않는 환경에서도 적은 연산으로 도메인 차이를 효과적으로 극복할 수 있다”며 “실세계 인공지능의 핵심기술로 활용될 것으로 기대된다”고 말했다.