서강대학교 전자공학과 강석주 교수 연구팀, 세계 최우수 인공지능 학회 NeurlPS 2025 논문 채택

서강대학교 전자공학과 강석주 교수 연구팀, 세계 최우수 인공지능 학회 NeurlPS 2025 논문 채택

▲ (좌상단부터 시계방향) 서강대학교 전자공학과 강석주 교수, 양진철 석박통합과정, Matti Zinke 석사과정, 최재민 석사과정

서강대학교(총장 심종혁) 전자공학과 강석주 교수 연구팀(양진철 석박통합과정, 최재민 석사과정, Matti Zinke 석사과정)의 논문이 세계 최우수 인공지능 학회인 ‘Neural Information Processing Systems, NeurIPS 2025’에 채택되었다. 1987년부터 시작된 NeurIPS는 인공지능 및 머신러닝 분야의 발전을 선도해온 세계 최고 권위의 국제 학술대회로, 오는 11월 30일부터 12월 7일까지 미국 샌디에이고와 멕시코시티에서 개최될 예정이다.

▲ 제안하는 QSCA 프레임워크

이번에 채택된 논문 제목은 ‘QSCA: Quantization with Self-Compensating Auxiliary for Monocular Depth Estimation’이며, monocular depth estimation 모델 특화 quantization 프레임워크를 제안하였다. 연구팀은 기존의 AI 모델 경량화 기술이 image classification, language modeling 등의 기초적인 작업에 최적화되어 있어 monocular depth estimation, semantic segmentation 등의 심화 작업에서는 성능 하락이 극심한 문제점을 지적하였다.

 ▲ 기존 방법론과 제안 방법론에 대한 정성적 비교 결과

이 논문은 monocular depth estimation 모델에 양자화를 적용하였을 때 발생하는 블록 단위의 오차를 보상해주는 Self-Compensating Auxiliary (SCA) 모듈을 제안하였다. 연구팀은 monocular depth estimation 모델에서의 블록별 양자화 민감도를 분석하였고, 민감도가 높은 블록에 선택적으로 오차를 보상해주는 SCA 모듈을 추가함으로써 overhead는 낮추면서 성능 하락을 억제하였다. SCA 모듈은 사전 학습에 사용된 데이터의 오직 5%만을 정답 레이블 없이 사용하여 양자화 모델과 원본 모델의 오차를 최소화하도록 학습되며, 연구팀은 학습 과정에 feature level loss와 SILog loss를 채택하여 양자화 모델의 성능을 높일 수 있었다.

제안한 QSCA 기술은 AI 모델을 더욱 작고 효율적으로 만들어 실제 산업 현장에 적용하는 데 큰 기여를 할 것으로 기대된다. 특히 높은 정확도를 유지하면서도 기기 부담을 줄일 수 있어 자율주행, 로보틱스, 증강현실 (AR/VR) 등 미래 핵심 산업의 기술 상용화를 앞당기는 데 중요한 역할을 할 전망이다.

이번 연구를 이끈 서강대학교 전자공학과 강석주 교수는 “QSCA는 기존의 quantization 방법의 한계를 넘어서, monocular depth estimation 모델 특화 quantization 프레임워크를 제안한 기술로, 자율 주행, 로보틱스 등 분야의 발전에 중요한 기여를 할 것”이라고 말했다. 또한, 이번 연구에 참여한 양진철 연구원은 “이번 개발로 AI 모델 경량화 기술이 더욱 폭넓게 활용될 수 있는 기술적 토대가 마련됐다”라고 강조했다.

본 연구는 과학기술정보통신부 및 정보통신기획평가원의 대학ICT연구센터사업의 연구 결과 및 차세대지능형반도체기술개발 사업의 연구 결과이다.

▶논문 제목: QSCA: Quantization with Self-Compensating Auxiliary for Monocular Depth Estimation

▶저자 정보: 양진철 석박통합과정 (제1저자), 최재민 석사과정 (공동 1저자), Matti Zinke (공동 1저자), 강석주 교수 (교신저자)