연구개발
성과 지도2022 — 2025

기존 기술의 한계

라벨과 배경 등 우연한 특징이 강하게 연관되면, 모델은 목표 개념 대신 데이터 편향을 학습합니다.

새롭게 기여한 점

같은 라벨·다른 편향 또는 다른 라벨·같은 편향을 가진 표본 쌍을 선택해 혼합하는 방법을 제안했습니다.

어디까지 검증했나

표준 편향 벤치마크와 라벨 노이즈 조건에서 비교 실험을 수행했습니다.

선정 이유

NeurIPS 본학회 발표와 데이터 선택 규칙의 명확한 신규성을 근거로 선정했습니다.

데이터 파일의 라벨을 직접 수정하는 도구가 아니라, 편향의 학습 영향을 줄이는 알고리즘입니다.

기존 기술의 한계

자연어로 비디오 속 특정 순간을 검색하려면 질의별 정답 시간 구간을 사람이 주석해야 했습니다.

새롭게 기여한 점

자막으로 후보 구간을 추출하고 영상·텍스트 정보를 이용해 의사 질의를 만들어 자기지도 학습에 활용합니다.

어디까지 검증했나

TVR에서 지도학습 및 비지도 비교 모델을 대상으로 검색 성능을 검증했습니다.

선정 이유

EMNLP 본학회 발표와 질문 생성·지식 검색을 연결하는 직접적인 기여가 확인됩니다.

영상과 자막은 사용합니다. 모든 데이터나 감독 정보가 불필요하다는 의미는 아닙니다.

기존 기술의 한계

단순 샷 전환 검출만으로는 긴 영상의 의미 단위인 장면 경계를 파악하기 어렵습니다.

새롭게 기여한 점

의사 장면 경계와 세 가지 경계 인식 사전학습 과제로 장면 내부 유사성과 장면 간 차이를 학습합니다.

어디까지 검증했나

MovieNet-SSeg 비교 실험과 구성요소 분석을 수행하고 코드를 공개했습니다.

선정 이유

국제학술대회 발표와 공개 구현, 장면 단위 지식체계의 기반 기여를 함께 평가했습니다.

ACCV 개최·발표 연도인 2022년에 배치했습니다. Springer 논문집 발행연도 2023과 구분합니다.

기존 기술의 한계

모델의 최종 출력은 낯선 입력에도 높은 확신을 보일 수 있어, 마지막 층만으로는 미지 입력을 구별하기 어렵습니다.

새롭게 기여한 점

직소 이미지로 의사 미지 입력을 만들고, 알려진 입력과의 특징 크기 차이가 큰 블록을 선택합니다.

어디까지 검증했나

복수 데이터셋·네트워크의 탐지 성능을 평가했으며 관련 미국 출원도 기관 연구실 자료에서 확인했습니다.

선정 이유

CVPR 본학회 발표, 설명 가능한 블록 선택 원리, 미국 출원 근거를 함께 갖췄습니다.

일반 영상 벤치마크의 결과이며 임상 진단 정확도를 직접 입증하는 결과는 아닙니다.

미국 출원 · 2023 · 18/518159
출원번호·제목을 기관 연구실 목록과 보고서로 대조. 등록 우수성으로 가산하지 않음. 출원 근거 ↗ · DB ↗

기존 기술의 한계

연속학습 연구는 과제가 명확히 나뉜다는 가정을 두는 경우가 많아, 점진적으로 변하는 실제 데이터 흐름을 충분히 반영하지 못했습니다.

새롭게 기여한 점

과제 경계가 없는 온라인 학습 설정과 지식 손실·획득 지표를 제시하고, 과거 지식의 전달 강도를 일정에 따라 조절합니다.

어디까지 검증했나

연속·주기적 데이터 흐름과 기존 과제 분할 조건을 네 벤치마크에서 평가하고 코드를 공개했습니다.

선정 이유

ICLR 본학회 발표와 현실적인 문제 설정, 학습 방법 및 평가 지표의 결합을 높게 평가했습니다.

이 성과 자체가 질문 정책을 구현한 것은 아니며, 지속 성장의 기반 학습 기술로 배치했습니다.

기존 기술의 한계

에이전트가 이미 옮긴 물체의 위치나 상태 변화를 잊으면 후속 행동과 탐색에 오류가 발생합니다.

새롭게 기여한 점

작업에 필요한 객체 맥락을 계획에 반영하고, 행동 이후 달라진 물체 위치·상태를 기억해 다음 행동에 활용합니다.

어디까지 검증했나

장기 지시 수행 벤치마크에서 탐색·상호작용 및 환경 일반화 성능을 검증했습니다.

선정 이유

ICCV 본학회 발표와 지식 갱신·절차 수행을 함께 다룬 기여를 근거로 선정했습니다.

시뮬레이션 벤치마크 검증이며 실물 로봇의 서비스 완성도를 뜻하지 않습니다.

기존 기술의 한계

일반적인 시각 표상은 배경 등 불필요한 특징에 치우치거나 형태·위치 관계를 명시적으로 보존하지 못할 수 있습니다.

새롭게 기여한 점

영상을 색상 획의 집합으로 바꾸는 표현을 학습하고, 아핀 변환에 대한 등변성으로 기하 정보 보존을 설명합니다.

어디까지 검증했나

CLEVR 객체 속성 분류, CLEVR–STL-10 도메인 전이와 여러 후속 과제를 평가했습니다.

선정 이유

CVPR 본학회 발표, 표상 설계의 신규성, 이론·다중 과제 검증을 갖췄습니다.

로봇 작업 성공률을 직접 검증한 성과가 아닌 시각 인지 기반 기술입니다.

기존 기술의 한계

LLM 기반 작업계획은 모델·프롬프트·평가 환경이 달라 성능을 공정하게 비교하기 어려웠습니다.

새롭게 기여한 점

계획을 시뮬레이터에서 실행하고 결과를 자동 측정하는 공통 평가 체계를 제시했습니다.

어디까지 검증했나

두 데이터셋·시뮬레이터 조합에서 다양한 LLM과 프롬프트를 비교했습니다.

선정 이유

ICLR 본학회 발표와 개별 알고리즘을 넘어선 공통 평가 인프라의 기여를 평가했습니다.

벤치마크의 완성도이며 상용 가정용 로봇 서비스의 완성을 의미하지 않습니다.

기존 기술의 한계

배포 이후 환경이 달라질 때, 품질이 낮은 의사 라벨로 재학습하면 장기 적응 성능이 악화됩니다.

새롭게 기여한 점

환경에 민감한 특징 블록만 선택해 조정하고 원본·좌우 반전 이미지의 예측을 결합해 의사 라벨을 생성합니다.

어디까지 검증했나

세 손상 이미지 벤치마크에서 기존 시험 시점 적응 방법과 비교하고 구성요소를 분석했습니다.

선정 이유

CVPR 본학회 발표, 단순하고 구현 가능한 적응 절차, 복수 환경 검증을 근거로 선정했습니다.

일반 영상 벤치마크의 성능을 의료 임상 성능으로 환산하지 않습니다.

기존 기술의 한계

원시 데이터의 빈번한 클래스가 메모리를 점유하면 자기지도 학습도 다수 클래스에 편향됩니다.

새롭게 기여한 점

메모리 내 데이터의 구별 가능성을 측정하고, 가장 중복된 표본을 새 표본으로 교체하는 능동 필터링을 도입했습니다.

어디까지 검증했나

클래스 불균형 조건의 후속 과제 성능과 메모리 정책의 효과를 분석했습니다.

선정 이유

AAAI 본학회 발표와 데이터 선택·저장 품질을 직접 다룬 기여가 확인됩니다.

2022년 워크숍 원고와 구분하여 2024년 정식 학술대회 발표를 기준으로 선정했습니다.

기존 기술의 한계

영상 지시 데이터의 양과 품질이 충분하지 않아, 지도 미세조정만으로는 영상 내용과 응답을 잘 정렬하기 어렵습니다.

새롭게 기여한 점

상세 영상 설명을 선호도 평가에 제공하고, AI의 피드백을 보상 학습과 강화학습에 활용합니다.

어디까지 검증했나

복수 비디오 벤치마크에서 기존 방법 및 지도 미세조정 모델과의 성능 차이를 평가했습니다.

선정 이유

ACL 본학회 발표와 비디오 맥락을 포함한 피드백 학습의 신규성을 근거로 선정했습니다.

논문의 AI 선호 피드백 학습이며, 사용자와의 질의응답 정책 자체를 검증한 것은 아닙니다.

기존 기술의 한계

보조 질문을 많이 만드는 것만으로는 답이 좋아지지 않으며, 생성 질문의 다양성과 품질도 관리해야 합니다.

새롭게 기여한 점

C2R은 보조 질문·답의 후보를 구성하고 신뢰도로 최종 답을 선택합니다. 관련 성과 INQUIRER는 내부 지식그래프로 다양한 비디오 질문을 생성·정제합니다.

어디까지 검증했나

C2R은 여러 QA 모델·영역에서 평가했고, INQUIRER는 DramaQA·TVQA·How2QA·STAR에서 질문 생성과 후속 QA를 검증했습니다.

선정 이유

EMNLP 본학회와 Knowledge-Based Systems 게재, 질문 생성·답변 정제의 직접적 기여를 한 연구 주제의 성과로 묶었습니다.

C2R과 INQUIRER는 별개 방법입니다. 두 방법을 결합한 단일 시스템의 성능으로 표시하지 않습니다.

기존 기술의 한계

대형 시각언어모델도 학습한 객체와 행동의 새로운 조합을 이해하는 데 한계를 보입니다.

새롭게 기여한 점

정보이론의 coding rate reduction을 이용해 공간·시간 정보를 분리한 표상을 학습합니다.

어디까지 검증했나

세 조합 일반화 벤치마크와 표현의 해석 가능성 분석으로 방법을 검증했습니다.

선정 이유

ICCV 본학회 발표, 정보이론 기반 표상 설계, 새로운 개념 조합에 대한 검증을 평가했습니다.

발표 당시 비교 실험 범위의 일반화 성과이며, 모든 미지 상황에 대한 일반지능을 입증한 것은 아닙니다.

기존 기술의 한계

복합 지시를 여러 하위 목표로 분해하고, 실행 중 예상치 못한 상황에 맞춰 계획을 바꾸는 일이 어렵습니다.

새롭게 기여한 점

LLM의 자문자답으로 작업 정보를 분해하고, 실행 중 시각 피드백을 이용해 계획을 수정합니다.

어디까지 검증했나

ALFRED의 장기 과제와 실제 로봇 배치를 통해 수행 가능성을 검증했습니다.

선정 이유

ICRA 정식 발표, 질문 기반 계획의 직접성, 시뮬레이션을 넘어선 물리적 로봇 검증을 근거로 선정했습니다.

논문이 보고한 실험실 로봇 검증이며, 일반 가정에서의 장기간 상용 서비스 검증은 아닙니다.

기존 기술의 한계

로봇 시연 데이터 수집에는 전문 조작 기술이나 특수 장비가 필요해 비전문가 참여가 어렵습니다.

새롭게 기여한 점

자연어 지시로 시연을 수집·증강하고, CLIP을 활용한 대조 모방학습으로 언어 조건 행동 정책을 학습합니다.

어디까지 검증했나

실물 로봇의 새로운 조작 기술, 소수 예제 일반화·협력 시나리오와 LIBERO를 평가했습니다.

선정 이유

RSS 본학회 발표, 경량 정책 설계, 실물 로봇까지 이어진 검증으로 완성도를 높게 평가했습니다.

1B 대 7B는 비교 모델의 파라미터 수입니다. 모든 과제의 속도나 학습비용이 7배 개선됐다는 뜻은 아닙니다.