이번 연구실 탐방은 소프트웨어학과 우사이먼 교수의 DASH LAB을 취재했다. 다양한 데이터를 기반으로 인공지능을 통해 여러 문제들을 해결하는 DASH LAB은 딥페이크 탐지, 무인 이동체의 데이터 추이 모델링 및 이상 탐지 등 다양한 연구를 진행하고 있다. 2021 인공지능 그랜드 챌린지 4차 3단계 대회 Track 1에서 1위를 기록하여 과학기술정보통신부 장관상을 수상하기도 했다. 세계적 권위의 인공지능 학회에 논문이 게재되며 우수한 연구 성과를 이루어 내고 있는 우사이먼 교수의 DASH LAB에 대해 알아보자. 

1. DASH LAB 소개 부탁드립니다.

DASH LAB은 소프트웨어학과 우사이먼 교수의 지도 아래 다양한 데이터(Data-driven)들을 이용해 인공지능(AI)을 학습시켜, 보안(Security)문제나 실생활 문제(HCI)들을 해결하는 연구를 진행하고 있습니다. 연구실 이름인 DASH는 바로 이 네 가지 키워드를 결합해 만든 단어입니다. 현재 DASH LAB은 소프트웨어학과, 인공지능학과, 인공지능융합학과 등에 소속된 7명의 박사과정, 9명의 석사과정, 7명의 학부 연구생으로 구성되어 있습니다.

2. 인공지능 그랜드 챌린지 대회에서 우수한 성적을 거두셨는데요, 어떻게 대회를 준비하셨나요? 

DASH LAB이 참여한 인공지능 그랜드 챌린지의 ‘행동인지 트랙’은 주어진 영상에서 실신한 사람을 빠르고 정확하게 찾는 문제를 해결하는 것이었습니다. 이 대회는 Kaggle이나 DACON 등에서 주최하는 인공지능 대회와는 달리 훈련 데이터가 제공되지 않아서 참가팀이 스스로 데이터셋을 구축하여 모델을 훈련시켜야 했습니다. 이를 위해 실제 상황에서 발생하는 가능한 많은 요인들을 고려하여 모든 데이터를 직접 촬영했고, 규격에 맞게 라벨링을 진행했습니다. 고품질의 데이터를 얻기 위해 연구실 구성원 모두가 적극적으로 참여하여 데이터셋을 완성할 수 있었습니다. 이렇게 구축된 데이터셋은 VFP290K라는 이름으로 인공지능 분야의 대표적 국제 학술대회인 NeurIPS(Neural Information Processing Systmes) 2021에 게재되는 성과를 얻기도 했습니다. 

이 데이터셋을 바탕으로 DetectoRS, YoloV5 등 유명 모델들을 속도와 성능 측면에서 비교 분석했습니다. 추론 성능뿐만 아니라 속도 역시 본 대회의 중요한 고려 사항이어서 실시간 처리가 가능하도록 추론 결과를 보정 및 보관하는 알고리즘도 설계하여 적용함으로써 최종적으로 높은 성능을 도출할 수 있었습니다. 인공지능 그랜드 챌린지는 DASH LAB에서 오랜 시간을 거쳐 준비한 대회여서 큰 상을 받아 영광스럽습니다. 연구실 내 거의 모든 학생들이 노력하여 받은 상인만큼 교수로서도 열심히 노력해준 학생들이 자랑스럽습니다. 올해 말에 있을 인공지능 그랜드 챌린지의 최종 단계에서도 좋은 결과를 만들어 낼 수 있도록 더욱 노력하겠습니다.

3. 연구실의 대표적인 연구 활동을 소개해주세요. 

DASH LAB에서 현재 진행중인 연구는 크게 네 가지가 있습니다. 

- 인공지능 기반의 딥페이크 멀티미디어 탐지 연구

딥페이크로 생성된 사진, 영상, 음성을 탐지하는 인공지능 기반의 ‘딥페이크 멀티미디어 탐지 알고리즘’에 대한 연구입니다. 다양한 딥페이크 위협에 대응하기 위해 먼저 딥페이크 사진, 음성, 영상 데이터셋을 구축하고, 구축한 데이터셋을 기반으로 정확도가 높은 딥페이크 탐지 알고리즘을 개발했습니다. 알고리즘 성능향상, 최적화 후 전이학습(Transfer Learning), 극소량 학습(Few-shot/Zero-shot Learning)을 통해 소량의 학습데이터로도 새로운 딥페이크 멀티미디어를 효과적으로 탐지할 수 있는 탐지 모델을 개발하고 있습니다. 탐지 모델의 일반화 연구도 병행하여 다양한 딥페이크 멀티미디어에 적용하고, 최종적으로 전문지식이 없는 일반인도 설명 가능한(eXplainable), 사용하기 쉽고(Usable), 직관적인(Intuitive) XUI 탐지 엔진과 어플리케이션 개발 및 지속적인 딥페이크 연구개발을 위한 API를 제공할 계획입니다. 

- 무인 이동체 다변량 데이터 기반 추이 모델링 및 이상탐지 기법 연구

이 연구는 무인 이동체의 특성에 맞추어 실시간으로 다변량 데이터에서 특징을 추출하고 분석하는 기법을 개발하고, 데이터의 정상 행위를 기반으로 추이를 추정할 수 있는 알고리즘을 개발하는 것을 목표로 합니다. 무인 이동체 이상탐지와 관련된 국내외 연구 동향을 분석한 뒤, 이를 바탕으로 무인 이동체 다변량 데이터 기반 추이 모델링 기법과 추이 모델링 기반 이상탐지 기법에 대해서 연구하고 있습니다. 또한 개발된 모델과 추정 알고리즘에 대한 검증 수행을 통해 성능을 개선할 예정입니다. 이 연구를 통해 무인 이동체의 추이를 실시간으로 빠르게 추정하고 무인 이동체 운영자에게 이를 알려줌으로써, 무인 이동체의 안전한 운행에 도움이 될 것으로 기대합니다. 

- 영상 품질 저하 조건 하에서의 저전력·고성능 객체 탐지 기술 연구

광원, 강설, 강우 등과 같은 자연적인 요인으로 인한 영상의 품질 저하 상황과 적대적 공격, JPEG 압축과 같은 인공적 영상 품질 저하 상황에서 이상 행동 탐지 기술의 성능을 개선하고, 딥러닝 기반 모델의 고속화 및 경량화 기술을 적용해 저전력에서 고성능으로 객체를 탐지하는 모델을 연구하는 프로젝트입니다. 이 프로젝트에서는 먼저 영상 품질 저하 조건 하에서 촬영된 이상 행동 탐지 데이터셋을 구축하고, 구축된 데이터셋을 이용해 이상 행동을 탐지했습니다. 그리고 모델 경량화 기술을 적용하여 엣지 디바이스 상에서 동작할 수 있도록 실시간 이상 탐지 기기를 구현한 뒤 관련 시제품을 개발할 예정입니다.

- 위성 이미지 객체 탐지 기술 연구

이 연구는 위성으로 촬영한 이미지에서 객체들을 탐지하는 딥러닝 기반 모델을 연구하는 프로젝트입니다. 위성 객체 탐지의 경우 고해상도의 이미지, 밀집된 객체, 배경과 객체의 극단적인 불균형 등 일반적인 객체 탐지 기법들의 적용에 어려움이 되는 요인들이 존재합니다. 이 프로젝트에서는 이러한 문제점들을 극복하여 위성 이미지 객체 탐지 모델을 구현한 후, 경량화를 통해 추론속도를 향상시킨 시제품을 개발할 예정입니다.

4. 하나의 연구를 진행하는 과정은 어떻게 되나요?

DASH LAB에서는 연구실에 들어오는 인턴 또는 학부연구생들이 앞으로 다룰 연구주제에 대해 석사, 박사 연구원들이 미팅을 통해 함께 논의합니다. 연구 경험이 거의 없는 학생들은 기존 DASH LAB에서 진행되고 있는 연구 또는 프로젝트에 투입되어 연구 경험을 쌓으면서 자신의 연구 방향을 설정할 수 있습니다. 혹은 연구실에 들어오기 전 자신이 계획해둔 연구가 있다면 스스로 진행할 수도 있습니다. 이 과정에서 함께 참여하는 석사/박사 학생들이 멘토 역할을 해주기 때문에 자신의 공부나 연구를 하는 것에 있어 큰 도움이 됩니다.

DASH LAB에서는 다음과 같은 과정으로 연구가 진행됩니다. 먼저 자신이 관심있는 연구 분야를 자세히 조사하고 공부하다 보면, 해결해야 할 문제들이 생깁니다. 그 문제와 관련된 기존에 진행되었던 연구 결과들을 살펴보고, 그 방법론에 자신의 아이디어를 더하여 추가적인 성능 향상을 이루어 내거나, 다른 문제에서 효과를 입증한 방법론을 응용하여 새로운 방법론을 제시하여 초기에 설정했던 문제를 해결합니다. 자신의 아이디어가 그 문제에 대하여 발전 가능성을 보였다면, 제시한 방법론이 왜 잘 되는지, 도출된 결과가 기존 연구들이 보여준 결과보다 얼마나 뛰어난지, 제안된 방법론이 참신한지 등에 대해 분석합니다. 이러한 일련의 과정을 통해 하나의 연구가 완성되고, 이를 바탕으로 논문을 작성합니다.

5. 연구실 자랑 부탁드립니다.

DASH LAB의 가장 큰 자랑은 연구에 대한 자율성입니다. 연구실의 전체적인 연구 주제를 하나로 제한하지 않아, 연구실 사람들은 자유롭게 자신의 분야와 관련 있는 연구를 할 수 있습니다. 한 연구실에서 다양한 연구가 이루어지고 있어, 매주 그룹미팅 시간에는 발표자의 연구분야에 대한 논문 리뷰를 진행합니다. 이 과정에서 다양한 도메인에서 이루어지고 있는 최신 연구들을 서로 공유하며 다른 도메인의 아이디어를 자신의 연구에 적용하는 등의 시너지를 얻을 수 있습니다. 자율적인 출퇴근 시간을 통해서 학생들이 주체적으로 연구시간을 계획하여 활용할 수 있고, 운동 등 균형 있는 생활을 위한 활동도 자유롭게 가능합니다. 

연구실 분위기 또한 하나의 자랑거리입니다. DASH LAB에서는 교수님을 포함한 모든 연구실 구성원들이 학력이나 나이에 상관없이 서로 존댓말을 사용합니다. 학부 연구생이나 연구실 인턴이 새로 들어왔을 때는 연구실에 잘 적응할 수 있도록 도와주고, 매달 한 번씩 연구실 생일파티를 하는 등 서로에 대한 배려와 존중을 바탕으로 화기애애한 분위기를 만들어 나가고 있습니다. 

마지막 자랑거리는 바로 연구 환경입니다. 학부 연구생에게도 개인 좌석과 컴퓨터, 연구실 내부 서버를 이용할 수 있도록 지원해줄 만큼 연구에 있어서 최고의 환경을 지원해줍니다. 간식이나 점심/저녁을 지원하여 연구하는 학생들에게 편의를 제공합니다.

6. DASH LAB에 들어가려면 어떻게 해야 하나요? 어떤 자격, 능력이 필요할까요?

DASH LAB에서는 책임감 있고 성실하며, 연구에 열정이 있는 학생을 찾고 있습니다. 선형대수에 대한 기본적인 지식과 함께 CS231n이나 [기계학습개론], [인공지능개론], [인공지능프로젝트] 등 교내 인공지능 관련 수업을 수강한 이력이 있으면 좋습니다. 혹은 파이썬과 딥러닝 프레임워크인 pytorch, tensorflow 등에 대한 사용경험이 있거나, 인공지능 관련 프로젝트 경험이 있는 학생들을 선호하고 있습니다. 연구실에 관심있는 학부생이라면, 학부 성적표와 자기소개, 지원 이유에 대한 내용들을 이메일에 기재해 컨택하는 것을 추천합니다.

7. 연구원을 꿈꾸는 학생들에게 한마디 부탁드립니다.

연구실에서 진행하는 대부분의 연구는 누군가로부터 주어지기보다는 스스로 찾아내는 것입니다. 그렇기에 연구원을 꿈꾸는 학생들에게 수동적인 공부 습관보다는 능동적인 공부 습관을 기르는 것을 권하고 싶습니다. 연구하다 보면 뜻하지 않은 한계를 마주칠 때도 있습니다. 하지만 한계에 부딪혔을 때, 이를 극복하는 과정에서 성장한다고 생각합니다. 그래서 쉽게 포기하지 않는 근성과 끈기를 가져야합니다. 마지막으로 자신의 전공 분야에 애정이 있고 대학교 강의에서 배우는 것 그 너머를 배우고 싶은 학생들에게는 학부 연구생이라는 좋은 제도가 있으니, 학부 연구생을 통해 첫 연구를 시작해보는 것을 적극 추천해 드리고 싶습니다. 

연구실 홈페이지: https://dash-lab.github.io/