네이버가 세계적인 ‘컴퓨터 비전 및 딥러닝 컨퍼런스’ CVPR2018에 참석하여 AI 기술 공유 및 인재 영입에 나선다.

CVPR(IEEE Conference on Computer Vision and Pattern Recognition)은 세계 최대 기술 전문 단체인 IEEE와 CVF가 1983년부터 공동 주최하는 컨퍼런스로, 세계적인 연구기관들이 참석해 매년 새로운 컴퓨터 비전, 딥러닝 등 인공지능 기술 연구에 대해 공유하는 장이다.

올해 CVPR2018은 6월 18일부터 22일까지(현지 시간) 미국 솔트레이크시티에 위치한 Salt Palace 컨벤션 센터에서 개최된다.

■ 작년에 이어 올해도 논문 5 편 채택, 국내 산학기관 중 유일하게 ‘Oral 세션’에서 논문 발표하는 성과 얻어

이번 CVPR에는 총 3,359편의 논문이 제출되었으며, 그 중 979편이 채택, 구두(Oral) 발표는 약 2%(70편)에게만 주어진다. 이에 따라, CVPR에서 구두발표의 기회를 얻는 것은 세계 최고 수준의 기술력을 갖고 있음을 공식적으로 인정받는 셈이다.

네이버는 작년에 이어 올해 CVPR에서도 총 5편의 논문이 채택되었다.

* Clova AI Research 팀에서 제출한 논문 3편과, NAVER LABS Europe 에서 연구한 논문 2편

특히, 다섯 편의 논문 중 Clova AI Research 인턴쉽 프로그램을 통해 연구한 ‘StarGAN’에 대한 논문’ Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation(최윤제, 하정우, Sung Kim, 주재걸 등)은 한국 소속의 산학 기관으로는 유일하게 CVPR 상위 2% 이내에 선정, ‘Oral 세션’에서 발표되는 성과를 얻었다.

StarGAN은 딥러닝 기반의 이미지 변환 기술로, 하나의 이미지를 학습해 이미지 속 사람의 머리 색, 성별, 표정 등 여러 조건을 동시에 변경시킬 수 있으며, 여러 조건의 변화가 한 번에 연결되는 모양이 별과 같아 StarGAN이라는 명칭을 받았다.

지난해 여름 네이버 Clova AI Research에서 인턴으로 재직했던 최윤제님이 StarGAN 에 대한 모델링 설계와 구현, 실험을 포함한 대부분의 연구를 주도적으로 진행하였고, Clova 소속 개발자들이 함께 연구 방향성에 대한 논의와 결과분석, 논문작성 등 멘토링을 지원했다.

■ 네이버-라인, 플래티넘 스폰서 등급으로 참여…네이버의 AI 기술 연구 개발에 함께할 인재 영입에도 적극 나서

네이버는 이번 CVPR2018에서도 라인과 함께 '플래티넘 스폰서'로 참여한다고 밝혔다. 

이번 스폰서쉽을 통해 네이버는 세계적 기술 기업 및 학계와의 활발한 교류를 이어나가고, AI 생태계 활성화에도 적극적으로 기여할 예정이다.

이와 함께 네이버는 AI 분야 핵심 인재 영입을 위해 컨퍼런스 기간 동안 참가자를 대상으로 기업 기술을 소개하는 'CVPR Industry EXPO' 프로그램에 참여한다. 

네이버는 AI 기술 연구 개발에 함께 하고자 하는 이들을 위한 채용 부스를 운영하는 등 뛰어난 AI 인재 영입에 적극적으로 나설 계획이다. (이상)​​

[참고] CVPR2018에서 발표되는 네이버 논문 다섯 편 목록

1. StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation (최윤제, 하정우, 김성훈, 주재걸 등)

http://openaccess.thecvf.com/content_cvpr_2018/html/Choi_StarGAN_Unified_Generative_CVPR_2018_paper.html

- 머리색, 성별, 나이, 감정 등 여러개의 특징을 한꺼번에 변화시킬 수 있는 새로운 이미지변환 GAN모델

​2. Dynamic Graph Generation Network: Generating Relational Knowledge From Diagrams (유영준 + 네이버 D2SF에서 투자한 V.DO)

http://openaccess.thecvf.com/content_cvpr_2018/html/Kim_Dynamic_Graph_Generation_CVPR_2018_paper.html

- 그래프나 다이어그램의 연결관계 정보를 해석해 주는 새로운 RNN 기반 모델.

​3. Context-Aware Deep Feature Compression for High-Speed Visual Tracking (윤상두)

http://openaccess.thecvf.com/content_cvpr_2018/html/Choi_Context-Aware_Deep_Feature_CVPR_2018_paper.html

- 초고속 사물 움직임 트래킹을 위한 상황기반 딥러닝 특징 압축 기술

​4. Self-Supervised Learning of Geometrically Stable Features Through Probabilistic Introspection:

​http://openaccess.thecvf.com/content_cvpr_2018/html/Novotny_Self-Supervised_Learning_of_CVPR_2018_paper.html

저자: David Novotny(NAVER LABS Europe + Univ of Oxford), Samuel Albanie(Univ of Oxford), Diane Larlus (NAVER LABS Europe), Andrea Vedaldi (Univ of Oxford)

- 사물의 위치 변경에 안정적인 특징 학습을 위한 자가 학습 딥러닝 모델

​5. PoTion: Pose MoTion Representation for Action Recognition: 

http://openaccess.thecvf.com/content_cvpr_2018/html/Choutas_PoTion_Pose_MoTion_CVPR_2018_paper.html

저자: Vasileios Choutas (NAVER LABS Europe + INRIA), Philippe Weinzaepfel(NAVER LABS Europe​), Jer´ ome Revaud(NAVER LABS Europe), Cordelia Schmid(INRIA)

- 행동 인식 성능 향상을 위한 새로운 딥러닝 기반의 포즈 모션 표현 기법

임영규 기자
저작권자 © 데일리그리드 무단전재 및 재배포 금지