LGÀüÀÚ°¡ ¼¼°è ÃÖ°í ±ÇÀ§ÀÇ ÀΰøÁö´É(AI) Çмú´ëȸ 'Ç¥Çö ÇнÀ ±¹Á¦ÇÐȸ(ICLR¡¤International Conference on Learning Representations) 2024'¿¡¼ ¹ßÇ¥ÇÑ ³í¹®ÀÌ Àüü »óÀ§ 1%¿¡ ¿À¸£¸ç ±â¼ú ¸®´õ½ÊÀ» ÀÔÁõÇß´Ù.
ICLRÀº ±¸±Û ½ºÄ®¶ó(Google Scholar)°¡ ¹ßÇ¥ÇÏ´Â ¿£Áö´Ï¾î&ÄÄÇ»ÅÍ °úÇÐ ºÎ¹®ÀÇ '±Û·Î¹ú 3´ë AI Çмú´ëȸ'´Ù. ÀÌ ´ëȸ´Â ¿ì¼öÇÑ ³í¹®µéÀ» ¸Å³â ¼±Á¤µÅ ¿Ô´Ù. ICLRÀÇ ³í¹® äÅ÷üÀº ¾à 25%¿¡ ºÒ°úÇÒ ¸¸Å °æÀï·üÀÌ ³ô´Ù. ¿ÃÇØ´Â ÇöÁö½Ã°£À¸·Î Áö³ 7~1ÀÏ ¿À½ºÆ®¸®¾Æ ºó Àü½Ã ¹× ȸÀǼ¾ÅÍ¿¡¼ ¿·È´Ù.
LGÀüÀÚ´Â À̹ø Çмú´ëȸ¿¡¼ '°ø°£ ÀνķüÀ» ³ôÀÎ AI ±â¼ú(DiffMatch: Diffusion Model for Dense Matching)'À» °ø°³Çß´Ù. ÀÌ ¿¬±¸ ³í¹®À¸·Î ±¸µÎ ¹ßÇ¥(Oral Session) ´ë»óÀÚ·Î ¼±Á¤µÇ±âµµ Çß´Ù. ±¸µÎ ¹ßÇ¥´Â Çмú´ëȸ¿¡ Á¦ÃâµÈ ³í¹® Áß 1% À̳»¿¡ ÇØ´çÇÏ´Â ÃÖ»óÀ§ Æò°¡¸¦ ¹ÞÀº ¿¬±¸¿¡ ´ëÇؼ¸¸ ÀÌ·ïÁø´Ù.
ÇÔ²² °ø°³ÇÑ ¸ÞŸ¹ö½ºÀÇ ÇÙ½É ±â¼úÀÎ 2D À̹ÌÁö ±â¹Ý 3D °ø°£ ÀçÇö ±â¼ú(H2O-SDF Two-Phase Learning for 3D Indoor Reconstruction using Object Surface Fields)'µµ ICLR 2024¿¡¼ »óÀ§ 5% À̳» ³í¹®À¸·Î ¼±Á¤µÇ¸é¼, Çмú´ëȸ¿¡ Âü¿©ÇÑ ±¹³» ±â¾÷ °¡¿îµ¥ ¿¬±¸ °á°ú°¡ ¸ðµÎ ÃÖ»óÀ§ ³í¹®À¸·Î µîÀçµÇ´Â ¼º°ú¸¦ ³Â´Ù.
±èº´ÈÆ LGÀüÀÚ ÃÖ°í±â¼úÃ¥ÀÓÀÚ(CTO) ºÎ»çÀåÀº "¼¼°èÀûÀ¸·Î ÀÎÁ¤ ¹ÞÀº LGÀüÀÚÀÇ AI ±â¼ú ¿ª·®À» Á¦Ç°°ú ¼ºñ½º¿¡ Àû¿ëÇØ ½Ç»ýÈ°ºÎÅÍ ¹Ì·¡ °¡»ó °ø°£¿¡ À̸£±â±îÁö ´Ù¾çÇÑ ¿µ¿ª¿¡¼ °í°´ÀÇ »îÀ» ´õ¿í Æí¸®ÇÏ°í Áñ°Ì°Ô ¸¸µé¾î ³ª°¥ °Í"À̶ó°í ¸»Çß´Ù.
ÇÑÆí, LGÀüÀÚ´Â Çмú´ëȸ ±â°£ Áß ±Û·Î¹ú AI ¿ì¼ö ÀÎÀç È®º¸¿¡µµ ³ª¼±´Ù. Çмú´ëȸ Âü°¡ ¼®¡¤¹Ú»ç ÇлýµéÀ» ´ë»óÀ¸·Î LGÀüÀÚÀÇ ÃֽŠAI ±â¼ú ÇöȲ °øÀ¯ ¹× ä¿ë »ó´ã µîÀ» ÁøÇàÇÑ´Ù. Áö³ÇØ¿¡µµ ±Û·Î¹ú AI Çмú´ëȸ¿¡¼ ä¿ë È°µ¿À» ÅëÇØ ¿ª·® ÀÖ´Â AI ¿¬±¸ÀÚµéÀ» ¿µÀÔÇÑ ¹Ù ÀÖ´Ù.
±èÇü¹Î ±âÀÚ khm193@asiae.co.kr <¨ÏÅõÀÚ°¡¸¦ À§ÇÑ °æÁ¦ÄÜÅÙÃ÷ Ç÷§Æû, ¾Æ½Ã¾Æ°æÁ¦ ¹«´ÜÀüÀç ¹èÆ÷±ÝÁö> |