발전기금
-
- 류은석교수, 2023년도 「올해의 성균인상」 수상
- 인공지능융합학과의 류은석교수가 2023 올해의 성균인상을 수상하였습니다. 「올해의 성균인상」은 수기치인(修己治人)의 건학이념을 바탕으로 인의예지(仁義禮智)의 교시를 실천하여 교육, 행정, 학생활동 및 사회봉사 등 각 영역에서 학교발전에 기여한 공적이 현저한 개인 및 단체를 포상하고, 남다른 애교심을 바탕으로 학교,국가,인류, 사회의 발전에 기여하여 타의 귀감이 되고 본교의 명예를 드높은 성균가족을 선정하여 모든 성균인의 표상으로 삼는 우리대학 최고 권위의 상입니다.
-
- 작성일 2023-12-18
- 조회수 2722
-
- 송하연 교수, NCA 2023 Distinguished Article Award 수상
- 미국 커뮤니케이션학에서 대표적인 학회인 National Communication Association에서 주최하는 연례학회의 교육개발부(Instructional Development Division)에서 우리 학과 송하연 교수가 2023년 저명논문상 (2023 Distinguished Article Award)을 수상하였다. 이 학회는 올해로 109회를 맞은 역사가 깊은 학회이며 올해는 미국 메릴랜드에서 열렸다. 매년 가장 훌륭한 논문 1개를 선정하는데 올해 송하연 교수가 제1저자로서 김지현 교수 (University of Central Florida), Wen Luo 교수 (Texas A&M)와 공저한 "Teacher-Student Relationship in Online Classes: A Role of Teacher Self-Disclosure," 논문이 수상하게 되었다. 본 논문은 Computers in Human Behavior에 실렸다.
-
- 작성일 2023-12-04
- 조회수 2913
-
- 이충헌 박사과정 학생 2023 대학원 학생성공스토리 공모전 최종 선발
- 인공지능융합학과 박사과정으로 재학중인 이충헌 박사과정 학생이 2023 대학원 학생성공스토리 공모전에서 최종선발되어 2023년 12월 18일 학생성공센터에서 수상식이 진행될 예정입니다. 이충헌 학생은 한국외대에서 스페인어, 중국외교통상학, 교육학 전공으로 졸업한 뒤 본교 전자전기컴퓨터에 입학하였고, HCI 연구성과를 바탕으로 전액장학생으로 인공지능융합학과에 입학하였습니다. 분야를 바꾸면서 고민했던 경험과, 해당 분야에서 성과를 내기 위해서 했던 노력들을 바탕으로 대학원 진학에 관심이 있거나 다양한 경험을 도전하고자 하는 학생들에게 '세상에 버릴 경험은 없다.' 라는 제목으로 메시지를 전하였습니다. 현재 송하연 교수님의 HAI랩에서 노인, 자율주행, 커뮤니케이션, 디지털 치료제 개발, 기업 효율성 분석 등 다양한 연구 주제로 활발하게 연구 중인 이충헌 학생은 앞으로 학생성공센터에서 진행하는 특강 및 수기집, 멘토링 등 학생성공 롤모델로 메시지를 전할 예정입니다.
-
- 작성일 2023-11-28
- 조회수 2247
-
-
- DSAIL.(지도교수: 한진영), EMNLP2023 논문 채택
- DSAIL.(지도교수: 한진영)의 이다은(인공지능융합학과), 손세정(인공지능융합학과), 전효림(인공지능융합학과) 학생들이 연구한 논문 “Learning Co-Speech Gesture for Multimodal Aphasia Type Detection” 이 세계 최고 권위 자연어처리 학회인 EMNLP 2023 (The 2023 Conference on Empirical Methods in Natural Language Processing), Main conference paper로 채택되었습니다. 논문은 23년 12월 싱가포르에서 발표될 예정입니다. 본 논문은 인공지능융합학과 박사과정 및 석사과정 학생들의 협업을 통한 결과물로서, 실어증 유형을 예측하기 위해 음성과 제스처 간의 상관관계를 반영하는 multimodal graph neural network를 제안하였습니다. 논문의 자세한 내용은 다음과 같습니다. [논문] Daeun Lee, Sejung Son, Hyolim Jeon, Seungbae Kim and Jinyoung Han, ““Learning Co-Speech Gesture for Multimodal Aphasia Type Detection,” The 2023 Conference on Empirical Methods in Natural Language Processing (EMNLP 2023), Dec. 2023. [Abstract]. Aphasia, a language disorder resulting from brain damage, requires accurate identification of specific aphasia types, such as Broca’s and Wernicke’s aphasia, for effective treatment. However, little attention has been paid to developing methods to detect different types of aphasia. Recognizing the importance of analyzing co-speech gestures for distinguish aphasia types, we propose a multimodal graph neural network for aphasia type detection using speech and corresponding gesture patterns. By learning the correlation between the speech and gesture modalities for each aphasia type, our model can generate textual representations sensitive to gesture information, leading to accurate aphasia type detection. Extensive experiments demonstrate the superiority of our approach over existing methods, achieving state-of-the-art results (F1 84.2%). We also show that gesture features outperform acoustic features, highlighting the significance of gesture expression in detecting aphasia types.
-
- 작성일 2023-11-02
- 조회수 1620
-
- 류은석 교수 이슈메이커 인터뷰, "현실보다 더 현실같은 VR"
- 2023년 8월 25일, 시사매거진 이슈메이커에 류은석 교수님이 지도하는 멀티미디어컴퓨팅시스템연구실 및 성균관대학교 실감미디어공학과 메타버스융합대학원 사업에 대한 기사가 실렸습니다. 멀티미디어컴퓨팅시스템연구실은 현실보다 더 현실같은 VR을 위해 국제공동연구를 진행중이며, 그 결과물로 제33회 과학기술우수논문상을 수상하였고, 기술개발 및 논문출판에 더불어 특허출원 및 등록까지 진행하고 있습니다. 이에 더불어 성균관대학교 내 실감미디어공학과를 신설, 과학기술정보통신부의 인재양성사업인 '메타버스 융합대학원' 사업에 선정되어 테크와 콘텐츠를 모두 아우르는 실감형 메타버스 기술을 선도하는 전문가 양성을 적극적으로 진행중입니다. 기사 원문
-
- 작성일 2023-08-31
- 조회수 1502
-
- 인공지능융합학과 안형진•박선영, 2023년도 한국연구재단 학술연구교수 선정
- 인공지능융합학과 안형진 학생(박사 1기, 지도교수 박은일), 박선영 학생(박사 1기, 지도교수 박은일)이 2023년도 한국연구재단 「학술연구교수(B유형)」 지원사업에 선정되었다. - 안형진 학생은 ‘지속가능한 친환경 모빌리티의 확산에 대한 사용자 경험과 수용 의사에 관한 연구’라는 연구 과제로 선정되었으며, 본교 인터랙션사이언스학과에서 ‘지속가능한 발전을 위한 지속가능 대중 교통의 사용자 수용 의도 : 혁신 확산 이론과 기술 수용 모델을 중심으로’의 주제로 석사학위를 취득했다. - 박선영 박사과정생은 '데이터마이닝과 심층 분석을 통한 COVID-19 전후 고령자 대상 헬스 리터러시 연구동향 분석'이라는 연구 과제로 선정됐다. 광운대 인공지능융합학과에서 ‘설명 가능한 인공지능 이미지 분류기가 사용자 경험에 미치는 영향’으로 석사학위를 취득했다. 이번 학술연구교수로 선정된 두 학생은 한국연구재단으로부터 향후 1년 간 2000만원의 지원금을 기반으로 안정적인 학술연구를 수행할 예정이다.
-
- 작성일 2023-08-18
- 조회수 2393
-
- DSAIL.(지도교수: 한진영), KDD2023 논문 채택
- DSAIL.(지도교수: 한진영)의 이다은(인공지능융합학과), 손세정(인공지능융합학과), 전효림(인공지능융합학과) 학생들이 연구한 논문 “Towards Suicide Prevention from Bipolar Disorder with Temporal Symptom-Aware Multitask Learning” 이 세계 최고 권위 데이터마이닝 학회인 KDD 2023 (The 29th ACM SIGKDD Conference on Knowledge Discovery and Data Mining), Applied Data Track Full papers에 채택되었습니다. 논문은 23년 8월 미국 캘리포니아 롱비치에서 발표했습니다. 본 논문은 인공지능융합학과 박사과정 및 석사과정 학생들의 협업을 통한 결과물로서 소셜 미디어 상에서 나타나는 조울증 환자들의 미래 자살 경향성을 예측하기 위해, 새로운 데이터셋과 Temporal Symptom-Aware Attention 기법을 적용한 Multitask Learning 모델을 제안하였습니다. 논문의 자세한 내용은 다음과 같습니다. [논문] Daeun Lee, Sejung Son, Hyolim Jeon, Seungbae Kim and Jinyoung Han, “Towards Suicide Prevention from Bipolar Disorder with Temporal Symptom-Aware Multitask Learning,” In Proceedings of the 29th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2023), Aug. 2023. [Abstract]. Bipolar disorder (BD) is closely associated with an increased risk of suicide. However, while the prior work has revealed valuable insight into understanding the behavior of BD patients on social media, little attention has been paid to developing a model that can predict the future suicidality of a BD patient. Therefore, this study proposes a multi-task learning model for predicting the future suicidality of BD patients by jointly learning current symptoms. We build a novel BD dataset clinically validated by psychiatrists, including 14 years of posts on bipolar-related subreddits written by 818 BD patients, along with the annotations of future suicidality and BD symptoms. We also suggest a temporal symptom-aware attention mechanism to determine which symptoms are the most influential for predicting future suicidality over time through a sequence of BD posts. Our experiments demonstrate that the proposed model outperforms the state-of-the-art models in both BD symptom identification and future suicidality prediction tasks. In addition, the proposed temporal symptom-aware attention provides interpretable attention weights, helping clinicians to apprehend BD patients more comprehensively and to provide timely intervention by tracking mental state progression.
-
- 작성일 2023-08-16
- 조회수 1878
-
- DSAIL Lab (지도교수: 한진영), CIKM Short paper 채택
- DSAIL Lab (지도교수: 한진영)의 정주호(인공지능융합학과), 강채원(인공지능융합학과), 윤지우(인공지능융합학과) 학생들이 연구한 논문 “SAFE: Sequential Attentive Face Embedding with Contrastive Learning for Deepfake Video Detection”이 세계 최고 권위 정보검색(Information Retrieval) 및 데이터마이닝 학회인 CIKM 2023 (32nd ACM International Conference on Information and Knowledge Management), Short papers에 채택되었습니다. 논문은 23년 10월 영국 버밍엄에서 발표될 예정입니다. 본 논문은 효과적인 딥페이크 비디오 탐지를 위해 딥페이크 비디오 영상 속에서 얼굴의 동적인 특징을 잡아낼 수 있는 SAFE (Sequential Attentive Face Embedding) 모델을 제안하였습니다. 이전의 연구들과 달리, 이 모델은 얼굴에서 나타나는 지역 정보(Local dynamics)와 전체 정보(global dynamics) 모두를 고려하여 비디오 영상의 진위여부를 파악하고, 나아가 contrastive learning을 통해 학습 과정을 최적화하였습니다. 논문의 자세한 내용은 다음과 같습니다. [논문] Juho Jung, Chaewon Kang, Jeewoo Yoon, Simon S. Woo, Jinyoung Han, “SAFE: Sequential Attentive Face Embedding with Contrastive Learning for Deepfake Video Detection,” In Proceedings of the 32nd ACM International Conference on Information and Knowledge Management (CIKM 2023), Oct. 2023. [Abstract]. The emergence of hyper-realistic deepfake videos has raised significant concerns regarding their potential misuse. However, prior research on deepfake detection has primarily focused on image based approaches, with little emphasis on video-based detection. With the advancement of generation techniques enabling intricate and dynamic manipulation of entire faces as well as specific facial components in a video sequence, capturing dynamic changes in both global and local facial features is crucial in detecting deepfake videos. This paper proposes a novel sequential attentive face embedding, SAFE, that can capture facial dynamics in a deepfake video. The proposed SAFE can effectively integrate global and local dynamics of facial features revealed in a video sequence using contrastive learning. Through a comprehensive comparison with the state-of-the-art methods on the DFDC (Deepfake Detection Challenge) dataset and the FaceForensic++ benchmark, we show that our model achieves the highest accuracy in detecting deepfake videos on both datasets.
-
- 작성일 2023-08-14
- 조회수 1570
-
- 김재광 교수 연구실, CIKM Short paper 채택
- main Lab.(지도교수: 김재광)의 고동근(인공지능융합학과), 이동준(전자전기컴퓨터공학과), 박남준(소프트웨어학과), 노경래(소프트웨어학과), 박현진(소프트웨어학과) 학생들이 연구한 논문 “AmpliBias: Mitigating Dataset Bias through Bias Amplification in Few-shot Learning for Generative Models” 이 세계 최고 권위 정보검색(Information Retrieval) 및 데이터마이닝 학회인 CIKM 2023 (32nd ACM International Conference on Information and Knowledge Management), Short papers에 채택되었습니다. 논문은 23년 10월 영국 버밍엄에서 발표될 예정입니다. 본 논문은 인공지능융합학과와 전자전기컴퓨터공학과 및 소프트웨어학과 석사과정 학생들과 소프트웨어학과 2학년 학부생의 협업을 통한 결과물로서 데이터셋에 존재하는 bias sample로 인한 인공지능 모델의 부정확함을 줄이기 위해 생성모델을 통한 Few shot learning을 하여 Debiased 모델학습 방법을 제안하였습니다. 논문의 자세한 내용은 다음과 같습니다. [논문] Donggeun Ko, Dongjun Lee, Namjun Park, Kyoungrae Noh, Hyeonjin Park and Jaekwang Kim, “AmpliBias: Mitigating Dataset Bias through Bias Amplification in Few-shot Learning for Generative Models,” In Proceedings of the 32nd ACM International Conference on Information and Knowledge Management (CIKM 2023), Oct. 2023. [Abstract]. Deep learning models have demonstrated successful performance in image classification tasks. However, these models exhibit a dependency on peripheral attributes of input data, such as shapes and colors, eventually leading to become biased towards these certain attributes, resulting in subsequent degradation of performance. To address this issue, debiasing techniques have been explored to enhance the robustness of model from biases. Recent debiasing techniques improve biased classifier f_b by reweighting technique or augment the biased dataset to mitigate bias. In this paper, we focus on the latter approach, presenting AmpliBias, a novel framework that tackles dataset bias by leveraging generative models to amplify bias and facilitate the learning of debiased representations of the classifier. Our method involves three major steps. First, we train a biased classifier, f_b, using a biased dataset and extract top-K biased-conflict samples. Subsequently, we train a generator on a bias-conflict dataset composed solely of the top-K samples to learn the distribution of bias-conflict samples. Finally, we re-train the classifier with the new debiased dataset, allowing the biased classifier to competently learn debiased representation. Extensive experiments validate that our proposed method effectively debiases the biased classifier.
-
- 작성일 2023-08-11
- 조회수 1349