대한전자공학회

The Institute of Electronics and Information Engineers

학술행사 Confercence & Workshop

2026년 영상처리연구회+가상융합연구회 여름학교
이화여자대학교 학관 251호 / 2026-08-19

  영상처리연구회 + 가상융합 여름학교 강연 요약
연사 강연 요약
장부루 교수
(고려대)
Mitigating Hallucinations in Multimodal Large Language Models
 With the emergence of Multimodal Large Language Models (MLLMs) that can process visual information alongside text, a wide range of applications integrating language and vision has become possible. However, these models still suffer from the problem of hallucinations, where generated responses are inconsistent with the actual visual content. This talk examines the characteristics of hallucinations in multimodal settings and reviews representative approaches proposed to mitigate them. Furthermore, the talk discusses our ongoing research that extends these ideas to Video LLMs, addressing the challenges of reducing hallucinations in scenarios involving temporal visual information. 
배인환 교수
(DGIST)
Toward Social World Models via Crowd Behavior Modeling
 Modeling crowd behaviors is essential for building social world models that can understand and simulate human dynamics in real and virtual environments, including autonomous driving, virtual/augmented reality, digital twins, and crowd safety analysis. However, this remains challenging due to the diversity and uncertainty of human motion. This talk introduces a data-driven pipeline for crowd behavior modeling from three perspectives: representation, understanding, and generation. The first part discusses efficient representations for capturing interactions among pedestrians, surrounding objects, and environments, including group-level and motion-pattern-based approaches that reduce spatial and temporal complexity. The second part presents probabilistic and generative methods for understanding realistic crowd dynamics and predicting feasible future trajectories under uncertainty. The final part introduces techniques for generating diverse crowd behaviors in simulation spaces using learnable crowd emitters and purposive sampling strategies. Overall, this talk discusses how these approaches can contribute to realistic, scalable, and controllable social world models for virtual convergence applications.
최성하 교수
(경희대)
Toward On-Device Multimodal Agentic AI with Efficient Small Language Models
 Recent advances in agentic AI open up the possibility of always-on personalized agents that understand continuous multimodal streams on everyday devices. Realizing this vision requires efficient and private systems that can process personal data locally. However, current agentic pipelines often rely on repeated large language model (LLM) calls, leading to high cost and privacy risks. Small language models (SLMs) offer a practical alternative, but simply replacing LLMs with SLMs can cause significant performance gaps. In this talk, I present our recent efforts to bridge this gap through efficient structured reasoning, concept-aware fine-tuning, universal multimodal retrieval, and facility location-based visual token compression for long video understanding. Together, these works move toward practical, privacy-preserving, on-device multimodal agentic AI.
어영정 교수
(연세대)
From Diffusion Models to World Models: Principles and Trends in Video Generation
 본 강연에서는 비디오 생성 분야의 최근 흐름을 diffusion 및 flow matching 기반 모델을 중심으로 살펴본다. 먼저 이미지 생성 모델에서 시작한 초기 비디오 모델과 근래의 비디오 모델의 기초를 설명하고, 생성될 비디오를 묘사하는 다양한 방법을 다룬다. 마지막으로 interactive world model 및 cosmos3 까지 다루어 최신 연구 동향을 소개한다.
김태경 박사
(네이버 AI Lab)
Tracing Information Flow of Modalities: Mechanistic Interpretability
of LLMs and VLMs
 Large-scale foundation models increasingly operate across language, vision, and video, yet our understanding of them is largely confined to their external behavior. Prediction results offer limited insight into the internal computations, such as how information is represented and propagated within a model. Mechanistic interpretability seeks to close this gap by scopring internal computation, offering a principled basis for explaining model behavior. In this presentation, we trace how information flows within modalities through three recent studies. We first map the layer wise information flow that enables VideoLLMs to answer questions about video. We then show that scene text in VLMs forms a representational modality of its own, distinct from both visual objects and prompt text. Finally, we analyze how distinct reasoning operations are geometrically organized in the hidden representations of LLMs. These studies show that understanding internal computation is key to building reliable and controllable models.
공경보 교수
(부산대)
Dynamic 4D World Reconstruction and Interactive Generation
 본 강연에서는 동적 실세계 장면을 구축하기 위한 4D 장면 복원과 생성 기술의 최근 흐름을 소개한다. 먼저 다중시점 영상으로부터 공간 구조와 시간에 따른 움직임을 복원하는 방법을 살펴보고, 이어서 단일 이미지나 희소한 입력으로부터 새로운 움직임을 생성하는 접근을 다룬다. 또한 환경 변화와 물리적 상호작용에 반응하는 인터랙티브 4D 월드로의 확장 가능성을 소개한다.
김진화 박사
(네이버 AI Lab)
월드 모델, 현실 공간을 만나다: 개념, 동향, 그리고 서울 월드 모델
 월드 모델(World Model)은 환경의 동역학을 학습해 미래를 예측하고 시뮬레이션하는 AI 패러다임으로, Physical AI 시대의 기반 기술로 떠오르고 있습니다. 이번 강연에서는 제목 그대로 개념, 동향, 그리고 NAVER 사례의 흐름을 따라가 봅니다. 먼저 월드 모델의 기초와 함께 세 가지 큰 줄기 — 강화학습 기반(Dreamer), 추상적 표현 예측 기반(LeCun의 JEPA), 생성 기반(Sora·Genie·NVIDIA Cosmos) — 을 나란히 놓고 각각의 아이디어와 장단점을 풀어 보고, 이어서 '생성이냐 추상이냐', '물리 법칙을 어떻게 담을 것인가', '인과 구조' 같은 요즘의 논점과 상상 속 환경을 넘어 실제 지리 공간에 발 딛는(grounded) 월드 모델로 옮겨 가는 흐름을 함께 살펴봅니다. 마지막으로 그 구체적인 결실이자 최근 NVIDIA GTC Taipei 2026에서 언급된 서울 월드 모델(Seoul World Model)을 사례로 소개하며, 거리뷰 같은 실측 데이터를 바탕으로 도시 규모의 궤적까지 충실하게 그려 내는 방식과, NAVER의 공간지능이 자율주행과 디지털 트윈 같은 가상융합 응용으로 어떻게 뻗어 갈 수 있을지 이야기 나눕니다. 이 시간을 통해 월드 모델 연구의 큰 그림과, 현실 공간을 만난 월드 모델이 열어 갈 새로운 연구·산업의 기회를 함께 그려 볼 수 있기를 바랍니다.
행사 거래명세서, 참가확인서 발급 안내

o 거래명세서 / 참가확인서 발급 – 온라인 발급
   - 대한전자공학회 사전등록(메뉴)에서 로그인 후 다운로드-출력)
     * 사전등록비 결제가 완료하신 분들께서는 출력이 가능합니다.
   - 개최 행사일 이후 참가확인서 온라인 출력가능
   
o 신용카드 전표(인쇄) : 행사 사전등록(메뉴) 로그인 후 신용카드전표 출력 가능
    * 결제 조회 후 신용카드 전표출력

o 문의처: 대한전자공학회 배기동 부장 / 02-553-0255 (내선5) / E-메일 : biz@theieie.org


준비중
학회안내
회원
논문
학술행사
소사이어티
정보마당
출판물