조성인 교수 연구팀, 인공지능 분야 최상위 국제학회 NeurIPS 2025 논문 채택

▶ (왼쪽부터) 조성인 교수, 이재윤 석사과정

조성인 교수 연구팀 (Smart Vision & Media (SVM) lab.) 석사과정 이재윤 (제1저자)과 조성인 교수 (교신저자)가 작성한 “DUET: Dual-Facet Pseudo Labeling and Uncertainty-aware Exploration & Exploitation Training for Source-Free Domain Adaptation” 논문이 인공지능 분야 최상위 국제학회 NeurIPS 2025에 발표로 채택되었다.

▶ Neural Information Processing Systems (NeurIPS) 2025 로고 (위), 포스터 논문 설명 링크 (아래)

본 논문은 사전 학습된 소스 모델을 레이블이 없는 타겟 도메인 데이터에 적응시키는 소스 프리 도메인 적응 (Source-Free Domain Adaptaiton) 기법을 제안한 연구이다. 기존에 멀티 모달 모델인 CLIP을 이용하여 도메인 적응을 수행하는 기법은 학습 초반, 타겟 모델의 낮은 정확도에도 불구하고 별도의 교정 없이 모든 데이터에 대해 의사 레이블을 할당하게 되어 품질이 낮은 의사 레이블로 인한 성능 저하 문제를 겪고 있었다. 또한 타겟 모델로의 지식 전이를 위해 CLIP을 타겟 도메인 데이터에 맞추어 학습시키는 기존 손실함수는 모델이 현재 가지는 타겟 도메인의 적응도를 고려하지 않아 제대로 된 학습 신호를 제공하지 못하는 문제점을 가지고 있었다.

 

제안하는 기법인 DUET은 도메인 일반화 능력이 뛰어난 CLIP의 예측과 태스크 특화된 사전 학습 소스 모델의 예측이 일치하는 샘플들에 대해서 제한적으로 의사 레이블을 할당하고, 할당되지 않은 샘플들에 대해서는 풍부한 특성 학습을 위해 일관성 정규화 기법을 적용하여 의사 레이블의 품질을 크게 높였다. 또한 새롭게 제안한 손실함수는 도메인 적응도를 고려한 엔트로피 계산 알고리즘을 통해 기존 손실함수보다 모델의 학습 정도를 민감하게 파악하고 올바른 학습 신호를 제공하도록 한다. 실제 구현 및 평가 결과, 총 3가지 벤치마크 데이터셋에 대해 평균 2%의 성능 개선을 달성했으며 모델의 과신뢰 문제도 개선하였음을 입증하였다.

▶ 교정된 의사 레이블 생성 과정 (CPG), 동적 엔트로피 기반 시각 최적화 (DVO), 그리고 의사 레이블링 매칭 프레임 워크 (PLMatch) 과정

NeurIPS(Conference on Neural Information Processing Systems)는 인공지능·기계학습 분야의 세계 최고 권위 학회로, 연구의 독창성, 기술적 기여, 재현성 및 학술·산업적 파급력을 중점적으로 평가하며, 메인 리서치 트랙과 Datasets & Benchmarks, 워크숍·튜토리얼, 경쟁(Competitions), 산업 엑스포(Expo) 등으로 구성된다. NeurIPS 2025는 미국 샌디에이고(12월 2–7일)와 멕시코시티(11월 30일–12월 5일)에서 각각 오프라인 행사가 병행된다.

참고자료:

NeurIPS 2025 홈페이지 링크:     https://neurips.cc/

논문 링크:      https://neurips.cc/virtual/2025/poster/120326

조성인 교수 연구팀 홈페이지:     https://sites.google.com/view/csi2267svm/