교육/연구
컴퓨터공학과 이상금 교수 연구팀, KAIST 공동연구 논문 ‘NeurIPS 2026’ 발표 채택
작성자기획과 조회수56 등록일2026-10-23
- 오는 12월 10일 호주 시드니에서 포스터 발표 예정...TMLR 게재·J2C 인증
- 추가 학습 없이 거대 시각-언어 AI의 이미지 이해 능력 활용
□ 우리 대학 컴퓨터공학과 이상금 교수 연구팀이 KAIST 하동수 교수 연구팀과 공동으로 수행한 거대 시각-언어 모델(LVLM) 연구가 오는 12월 열리는 세계 최고 권위의 인공지능 학회인 ‘NeurIPS 2026’(신경정보처리시스템학회)에서 발표된다.
□ 이상금 교수 연구팀은 KAIST 하동수 교수 연구팀과의 공동연구 논문이 국제 저명 학술지 ‘TMLR(Transactions on Machine Learning Research)’ 2026년 8월호에 게재되고, 우수 논문에 부여되는 ‘J2C(Journal-to-Conference) 인증’을 받아 오는 12월 10일 호주 시드니에서 열리는 ‘NeurIPS 2026’에서 포스터 발표 예정이라고 밝혔다.
○ J2C 인증은 TMLR에 게재된 논문 가운데 일부를 선정해 NeurIPS․ICML․ICLR 등 세계 3대 인공지능 학회에서 발표할 수 있도록 하는 제도로, 학술지 심사와 학회 발표 기회를 함께 인정받는다는 의미가 있다.
□ 이번 연구 논문은 ‘Few Contrastive Attention Heads Enable Visual Grounding in Large Vision-Language Models(소수의 대조 어텐션 헤드로 구현하는 거대 시각-언어 모델의 시각적 위치 찾기)’로, KAIST 네하 셍가르(Neha Sengar) 학생이 제1저자, 이상금 교수가 교신저자로 참여했다.
○ 본 연구는 이미지 속에서 문장이 가리키는 대상을 찾아내는 시각적 위치 찾기(Visual Grounding) 기술을 다뤘다.
○ 기존에는 거대 시각-언어 모델로 이 작업을 하려면 별도의 정답 데이터로 추가 학습(파인튜닝)을 하거나 모델 구조를 바꿔야 했다.
○ 연구팀은 찾고자 하는 대상을 설명하는 문장과 이와 대비되는 문장을 함께 입력해 모델 내부의 반응 차이를 분석하는 방법으로, 위치 정보를 담고 있는 어텐션 헤드(모델 내부의 정보 처리 단위)를 자동으로 찾아냈다.
○ 이러한 방법은 위치 정답이 표시된 학습 데이터나 모델 구조 변경 없이 동작한다.
○ 상위 10개 어텐션 헤드의 신호만으로 대표적인 평가 데이터셋인 RefCOCO에서 기존 학습 없는(Training-free) 방법보다 최대 27.95%, RefCOCO+에서 최대 21.93%, RefCOCOg에서 최대 8.40% 높은 성능을 보였다.
□ 해당 기술은 추가 학습 비용 없이 기존 거대 AI 모델의 능력을 끌어낼 수 있어, 로봇․자율주행․스마트 제조 현장의 영상 이해, 시각장애인 보조 기술 등 다양한 분야에 활용될 수 있을 것으로 기대된다.
□ 이상금 교수는 “거대 AI 모델 안에 이미 들어 있는 능력을 추가 학습 없이 찾아 쓰는 방법을 제시했다는 데 의미가 있다”며, “앞으로 에너지․제조 등 산업 현장에서 비용 부담 없이 쓸 수 있는 AI 기술로 발전시키겠다”고 말했다.