“비지도 한계 넘어선 차세대 시각 AI 기술 개발”...서울대 김경수 교수팀, 라벨링 없이 객체 경계 추출·81배 속도 향상

AI 요약

서울대학교 AIBL 연구실(지도교수 김경수)과 박재식·최종현 교수팀은 확산 모델의 셀프 어텐션 맵을 분석해 객체 발현 시점(IEP)과 어텐션 경계 발산(ABDiv)을 이용해 별도 라벨 없이 객체 윤곽선을 추출하는 'TRACE' 기술을 제안했습니다. TRACE는 수작업 데이터 라벨링을 제거하고 증류된 경량 디코더로 복잡한 확산 과정을 생략해 기존 대비 최대 81배 빠른 추론을 달성했으며, COCO 2017에서 AP 5.1 향상과 태그 감독 환경에서 포인트 지도 학습보다 PQ 1.7 높은 성능을 보였습니다. 연구는 김경수·박재식 교수 공동 교신저자, 조상현·이지석 공동 1저자 등이 주도했으며 ICLR 2026 구두 발표로 채택되고 핵심 구현 코드와 사전 학습 모델을 깃허브에 공개했습니다.