모두 제1저자 논문입니다. 저널은 등재 색인(SCIE, KCI 등)을 함께 표기했으며, 두 편의 논문을 준비 중입니다.
ICML 2027 투고 준비 중 · 개인 연구 프로젝트 · 직접 제안하고 이끌고 있는 프로젝트
MoE 비전–언어 모델은 미세한 시각적 구분에 자주 실패합니다. VisMin 벤치마크에서 이 실패의 상당 부분이 심각한 답변 위치 편향(answer-position bias)에서 비롯됨을 보이고, 추가 비용 없이 측정할 수 있는 진단 지표를 제안했으며, 8개의 공개 MoE VLM에서 "calibration law"를 정립했습니다: 학습 없이 적용하는 개입의 효과는 이 편향을 얼마나 잘 보정하느냐에 비례합니다. 레이블 없이 적용 가능한 방법으로 VisMin 전체 그룹 점수를 크게 개선했고, 이 효과는 Winoground와 ColorSwap에도 제로샷으로 전이됩니다.
ICDAR 2027 투고 준비 중 · Laputa, Inc. · 직접 제안하고 이끌고 있는 프로젝트
PDF 추출기는 텍스트는 잘 복원하지만 문서 계층 구조는 잘 복원하지 못합니다. 이 연구는 세 가지 공개 벤치마크(Comp-HRDoc, HiPS, DocHieNet)와 한국어 교재에서의 엔드투엔드 평가, 섹션 번호와 PDF에 내장된 목차에서 추출한 의사 레이블(pseudo-label)로 사람이 만든 레이블 없이 학습한 자기지도 포인터 모델, LLM·VLM 베이스라인을 구축합니다.
IEEE Access, vol. 12, pp. 117335–117344, 2024 SCIE, Scopus Q1 · 박사 학위 연구
International Journal of Internet, Broadcasting and Communication, 16(2), pp. 22–30, 2024 KCI
International Journal of Internet, Broadcasting and Communication, 15(4), pp. 74–83, 2023 KCI
IEEE International Conference on Consumer Electronics-Asia (ICCE-Asia), 여수, 2022 Best Paper Award (Silver Prize)
Electronics Letters, vol. 58, pp. 47–49, 2022 SCIE, Scopus Q2 · 석사 학위 연구
사전학습 네트워크의 피처 맵에 적대적 손실을 적용하는 GAN 학습 기법. 발표 당시 실제 저해상도 영상 벤치마크에서 최신 CVPR 방법을 능가했습니다.