[ICCV 2019 시리즈 3탄] 글로벌 탑티어 컴퓨터비전 학회 ICCV2019에 채택된 네이버 연구자들의 논문을 소개할것이다.

10월 27일부터 11월 2일까지 서울 코엑스 컨벤션센터에서 진행되었던 <컴퓨터 비전 및 패턴 인식 분야> 최고 권위의 국제학회 ICCV 2019가 막을 내렸슴니다. 특히 ICCV가 시작된 이래 처sound으로 한국에서 학회가 열리면서, 많은 한국인 연구자, 저자들의 참여와 관심도가 높았고, 이를 기념하며 기이 네트워킹 행사 ‘페이퍼 데이’와 학회 내 네이버 부스 현장을 생생하게 전해드렸는데요. - ICCV 2019 전 네트워킹 행사 ‘페이퍼 데이’ 즉시가기https://blog.naver.com/naver_diary/221693901677 -ICCV 2019 네이버 부스 현장 르포 즉시가기https://blog.naver.com/naver_diary/221697790275 마지막 시리즈로, 이번 ICCV 2019에서 발표된 총 10개의 네이버 논문을 소개합니다. ​​네이버 부스에서는 ICCV뿐만 아니라,EMNLP(자연어처리 분야 국제 학회), CVPR(컴퓨터 비전 및 패턴 인식 분야 국제 학회), Interspeech(sound성 분야 국제 학회) 등 타 글로벌 탑티어 학회들에 채택된 네이버 연구자들의 논문들도 만과인볼 수 있었어요.​

>

​​네이버는 ICCV 2019 정규 세션과 워크샵에서 총 10개(정규 8, 워크샵 2)의 논문을 발표했고, 그 중 2개는 Oral 세션에도 채택되는 성과를 얻었는데요. 10월 31일 낮, 네이버 클로바 AI의 백정훈 연구자의 Oral 세션 발표가 진행됬다. 백정훈 연구자는 ‘What Is Wrong With Scene Text Recognition Model Comparisons? Dataset and Model Analysis’(사진 내 문자 인식 분야의 모델 비교 시의 문제는 무엇인가? 데이터셋 및 모델 분석 - 백정훈, 김기욱, 이준엽, 박성래, 한동윤, 윤상두, 오성준,이활석)를 주제로, 이미지 내 텍스트 인식 분야의 모델을 총망라해 비교하고, 모델의 성능을 공정하게 평가할 수 있는 방법을 제안한 논문에 대해 발표했어요. OCR을 위한 이미지내 텍스트 인식 연구에서의 공정한 모델 성능 평가 방법을 제안함으로써 체계적이지 않던 기존 OCR 모델 성능 평가에 새로운 대안을 제시했읍­니다.​

>

>

​​금일 오후 Oral세션에서는 네이버 클로바 AI의 윤상두 조사자의 발표가 이어졌슴니다. 윤상두 조사자는 ‘CutMix: Regularization Strategy to Train Strong Classifiers With Localizable Features’ (컷믹스: 땅적 특징을 가지는 분류기 학습을 위한 학습 데이터 발발 비법 - 윤상두, 한동윤, 오성준, 전상혁, 최준석, 유영준)에 관한 주제로, 데이터를 추가적으로 수집하지 않고도 간단하게 증강시켜, 벌써지 인식 모델의 성능을 효과적으로 향상시킬 수 있는 학습 기법을 제시한 조사를 발표했슴니다. 해당 기술은 문자 및 얼굴을 인식하는 실제 네이버 서비스의 기반 기술로 활용될 계획이에요.​

>

>

​​이 외에도 포스터 세션을 통해 클로바 AI 소속 연구진들의 두 편의 논문이 발표되었는데요. Photorealistic Style Transfer via Wavelet Transforms (웨이블릿 변환 기법을 이용한 사실적 스타일 변환 - 유재준, 어영정, 전상혁, 강병규, 하정우) 기존의 이미지 스타일 변환 기법의 한계를 극복하여 후처리를 사용하지 않고도 빠른 때때로내에 실제 사진 수준으로 자연스럽게 변환된 이미지의 스타일을 만들어 내는 기법을 제시했어요. 역시한, A Comprehensive Overhaul of Feature Distillation (특징점 기반 지식 증류 비결에 대한 포괄적 분석 및 설계- 허병호, 김지수, 윤상두, 박효진, 곽노준, 최진영)은 기존 정보 추출 비결의 한계를 극복하여 ImageNet 데이터에 대하여 성능은 더 나쁘지않아졌지만, 경량화된 모델을 만드는 이미지 인식 모델 학습 비결을 제안한 얘기입니다. ​이 외에도 Video Turing Test 워크샵을 통해Tripartite Heterogeneous Graph Propagation for Multimodal Entity Interaction Prediction (다중모달 개체 상호작용 예측을 위한 이종 삼분 그래프 전파 - 김경민, 곽동현, 곽하녹, 박영진, 심상권, 조재한, 김민규, 권지훈, 성낙호, 하정우)에 대한 논문을 발표하며, 소셜 그래프 내에서 다양한 모달리티 형태로 포현되는 사용자들의 상호작용을 정확히 예측하기 위한 효과적인 그래프 신경망 학습 기법을 제시했어요. 네이버랩스(Naver LABS)도 이번 ICCV 2019에서 논문이 채택되었어요. 네이버랩스 자율주행그룹 소속의 김남일 연구원과 2명의 인턴이 딥러닝을 위한 가상 환경의 데이터를 실제 데이터처럼 활용하기 위한 도메인 적용(domain adaptation)을 연구했으며, 기존 방식에 비해 간단하지만 성능은 높으며 기존 영상 기반 모델에 광범위하게 적용이 가능한 비결론을 제시했어요. 뿐만 아니라, 네이버랩스유럽(Naver LABS Europe)도 다양한 서비스에 적용될 수 있는 미래 기술 연구를 공개했습니다. 포스터, 워크샵 등을 통해 발표된 논문들이에요. Learning with Average Precision: Training Image Retrieval with a Listwise Loss (Jérome Revaud, Jon Almazan, Rafael Sampaio De Rezende, Cesar De Souza)- Image Retrieval(이미지 검색)의 new더­럽다 훈련 기법을 제안하는 연구로, 이 기술은 영상검색, 사물인식, 위치 측위 등에서 활용될 수 있소리. Fine-Grained Action Retrieval through Multiple Parts-of-Speech Embeddings (Michael Wray, Diane Larlus, Gabriela Csurka Khedari, Dima Damen)- 비디오를 입력하고 영상 내의 동작을 텍스트로 출력하거과인(Video-to-Text), 텍스트를 입력하고 해당 동작이 포함된 비디오를 검색하는(Text-to-Video retrieval) 기술의 성능을 개선한 연구로, 이 기술은 비디오 검색 등에 활용될 수 있소리. Moulding Humans: Non-parametric 3D Human Shape Estimation from Single Images (Valentin Gabeur, Jean-Sébastien Franco, Xavier Martin, Cordelia Schmid, Grégory Rogez)- 하과인의 이미지로 사람의 3D Shape을 예상하는 효과적인 비결을 제안한 연구로, 이런 기술은 Human Pose Tracking 이과인 게입니다/AR.VR/영화의 컨텐츠 및 가상 fitting 등에 활용될 수 있소리. SLAMANTIC – Leveraging Semantics to Improve VSLAM in Dynamic Environments (Martin Humenberger) - 카메라 기반으로 미지의 공간에서 측위 및 지도 생성 하는 VSLAM 기술이 사람이과인 자동차 등 이동하는 물체가 많은 환경에서도 측위 및 지도 제작을 잘할 수 있는 비결을 제안한 연구로, 로봇, 자율주행 등에 필수적인 기술입니다. ​​ 네이버 클로바 AI 김성훈 리더 “네이버는 AI 기술 연구에 지속적으로 투자하고, 연구자들의 자유로운 연구 기회를 보장하는 문화를 만들어가고 있는데요. 이런 방향성이 국제 학회에서의 성과로 가시화되고 있습니다. 이렇게 연구한 기술들을 네이버의 다양한 서비스에 적용하며 이용자 가치를 더욱 높이는 데 기여할 것입니다.”​ 네이버랩스 석상옥 대표 “국내 연구자들은 네이버가 만든 글로벌 AI연구벨트에서 국경을 자유롭게 넘과인들며, 무한한 기술 연구를 이어갈 것입니다. 네이버는 향후 국내외 유수의 대학기관, AI인재들이 이 벨트에 참여할 수 있도록 협력을 지속적으로 확대하고, 벨트에 포함되는 리전(Region) 역시한 계속 넓혀갈 예정입니다.” ​이번 ICCV 2019는 국내외 AI 인재들을 한국에서 한 자리에 만과인고, 연구 성과에 대해 깊게 공유할 수 있는 의미있는 때때로이었는데요. 네이버가 이렇게 열더욱 연구하고, 개발한 기술들을 네이버의 여러 서비스들을 통해 이용자들이 직접 체감하실 수 있도록, 계속 노력해가겠습니다.