-
-
65
- 작성자컴퓨터공학과
- 작성일2025.07.07
- 조회수247
-
우리 학과 소속 대학원생(이강희 박사과정·이두희 박사과정)과 졸업생(김희철 동문, 이재원 동문)으로 구성된 ‘ZV’팀(컴퓨터비전/의료영상처리 연구실, 지도교수 김윤)이 컴퓨터 과학 분야 최대 학술대회인 ‘국제 컴퓨터 비전학회(ICCV, International Conference on Computer Vision) 2025’에서 개최되는 ‘AI City Challenge 2025’의 Track 1 (Multi-Camera 3D Perception) 부문에서 1위를 수상하였다. AI City Challenge 챌린지는 2018년을 시작으로 올해 9회차로 개최되며, 컴퓨터 비전 및 인공지능 기술의 실제 환경 적용의 한계를 확장한다는 목적성을 갖고 있다. 이번 제9회 챌린지 Track 1인 ‘Multi-Camera 3D Perception’ 부문은 다수의 카메라 영상을 통해 사람, 자율 이동 로봇, 휴머노이드, 지게차 등 다양한 객체를 3D 공간에서 인식, 추적하는 고난이도 과제로, 디지털 트윈 기반의 NVIDIA Omniverse를 통해 구축된 대규모 합성 데이터셋을 통해 여러 제약 조건하에서 성능을 평가 받았다. 컴퓨터비전/의료영상처리 연구실측은 "다중 카메라 기반의 3D 객체 인식 및 추적 기술은 향후 로봇, 인간, 장비 간의 상호작용을 실시간으로 정밀하게 분석하고 예측함으로써 제조, 물류, 교통, 스마트시티, 의료 및 보안 등 다양한 분야의 지능화된 자동화 생태계를 구축하는 차세대 산업혁명의 기반 기술로 활용될 수 있을 것으로 기대되는 만큼, 후속 연구에 정진하겠다"고 밝혔다. 한편 ICCV는 컴퓨터비전 및 패턴인식학회(CVPR), 유럽컴퓨터비전학회(ECCV)와 함께 컴퓨터 비전 분야를 대표하는 3대 국제학술대회 중 하나로 AI 분야의 권위 있는 학회로 꼽히며, 올해는 10월 19일부터 23일까지 미국 하와이에서 개최된다.
-
63
- 작성자컴퓨터공학과
- 작성일2025.07.03
- 조회수154
-
-
61
- 작성자컴퓨터공학과
- 작성일2025.07.03
- 조회수229
-
강원대학교 컴퓨터공학과 『의생명데이터과학 연구실』의 허룡 박사과정생 (지도교수 박치현)은 국제 저널 Computers in Biology and Medicine에 "KNU-DTI: KNowledge United Drug-Target Interaction prediction" 제목의 논문을 게재하였다. Computers in Biology and Medicine는 SCI(E) 저널로서 다양한 생물학과 약리학적 연구 주제를 아우르는 컴퓨팅 기술을 다루는 주요 저널 중 하나이다. (JCR impact factor 기준으로 관련 분야에서 상위 2.3%내로 랭크되어 있다.) 본 연구는 약물-표적 단백질 상호작용(DTI)을 보다 정확하게 예측하기 위해, 복잡한 알고리즘보다 효과적인 서열 기반의 정보에 대한 표현학습의 중요성을 강조합니다. 이를 위해 제안된 KNU-DTI 모델은 단백질과 화합물로부터 총 5개의 잠재 벡터를 다양한 신경망(MLP, Gated-CNN, Directed-Message Passing Neural Network, Transformer 등)을 통해 추출하고, 이들을 통합하여 예측에 활용합니다. 단백질은 Gated-CNN을 거친 Structural Property Sequence(SPS) 서열과 그래프 구조 데이터 학습 모듈인 D-MPNN을 통해서, 화합물은 Extended-Connectivity FingerPrints(ECFP)를 MLP에 입력하여 구조 정보를 학습 및 반영하며 Transformer 기반의 학습 모듈로 단백질과 화합물 서열의 문맥 정보를 추가로 학습합니다. 얻어진 다섯 가지의 잠재 벡터들은 잠재 벡터 간 직교성(Orthogonality)을 고려해 직관적인 단순 벡터 덧셈을 통해 손실 없이 모든 정보를 결합합니다. BindingDB, Davis, Protein Data Bank(PDB), DUD-E 등 여러 데이터 세트를 활용한 실험에서 KNU-DTI는 기존 최신 모델들보다 우수한 성능을 나타냈으며, 특히 일반화 성능 부분에서 외부 도메인 및 단백질 클래스별 테스트 수행 결과 높은 일반화 성능을 확인하였고, 일부 사례에서는 기존 도킹 시뮬레이션보다 더 나은 결과를 보이기도 했습니다. 이러한 결과는 KNU-DTI가 실제 신약개발에 적용 가능한 실용적인 예측 플랫폼이 될 수 있음을 시사합니다. 논문링크 : https://doi.org/10.1016/j.compbiomed.2025.109927
-
59
- 작성자컴퓨터공학과
- 작성일2025.05.15
- 조회수266
-
-
57
- 작성자컴퓨터공학과
- 작성일2025.05.14
- 조회수307
-
-
55
- 작성자컴퓨터공학과
- 작성일2025.05.12
- 조회수325
-
강원대학교 컴퓨터공학과 『지능형컴퓨터네트워크 연구실』의 이준석 석사과정생 (지도교수 김도형)은 국제학술지 IEEE Transactions on Network Science and Engineering에 "Heartbeat: Effective Access to Off-Path Cached Content in NDN"제목의 논문을 게재하였다. IEEE Transactions on Network Science and Engineering은 SCI(E) 저널로서 network system 분야에서의 이론, 모델링, 응용을 다루는 주요저널 중 하나이다. (JCR impact factor 기준으로 관련분야에서 상위 4.2%내로 랭크되어 있다.) 정보 중심 네트워킹(ICN)에서는 콘텐츠가 네트워크 캐시에 저장되어 이후 요청 시 해당 노드에서 직접 서비스될 수 있으며, 이는 지연 시간 단축과 네트워크 자원 효율성 측면에서 큰 이점을 제공한다. 하지만 이러한 이점은 요청 메시지가 얼마나 효율적으로 캐시 노드에 도달하느냐에 크게 좌우된다. 기존 접근 방식으로는 요청 메시지를 복제하여 네트워크 전반으로 확산시키거나, 캐시 정보를 주기적으로 교환하여 요청 경로를 안내하는 방법이 제안되었지만, 전자는 중복 전송에 따른 대역폭 낭비 문제를, 후자는 교환 주기에 따른 정보 불일치와 높은 오버헤드를 야기할 수 있다. 이러한 문제를 해결하기 위해, 제안된 Heartbeat 기법은 주변 노드 간 캐시된 콘텐츠 정보를 (카탈로그 형태로 주기적으로 교환하는 대신) 콘텐츠가 캐시에 삽입되거나 재배치될 때마다 (콘텐츠별로) 교환하는 방식을 채택한다. 특히 콘텐츠별 예상 수명을 함께 전달함으로써, 유효기간이 지난 정보로 인해 발생하는 접근 실패 문제를 효과적으로 해소하였다. 또한 오버헤드 최소화를 위해 정보 전달 범위 제한, 콘텐츠 우선순위 기반 전달 등 다양한 최적화 전략을 함께 도입하였다. ndnSIM을 이용한 시뮬레이션 결과, Heartbeat는 기존 방식에 비해 캐시 히트율을 45% 향상시키고, 평균 서비스 지연 시간과 대역폭 소비를 각각 최대 11%, 47%까지 감소시키는 성능 향상을 보였다. 논문링크: https://ieeexplore.ieee.org/document/10944575
-
53
- 작성자컴퓨터공학과
- 작성일2025.05.02
- 조회수364
-
-
51
- 작성자컴퓨터공학과
- 작성일2025.04.25
- 조회수475
-
컴퓨터공학과 『프로그래밍 언어 및 기계학습 연구실(지도교수 임현승)』에서 수행한 연구의 결과가 소프트웨어 공학 분야의 우수국제학술대회인 ICST 2025 (IEEE International Conference on Software Testing, Verification and Validation)에 채택되어 발표되었습니다. 논문 제목: Impact of Large Language Models of Code on Fault Localization 저자: Suhwan Ji, Sanghwa Lee, Changsup Lee, Yo-Sub Han, Hyeonseung Im 학술대회: ICST 2025, 2025년 3월 31일 ~ 4월 4일 본 논문은 임현승 교수가 연대-성대-서울시립대와 공동으로 수행 중인 기초연구실 후속연구과제인 휴먼-AI 협업 프로그래밍 플랫폼 기술 연구실의 연구 수행 결과이며, 코드 전용 대형 언어 모델(Code LLM)이 소프트웨어 오류 위치 추적(Fault Localization)에 미치는 영향을 체계적으로 분석한 연구로, 다양한 모델 비교 및 정량적 실험을 통해 LLM이 오류 진단 정확도에 미치는 실질적인 효과를 검증하였습니다. 본 연구의 결과는 오류 자동 수정, 코드 리뷰 자동화 등 향후 AI 기반 소프트웨어 개발 도구의 정밀도와 효율성을 높이는 데 기여할 수 있을 것으로 기대되며, LLM의 실제 소프트웨어 공학 적용 가능성을 구체적으로 제시한 점에서 높은 평가를 받았습니다. 프로그래밍 언어 및 기계학습 연구실은 앞으로도 AI 기반 소프트웨어 개발 기술의 고도화를 위한 연구를 지속해 나갈 예정입니다. 많은 관심과 응원 부탁드립니다! <지수환 박사 ICST 2025 논문 발표 모습>
-
49
- 작성자컴퓨터공학과
- 작성일2025.04.24
- 조회수365
-
-
47
- 작성자컴퓨터공학과
- 작성일2025.02.05
- 조회수502