Legacy 동영상 압축 기술과 미래 동영상 압축 기술의 전망
Email: dgsim@kw.ac.kr  

본 강의는 기존의 예측/변환/양자화 기반 영상 압축 기술의 발전 과정을 조망하고, 이이 기초 기술에 대한 개념을 강의한다. 또한, 최신 압축 기술인 VVC 기술은 기존 코덱과 달리 컴퓨터 비젼 기술 들이 일부 접목되었다고 볼 수 있다. 본 강의에서는 최신 압축 코덱인 VVC의 새로운 개념을 소개한다. 최근 들어, 컴퓨터 비젼 기술의 접목에 더 나아가, deep learning 기반 압축 기술들이 소개되고 있는데, 이들의 발전 가능성에 대하여 논의한다.

Bio :
학력  : 1993년 서강대학교 전자공학부 학사 /1995년 서강대학교 전자공학부 석사 /1999년 서강대학교 전자공학부 박사
경력 1999.3 ~ 2000.8 현대전자 선임연구원
 2000.9 ~ 2002.3 바로비젼 선임연구원
 2002.4 ~ 2005.2 University of Washington Senior research engineer
 2011.3~2012.2 Simon Frasier University, Canada Visiting professor
 2005.3 ~ 현재 광운대학교 교수

의료 및 산업 응용을 위한 이중에너지 X선 영상신호처리 연구
Email: scho@kaist.ac.kr  

We would like to share our research progress in developing various imaging algorithms for X-ray applications in medicine and in industry. Low-dose dual-energy X-ray imaging is under our particular interest that enables material decomposition via exploiting nonlinear attenuation properties of materials. We will introduce a fast and efficient calibration method that can also address nonuniform X-ray spectral characteristics across the field-of-view in cargo inspection. Sparsely sampled computed tomography imaging techniques for medical applications will also be presented that are largely inspired by the compressed sensing spirit and also by deep-learning mind.

Bio :
학력:
박사학위 – 시카고대학교(2009), 의학물리학
석사학위 – 서울대학교(1997), 반도체 물리학
학사학위 – 서울대학교(1995), 물리학

경력:
2009.12 – 현재, 카이스트 부교수 (조교수 -2014.8)
2009.09 – 2009.12, 시카고대학교 방사선학과, 박사후 연구원
2005.09 – 2009.08, 시카고대학교 방사선학과 및 방사선종양학과, 연구원
2002.08 – 2004.05, 뉴욕주립대학교 물리학과, 조교
1997.02 – 2002.05, 삼성전자(종합기술원), 선임연구원

관심연구분야: 토모그라피 알고리즘, X-선 영상 물리, 영상유도 방사선 치료,
  CT/PET/MR 등의 융합, 반도체소자, 영상처리 등

논문실적: SCI급 70여편, 학술대회 프로시딩 120편 이상 
  (현재 Physics in Medicine and Biology 저널의 International Advisory Board)

특허실적: 국내외특허 20여건

위성영상 처리를 위한 인공지능 영상처리 및 개선 기술
Email: paikj@cau.ac.kr  

위성 영상은 군사, 기상, 환경, 교통에서 상업적인 목적에 이르기까지 다양한 응용분야를 갖는다. 하지만 영상처리 이전 단계의 위성 영상은 다양한 형태의 잡음, 블러, 대비 저하 등의 문제로 식별하기가 어렵고, 방대한 영역을 표시하기 위한 초고해상도 처리에 많은 시간과 비용이 든다.
이번 강연에서는 위성영상 처리 및 개선을 위한 다음과 같은 다섯가지 기술들을 인공지능으로 구현한 사례를 살펴본다.
* 대비개선, 안개제거, 모자이크, 선예화(MTFC), 잡음제거

Bio :
- 대한전자공학회장
- 대통령실 과학기술정책 자문위원
- 대검찰청 과학수사 자문위원
- 중앙대학교 첨단영상대학원장
- (현) 중앙대학교 교학부총장 겸 연구부총장

딥러닝 인공지능 기술을 활용한 의료 영상 처리 시스템의 개발
Email: jaeyoun.yi@corelinesoft.com  

딥러닝 기반의 신경회로망을 사용한 인공지능은 영상 처리, 인식 분야에서 큰 관심.
의료 영상 시스템에서 딥러닝 기반 인공지능 시스템의 활용.
인공지능을 사용한 흉부CT 영상 분석 소프트웨어의 개발 과정 소개
성공적인 인공지능 의료 시스템 개발을 위한 요건

Bio :
- 1996.02 KAIST 전기및전자공학과 학사
- 1998.02 KAIST 전기및전자공학과 석사
- 2004.02 KAIST 전기및전자공학과 박사
- ~2004.02 ㈜사이버메드 책임연구원
- ~2007.07 ㈜메비시스 책임연구원
- ~2012.08 ㈜인피니트헬스케어 연구소장 / 이사
- ~now ㈜코어라인소프트 연구소장 / 부사장 / CTO

DATA 기반 e-비즈니스 혁신을 위한 새로운 트랜드
Email: binary90@nhn.com  

COVID19로 더욱 가속화된 디지털 트랜스포메이션 속에서 데이터 기반 비즈니스 혁신 활동은 이제 기업의 필수 역량이 되었다. 데이터 기술과 활용에 있어서의 커다란 트랜드 변화와 동시에, 각 국가와 공룡 기업이 주도하는 개인정보 보호 강화는 데이터 기반 비즈니스 혁신 활동에 어떤 변화를 가져오고 있는 지 살펴본다.

Bio :
- NHN DATA 대표이사 2021.05 ~ 현재
- NHN ACE 대표이사 2018.12~2021.04
- NHN 데이터기술사업센터 센터장 2018.03 ~ 현재
- SK텔레콤 2014.06 ~ 2018.02
- 삼성전자 2013.08 ~ 2014.05
- 네이버 (구 NHN) : 2006.10 ~ 2013.07
- LG전자 : 1997.1 ~ 2006.10

네트워크 양자화 기술
Email: bumsub.ham@yonsei.ac.kr  

최근 딥러닝(deep learning) 기술은 영상 인식, 지능형 CCTV, 의료 영상 등 다양한 컴퓨터 비전 및 영상처리 분야에 사용되고 있다. 고성능 딥러닝 시스템은 추론과 학습 시 막대한 계산량을 요구하며, 이에 현재 고성능 딥러닝 기술은 클라우드(cloud) 기반 시스템에 의존하고 있다. 고성능 딥러닝 모델을 에지(edge) 단에 적용하기 위해서는 모델을 구성하는 방대한 파라미터(parameter) 및 연산 시 필요한 저장공간을 줄여야 한다. 이를 위해 프루닝(pruning), 모델 증류(distillation), 양자화(quantization) 기술이 활발히 연구되고 있다. 본 강연에서는 딥러닝 모델의 양자화 기법에 대해 알아본다. 구체적으로 양자화를 고려한 모델 학습 방법(quantization-aware training)에 대해 다루며, 이산 (discrete) 양자화 함수를 미분 가능하게 근사할 때 수반되는 문제를 해결하기 위한 방법을 살펴본다.  

Bio :
 - 2008-2013: Ph.D., 연세대학교, 전기전자공학과
 - 2014-2016: 박사후 연구원, INRIA
 - 2016-2021: 조교수, 연세대학교, 전기전자공학과
 - 2021-현재: 부교수, 연세대학교, 전기전자공학과
 - 2019-현재: Associate editor, International Journal of Computer Vision (IJCV)

Disentangling Representation and Adaptation Networks for Unsupervised Cross-Domain Adaptation
Email: sunghoonim@dgist.ac.kr  

Deep learning has since yielded numerous state-of-the-art results in visual recognition and plays a role in a wide swath of AI applications. Due to the data-hungry nature of deep neural networks, the method requires an enormous number of training data with its corresponding ground-truth labels, which are generally annotated by humans. Since manual annotation is considerably time-consuming and expensive, synthetic datasets generated by 3D graphics tools have recently been utilized as an alternative. However, the networks trained along with the synthetic data do not generalize well to the real-world datasets. As a way to alleviate this issue, this talk introduces DRANet that tackles the issue by disentangling image representations and transferring the visual attributes in a latent space. Unlike the existing domain adaptation methods that learn associated features sharing a domain, DRANet preserves the distinctiveness of each domain's characteristics and allows bi-/multi-directional domain adaptation with a single encoder-decoder network. 

Bio :
- Assistant Professor, DGIST, Daegu, Korea, 2019.09-present
- Visiting Scholar, Carnegie Mellon University, PA, USA, 2019.06-2019.08
- Research Intern, Microsoft Research, Beijing, China, 2018.02-2018.08
- Ph.D., KAIST, 2016.03-2019.08
- Microsoft Research Fellowship, 2018.

Towards Privacy-Preserving Domain Adaptation
Email: csehong@inha.ac.kr  

대부분의 지도학습 기반 모델들은 학습셋과 테스트셋의 샘플 분포가 유사하다고 가정하기 때문에 학습셋과 테스트셋 사이의 환경/도메인 변화가 큰 경우 심각한 성능 저하를 겪는다. 이러한 도메인 차이를 해결할 수 있는 방법들 중에서 ‘도메인 적응’은 최근에 큰 주목을 받고 있는 기술로서 로보틱스, 자율주행, 의료영상 등 다양한 분야에 활용되고 있다. 본 발표는 도메인 적응을 얼굴 인식과 접목시킨 연구 및 기존 도메인 적응에서 발생할 수 있는 데이터 프라이버시 문제를 효율적으로 해결할 수 있는 새로운 방법론 및 관련 기법을 소개한다.

Bio :
-  학사 2010: 한양대학교(서울) 컴퓨터공학
- 석사 2012: KAIST 전산학과 (연구 주제: Computer Vision)
- 박사 2018: KAIST 전산학과 (연구 주제: Computer Vision & Deep Learning)
- 경력: SK텔레콤 AI 선행연구조직인 T-Brain의 Research Scientist로서 18년 1월부터 20년 8월까지 근무

Real image editing with GANs
Email: yj.uh@yonsei.ac.kr  

생성적 적대 신경망(generative adversarial networks, GANs)은 무작위 은닉벡터로부터 사실적인 이미지를 생성한다. 입력인 은닉벡터를 변조함으로써 결과이미지를 수정할 수 있지만, 실제하는 이미지를 편집하려는 경우 1) 실제이미지를 은닉벡터로 사영하는 최적화연산의 높은 시간복잡도 또는 2) 인코더를 통한 사영과정에서 생기는 오차에 의한 어려움이 있다. 본 강연에서는 기존 GAN기반 이미지편집 방법들의 접근방식과 한계를 설명하고, 이를 개선한 StyleMapGAN을 소개한다. StyleMapGAN은 은닉표현자에 공간차원을 부여하고 상응하는 공간별 변조연산(modulation)을 사용하는 생성기를 가지며, 은닉표현자의 공간차원 덕분에 가능해진 정확한 사영을 제공하는 인코더를 학습하여 실시간 실제이미지 편집을 제공한다.

Bio :
-  2018 연세대학교 컴퓨터과학과 박사
- 2018. 08. - 2020. 08. NAVER CLOVA AI Research, Researcher
- 2020. 09 – 현재 연세대학교 응용정보공학전공 / 인공지능학과 조교수

End-to-End Learning for Visual Recognition of Low-Resolution Images
Email: sbyoo@jnu.ac.kr  

Most of the researches related to visual recognition have focused on strengthening its neural networks to increase recognition accuracy. In this talk, we propose an integrated framework that supports accurate magnification to improve visual recognition performance. To this end, a huge dataset including images and labels of objects of interest is built on our own, and two networks of super-resolution and object recognition are trained simultaneously using the combined loss function. In addition, geometrically consistency prior and ensemble prior can be applied as extensions of the objective function. Finally, the effect of the end-to-end learning performance is verified via the experiment.

Bio :
- 2020.03~현재 전남대학교 공과대학 소프트웨어공학과 조교수
- 2017.10~2020.02 한국전자통신연구원 지능화융합연구소 선임연구원
- 2015.09~2017.09 삼성전자 영상디스플레이사업부 책임연구원 
- 2015.08 KAIST 전기 및 전자공학과 박사
- 2011.02 KAIST 전기 및 전자공학과 석사
- 2009.02 연세대학교 전기전자공학 학사

Deep learning color constancy 및 focus pixel을 이용한 HDR imaging
Email: innosm@koreatech.ac.kr  

본 강연에서는 deep learning 기법을 이용한 color constancy 연구 중 dichromatic modeling을 사용하여 광원 추정 성능을 높이는 동시에 광원 추정 성능에 사용한 영역 및 컬러를 간접적으로 예측하는 기법을 소개한다. 또한, 모바일 카메라에서 자동 초점이나 depth 추정 시 사용되는 focus pixel을 이용하여 HDR imaging을 시도하는 연구를 소개한다.

Bio :
-  LG전자 MC사업본부 카메라 선행기술팀(2008~2020.8)
- 고려대학교 전기전자공학과 박사 졸업(2020.2)
- 한국기술교육대학교 전기전자공학과 조교수(2020.9~)