연세소식

[사진. (왼쪽부터) 인공지능융합대학 디지털애널리틱스융합협동과정 박유랑 교수, 박준영·서준영·강민지 석사과정생]

 

인공지능융합대학 디지털애널리틱스융합협동과정 박유랑 교수(의과대학 의생명시스템정보학교실) 연구팀의 논문이 세계 최고 권위의 컴퓨터 비전 및 인공지능 학술대회인 ‘CVPR 2026(IEEE/CVF Conference on Computer Vision and Pattern Recognition)’에 최종 채택됐다.

 

CVPR은 전기전자기술자협회(IEEE)와 국제컴퓨터비전재단(CVF)이 공동 주최하는 세계 최고 수준의 컴퓨터 비전 학술대회로, 구글 스칼라(Google Scholar) 기준 전 분야 h-인덱스 2위를 기록하고 있는 영향력 높은 국제 학술대회다. 올해는 총 1만 6,092편의 논문이 제출됐으며, 이 가운데 4,090편만 채택돼 25.42%의 채택률을 기록했다. 연구팀은 오는 6월 미국 콜로라도주 덴버에서 열리는 학회에서 연구 성과를 발표할 예정이다.

 

이번에 채택된 논문은 ‘MoECLIP: Patch-Specialized Experts for Zero-shot Anomaly Detection’으로, 제조·의료 분야에서 활용도가 높아지고 있는 ‘제로샷 이상 탐지(Zero-Shot Anomaly Detection, ZSAD)’ 기술의 한계를 개선한 새로운 인공지능 모델 ‘MoECLIP’을 제안했다.

 

제로샷 이상 탐지는 AI가 학습 과정에서 접하지 못한 새로운 유형의 불량이나 이상 패턴도 별도 재학습 없이 탐지하는 기술이다. 최근에는 대규모 비전-언어 모델인 CLIP의 일반화 성능을 활용한 연구가 활발히 진행되고 있지만, 기존 방식은 이미지 내 모든 영역을 동일한 방식으로 처리해 물체·배경·이상 부위 등 서로 다른 특성을 충분히 반영하지 못한다는 한계가 있었다.

[그림. MoECLIP 모델 구조도]

 

연구팀은 이를 해결하기 위해 혼합 전문가(Mixture-of-Experts, MoE) 구조를 기반으로 이미지의 각 영역 특성에 따라 서로 다른 전문가 모듈이 동적으로 작동하는 MoECLIP 모델을 개발했다. 특히 이미지 내 패치별 특성을 세밀하게 반영할 수 있도록 경량 적응 모듈(LoRA)을 활용했으며, 전문가 모델 간 기능 중복을 줄이기 위한 구조도 함께 도입했다.

 

연구팀은 산업·의료 분야 14개 벤치마크 데이터셋을 활용해 성능을 검증했다. 그 결과 MoECLIP은 이미지 분류와 픽셀 단위 분할 모두에서 기존 최고 성능(SOTA)을 뛰어넘는 결과를 기록했다. 특히 산업 데이터만으로 학습한 모델이 뇌 MRI, 간 CT, 대장 내시경 등 의료 영상에서도 안정적인 성능을 보였다는 점에서 주목받았다.

 

박유랑 교수는 “이번 연구는 CLIP의 일반화 성능을 유지하면서도 이미지 영역별 특성을 개별적으로 처리해 이상 탐지의 정확도와 효율성을 동시에 높인 연구”라며 “향후 반도체·디스플레이 불량 검사 자동화와 병리·의료 영상 분석 등 다양한 분야에서 활용될 수 있을 것으로 기대한다”고 말했다.

 

한편, 연세대 디지털애널리틱스융합협동과정은 인문·사회·이공학·의학 분야를 아우르는 융합형 데이터사이언스 인재 양성을 목표로 운영되고 있으며, 이번 연구는 산업통상자원부 ‘디지털헬스산업 전문인력양성 사업’의 지원을 받아 수행됐다.