최준석 연구실
컴퓨터공학 최준석
최준석 연구실은 컴퓨터 비전, 딥러닝, 멀티모달 인공지능 등 첨단 인공지능 기술을 선도적으로 연구하는 연구실입니다. 본 연구실은 지속가능한 머신러닝, 머신 언러닝, 최소 지도 및 약지도 기반 인공지능, 신뢰할 수 있고 강건한 AI 등 다양한 핵심 분야에서 세계적인 연구 성과를 내고 있습니다. 특히, 효율적인 연속 학습과 데이터 삭제 기술을 통해 개인정보 보호와 AI의 유연한 적응성을 동시에 달성하는 방법론을 개발하고 있습니다.
연구실은 준지도 및 약지도 학습, 멀티모달 대형 언어모델, 비전-언어 모델 등 다양한 데이터 소스를 활용한 인공지능 모델의 일반화와 확장성에 주목하고 있습니다. 이를 통해 데이터 주석 비용을 절감하면서도 실제 환경에서 활용 가능한 강건한 AI 시스템을 구축하고 있습니다. 또한, 의미적 분할, 객체 검출, 영상 이해 등 컴퓨터 비전의 다양한 응용 분야에서 실질적인 성과를 거두고 있습니다.
신뢰성과 투명성, 프라이버시 보호를 위한 연구도 활발히 이루어지고 있습니다. 모델의 해석 가능성, 설명 가능성, 환각 완화, 윤리적 AI, 공정성 등 사회적 요구에 부응하는 기술 개발을 통해 안전하고 책임 있는 AI 생태계 조성에 기여하고 있습니다. 데이터 편향, 불균형, 사용자 프라이버시 등 실제 사회적 문제를 기술적으로 해결하는 데 앞장서고 있습니다.
본 연구실은 국내외 유수 학회 및 저널에 다수의 논문을 발표하며, 산업계와의 협력을 통해 연구 성과의 실질적 확산에도 힘쓰고 있습니다. 다양한 정부 및 산업 프로젝트를 수행하며, 차세대 인공지능 인재 양성과 기술 혁신에 앞장서고 있습니다. 연구실 구성원들은 컴퓨터 비전, 자연어 처리, 데이터 마이닝 등 다양한 분야에서 활발히 연구를 진행하고 있으며, 글로벌 연구 네트워크와의 교류도 활발히 이루어지고 있습니다.
최준석 연구실은 앞으로도 인공지능의 이론적 발전과 실용적 응용을 동시에 추구하며, 사회적 가치와 기술 혁신을 선도하는 연구실로 자리매김할 것입니다.
Vision Transformers
Weakly Supervised Learning
Semantic Segmentation
지속가능한 머신러닝 및 머신 언러닝
지속가능한 머신러닝은 인공지능 시스템이 시간의 흐름에 따라 효율성과 적응성을 유지할 수 있도록 하는 연구 분야입니다. 본 연구실에서는 효율적인 연속 학습(continual learning) 기법을 개발하여, 모델이 새로운 정보를 습득하면서도 기존에 학습한 지식을 잃지 않도록 하는 방법론을 중점적으로 다루고 있습니다. 이를 통해 실제 환경에서 변화하는 데이터와 요구에 유연하게 대응할 수 있는 인공지능 시스템을 구현하고자 합니다.
또한, 머신 언러닝(machine unlearning)은 이미 학습된 모델에서 특정 데이터나 지식을 선택적으로 제거하는 기술로, 개인정보 보호와 저작권 문제, 데이터 편향 해소 등 다양한 사회적 요구에 대응할 수 있는 핵심 기술입니다. 본 연구실은 전체 모델을 재학습하지 않고도 특정 데이터의 영향만을 효과적으로 제거할 수 있는 알고리즘을 개발하고 있습니다. 이를 통해 사용자 프라이버시 보호와 신뢰성 있는 AI 시스템 구축에 기여하고 있습니다.
지속가능한 머신러닝과 머신 언러닝의 융합 연구는 AI의 신뢰성, 확장성, 그리고 사회적 책임을 동시에 달성하는 데 중요한 역할을 합니다. 본 연구실은 이러한 기술적 도전과제를 해결함으로써, 미래형 인공지능의 지속가능성과 윤리적 가치를 실현하는 데 앞장서고 있습니다.
최소 지도 및 약지도 기반 인공지능
최소 지도(minimal-supervision) 및 약지도(weakly-supervised) 기반 인공지능은 대규모의 수작업 레이블 없이도 높은 성능을 달성할 수 있는 AI 모델 개발을 목표로 합니다. 본 연구실은 준지도(semi-supervised) 및 약지도 학습 기법을 활용하여, 제한된 라벨 데이터와 방대한 비라벨 데이터로부터 효과적으로 지식을 추출하는 방법을 연구하고 있습니다. 이를 통해 데이터 수집 및 주석 비용을 획기적으로 절감하면서도, 다양한 실제 문제에 적용 가능한 강건한 모델을 개발하고 있습니다.
특히, 멀티모달 대형 언어모델(multimodal large language models)과 비전-언어 모델(vision-language models) 등 다양한 데이터 소스를 통합적으로 활용하는 연구를 수행하고 있습니다. 이러한 모델들은 이미지, 텍스트, 비디오 등 이질적인 정보로부터 의미 있는 패턴을 학습하여, 복잡한 인지 및 추론 과제를 해결할 수 있습니다. 본 연구실은 이러한 멀티모달 AI의 일반화 성능을 높이고, 최소한의 감독으로도 신뢰할 수 있는 결과를 도출하는 데 주력하고 있습니다.
이와 더불어, 약지도 기반 의미 분할, 객체 검출, 영상 이해 등 다양한 컴퓨터 비전 및 자연어 처리 응용 분야에서 실제로 활용 가능한 알고리즘을 개발하고 있습니다. 이러한 연구는 AI의 실용성과 확장성을 높이는 데 중요한 역할을 하며, 산업 및 사회 전반에 걸쳐 혁신적인 변화를 이끌고 있습니다.
신뢰할 수 있고 강건한 인공지능
신뢰할 수 있고 강건한 인공지능(Trustworthy and Robust AI)은 AI 시스템이 예측의 정확성, 투명성, 그리고 프라이버시 보호를 동시에 달성할 수 있도록 하는 연구 분야입니다. 본 연구실은 모델의 해석 가능성(interpretability)과 설명 가능성(explainability)을 높이기 위한 다양한 기법을 개발하고 있습니다. 이를 통해 AI의 의사결정 과정을 사용자와 이해관계자에게 명확하게 설명할 수 있으며, 실제 응용에서의 신뢰도를 높이고 있습니다.
또한, 멀티모달 대형 언어모델에서 발생할 수 있는 환각(hallucination) 문제를 완화하기 위한 연구도 활발히 진행 중입니다. 환각 완화(hallucination mitigation) 기술은 모델이 실제와 다른 잘못된 정보를 생성하는 현상을 줄이고, 보다 정확하고 신뢰성 있는 결과를 제공하는 데 필수적입니다. 본 연구실은 이러한 문제를 해결하기 위해 데이터 품질 관리, 모델 구조 개선, 학습 과정에서의 정규화 등 다양한 접근법을 시도하고 있습니다.
더불어, AI 윤리(Ethical AI)와 공정성(fairness), 책임성(responsibility) 등 사회적 가치 실현을 위한 연구도 병행하고 있습니다. 데이터 편향, 불균형, 사용자 프라이버시 보호 등 실제 사회에서 발생하는 다양한 이슈를 기술적으로 해결함으로써, 안전하고 신뢰할 수 있는 AI 생태계 구축에 기여하고 있습니다.
1
Small Object Matters in Weakly Supervised Object Localization
Dongjun Hwang, Seong Joon Oh, Junsuk Choe
Neurocomputing, 2025
2
VHOIP: Video-based Human-Object Interaction recognition with CLIP Prior knowledge
Doyeol Baek, Junsuk Choe
Pattern Recognition Letters, 2025
3
Fog-Free Training for Foggy Scene Understanding
Minyoung Lee, Kyungwoo Song, Junsuk Choe
Pattern Recognition Letters, 2025
1
Global Humanities and Social Convergence Research Program
2
Outstanding Young Scientist Grant
3
NRF Fellowship for PhD students
