Jaegyun Park

Wangduk Seo

The CAU AutoML Lab for LINC: Life, Industry, and Climate is a multidisciplinary research laboratory dedicated to advancing Automated Machine Learning or Automation by Machine Learning (AutoML) in the viewpoint of the theory, systems, and applications for three interconnected domains: human life, industry, and the climate. The laboratory's core mission is to design intelligent, adaptive, and scalable ML frameworks that minimize human intervention in model development while enhancing robustness, interpretability, and real-world impact. By integrating algorithmic innovation with domain-specific expertise, the lab seeks to accelerate scientific discovery, optimize complex socio-technical systems, and support evidence-based decision-making under uncertainty.

LINC(삶, 산업, 기후)를 위한 CAU AutoML 연구실은 인간의 삶, 산업, 기후라는 세 가지 상호 연결된 영역에서 이론, 시스템, 응용 관점에서 자동화된 머신러닝(AutoML) 또는 머신러닝을 통한 자동화(Automation by Machine Learning)를 발전시키는 데 전념하는 다학제 연구실입니다. 이 연구실의 핵심 임무는 모델 개발에서 인간의 개입을 최소화하면서 견고성, 해석 가능성, 실제적 영향을 향상시키는 지능적이고 적응형이며 확장 가능한 ML 프레임워크를 설계하는 것입니다. 알고리즘 혁신과 도메인별 전문 지식을 통합함으로써, 연구실은 과학적 발견을 가속화하고, 복잡한 사회기술 시스템을 최적화하며, 불확실성 속에서 증거 기반 의사결정을 지원하고자 합니다.

Decomposed Spatial Modulator for Efficient Facial-Expression Recognition

Effective Audio-Visual Event Localization using CLIP-based Global Context Regulation for Mitigating Event Overconfidence

Critical Patch-Aware Sparse Prompting with Decoupled Training for Continual Learning on the Edge

Efficient Cheap All-Layer Aggregation Networks for Time Series Classification in Time-Sensitive Tasks

Blended Embedding Guided Style Transfer in Inversion-Based Diffusion for Creatively-Matched Source-Reference Pairs

A feasibility study of deep learning-based segmentation of the inferior alveolar nerve on magnetic resonance neurography

A Survey on Multimodal Emotion Recognition: Methods, Datasets, and Future Directions

Effective Token Masking Augmentation Using Term-Document Frequency For Language Model-Based Legal Case Classification

Effective Encoder-Decoder Network for Multiple Multi-Scale Jagged Masks in Vehicle Damage Segmentation

A Survey of Neural Network Segmentation and Validation on Plant Specimen Images of Korean Violaceae

Advanced Torrential Loss Function for Precipitation Forecasting

Automatic Background Animation Generation Aligned with LLM-Generated Lyrics for Children's Songs

Automated Forest Fire Detection in Ecological Monitoring Using Enhanced Deep Learning Networks

OCR-Assisted Masked BERT for Homoglyph Restoration towards Multiple Phishing Text Downstream Tasks

EP-REx: Evidence-Preserving Receptive-Field Expansion for Efficient Crack Segmentation

Sea Ice Concentration Mapping based on Sentinel-2 Multispectral Imagery using Multiscale Deep Learning Approach

Robust Audio-Visual Fusion for Emotion Recognition based on Cross-Modal Learning under Noisy Conditions

Fast Fine-tuning Large Language Models for Aspect-based Sentiment Analysis

Data Augmentation for Dense Passage Retrieval using Corpus-Passage Frequency-Based Token Deletion

DFAN: Single Image Super-Resolution using Stationary Wavelet-based Dual Frequency Adaptation Network

Survey on Replay-based Continual Learning and Empirical Validation on Feasibility in Diverse Edge Devices using Representative Method

Survey on 3D Anomaly Detection Regarding Defect Size: Tradeoff Between Accuracy and Efficiency with Future Research Direction

End-to-End Design of Webtoon-Style Portrait Stylization System for Real-World Demo Booth

ChainImputer: Effective Neural Missing Value Imputation using Iterative Refinement based on Cumulative Feature Set

HT-AggNet: Hierarchical Temporal Aggregation Network with Near-Zero-Cost Layer Stacking for Human Activity Recognition

BitAbuse: A Dataset of Visually Perturbed Texts for Defending Phishing Attacks

Exploiting Fine-Grained Skip Behaviors for Micro-video Recommendation

Multiple Kernel-Enhanced Encoder for Effective Herbarium Image Segmentation

Real-Time On-Device Continual Learning Based on Combined Nearest Class Mean and Replay Method for Smartphone Gesture Recognition

RMHA-Net: Robust Optic Disc and Optic Cup Segmentation Based on Residual Multiscale Feature Extraction with Hybrid Attention Networks

CALANet: Cheap All-Layer Aggregation for Human Activity Recognition

Neural network-based automated proptosis measurement using computed tomography images for patients with thyroid-associated orbitopathy

Effective encoder-decoder network for pupil light reflex segmentation in facial photographs of ptosis patients

A Novel Multiobjective Genetic Programming Approach to High-Dimensional Data Classification

Memetic Multilabel Feature Selection using Pruned Refinement Process

Neural Network-based Pipeline with High-Resolution Feature Enhancement and Low-Resolution Feature Preservation for Automated Treatment Decision of Graves' Orbitopathy Patients

Unsupervised Feature Selection towards Pattern Discrimination Power

Automated Eyeball Volume Measurement based on CT Images Using Neural Network-based Segmentation and Simple Estimation

Deep Semantic Segmentation Applications for Natural Disaster Detections: A Methodological Review

Multihead Neural Network for Multiple Segmented Images-based Diagnosis of Thyroid-associated Orbitopathy Activity

MixER: Mixup-based Experience Replay for Online Class-Incremental Learning

Effective Music Skip Prediction based on Late Fusion Architecture for User-Interaction Noise

Development of a neural network-based automated eyelid measurement system

A Short Survey and Comparison of CNN-based Music Genre Classification using Multiple Spectral Features

Analysis of ultrasonographic images using a deep learning-based model as ancillary diagnostic tool for diagnosing gallbladder polyps

Hypert: Hypernymy-aware BERT with Hearst Pattern Exploitation for Hypernym Discovery

GTSNet: Flexible Architecture under Budget Constraint for Real-Time Human Activity Recognition from Wearable Sensor

Cost-constrained feature selection in multilabel classification using an information-theoretic approach

Neural Network Application for Assessing Thyroid-Associated Orbitopathy Activity using Orbital Computed Tomography

Efficient Human Activity Recognition Using Lookup Table-Based Neural Architecture Search for Mobile Devices

Effective encoder-decoder neural network for segmentation of orbital tissue in computed tomography images of Graves’ orbitopathy patients

Multilabel All-relevant Feature Selection using Lower Bounds of Conditional Mutual Information

Effective Exploitation of Macroeconomic Indicators for Stock Direction Classification using the Multimodal Fusion Transformer

Achieving an Optimal Group Structure in a Neural Architecture Search

Effective Memetic Algorithm for Feature Selection using Hybridization-based Communication

Neural Network-based Method for Diagnosing Graves’ Orbitopathy using Orbital Computed Tomography

Multi-Temporal Sampling Module for Real-Time Human Activity Recognition

Toward a Fair Evaluation and Analysis of Feature Selection for Music Tag Classification

Effective Computer-Assisted Pronunciation Training Based on Phone-Sensitive Word Recommendation

Multi-population Genetic Algorithm for Multilabel Feature Selection based on Label Complementary Communication

최근 유전자 단위에서의 질병 치료 및 예방이 가능한 것으로 판명됨에 따라 질병에 관련된 바이오 마커 발굴 및 신약 연구 등 의약 부문에서 인간의 유전자를 활용한 여러 연구가 활발히 진행되고 있으나 인간의 유전자 데이터는 그 양이 방대하고 해독이 난해하기 때문에 데이터를 그 자체로 활용하기에는 많은 어려움이 있어, 특징 추출이 중요한 연구 이슈가 되고 있음. 본 연구는 유전자 데이터 분석에 특화된 특징 선별 기법을 개발하여, 유전자 데이터에서 나타나는 문제들을 극복할 가능성을 제시하며, 유전자 데이터를 활용하기 위한 전처리 기법에 관한 연구임.

불균형 바이오 데이터를 위한 특징 추출 방법 연구 / Imbalanced Bio-Data specificated Feature Extraction Method

본 연구과제에서는 다음과 같이 문제를 해결하고자 함. 1) 혼합 특징을 위한 새로운 유사도 측정 기법의 개발: 기존 혼합 특징에 대한 유사도 측정 방법에는 HVDM, HEOM 등이 있음. 그러나 이러한 기법들은 근본적으로 명목 특징의 거리를 측정하기 때문에 학습 과정이 필요하고, 특정한 값으로 추정하기 때문에 값의 변화가 단조로운 문제를 가지고 있음. 따라서 혼합 특징의 학습 과정을 제거함으로써 패턴들의 근본적인 차이를 측정한 유사도 결정 기법의 개발이 필요함. 2) 불균형 문제를 고려한 특징 선별 기법의 개발: 기존 데이터 마이닝에서 활용되었던 특징 선별 기법들은 SFS와 같은 기법들이 있음. 그러나 의료 정보학 분야에서는 정확도보다는 민감도가 중요하므로, 민감도를 증가시킬 수 있는 평가 함수의 개발이 필요함.

임상 정보 데이터에 대한 질병 진단 정확도 향상 / Improving Diagnosis Accuray for Biomedical Data

본 연구의 핵심 목표는 1) 음악의 메타 정보 추출 기술, 2) 음악적 메타 정보간의 상관성 분석과 3) 음악적 메타 정보의 정제된 가시화 기술을 개발함. 본 연구의 결과는 기존 음악 추천 시스템의 큰 변화 없이 그대로 적용될 수 있는 기술이므로 적용 장벽이 낮다고 할 수 있으며, 특히, 공간이 좁은 디스플레이 장치를 가진 스마트폰 환경에 적용되어야 하는 음악 추천 시스템의 사용성을 극대화할 수 있음.

뮤직 맵: 메타 정보 상관성 도출 및 시각화 기술을 이용한 음악 추천 서비스 개발 / Investigating Relation of Meta Information for Music Recommendation

음악에 내재된 감성은 서로 다른 인류문명 사이의 차이를 극복하고 다원주의적 공감대를 형성하기 위한 소통 방법으로 사용되었으므로 이를 활용하면 문화적 공감대 형성을 통한 한국 음악의 세계화는 물론 다문화사회에서 핵심 문제가 되고 있는 문화 간 갈등 해소에 이바지할 수 있음. 본 연구에서는 인류문명 사이의 차이로 인해 발생하는 문화적 간극의 극복과 소통을 위한 IT 기술로써, 다원주의적 음악감성 기반 문화호환적인 한국형 음악 발굴 기술을 제안하고자 함. 연구의 핵심 목표는 1) 음원의 신호-물리적 특성 추출, 음악구조적 특성 추론을 통한 다중 음악감성 추론 기술, 2) 타 문화권에서 크게 호응을 받은 음악 콘텐츠에 대한 감성 추론을 통한 문화호환적 음악감성 추론 기술, 최종적으로 3) 문화호환적인 한국형 음악 발굴 기술의 개발임.

다원주의적 음악감성 기반 문화호환적인 한국형 음악 발굴 연구 / Inter-cultural Korean Music Discovery based on Pluralistic Music Emotion

해외 음원 시장의 유행을 선도할 수 있는 음원 수출을 위해 진출 대상 국가에서 유행하는 음원의 주요 장르, 스타일, 유행강도 등의 문화적 심미성을 고려하는 것은 해외 진출의 성공을 도모하기 위한 중요한 요인 중 하나임. 본 연구에서는 한국 대중 음원의 문화적 심미성을 내재하도록 음원을 리프로듀싱하는 기술로써, <문화적 심미성 기반 한국형 음원 리프로듀싱 시스템>을 제안하고자 함. 본 연구의 핵심 목표는 1) 음원의 물리적 특성에 기반한 <음원의 심미적 특성 추론 기술>, 2) 타 문화권의 음악적 심미성 내재를 위한 <심미성을 고려한 한국 음원 리프로듀싱 모형>의 개발, 3) 타문화권 맞춤형 음원을 생성하고 웹 또는 모바일 환경에서 제공되는 서비스 프로토타입인 <문화적 심미성 기반 인공지능 프로듀서 시스템> 개발임.

문화적 심미성 기반 한국형 음악 리프로듀싱 시스템 / Korean Music Reproducing System based on Cultural Aesthetics

갑상선 안병증은 갑상선질병과 연관되어 발생하는 안와의 염증성 자가면역 질병으로 눈 인근 구조물의 변형이 컴퓨터 단층 촬영 영상을 통해 관찰될 수 있음. 최근 갑상선 안병증 활동성이나 중증도 진단과 같은 갑상선 안병증 진단과 관련된 신경망의 연구가 크게 발전하였지만 갑상선 안병증의 치료 진행 여부 예측에 대한 신경망 연구는 아직 보고되지 않은 것으로 조사됨. 본 연구과제에서는 기존 갑상선 안병증 진단 관련 신경망 연구들이 갖는 적은 훈련 데이터로 인한 성능 향상 한계 문제를 완화하기 위해 자기지도학습 방법을 기반으로 갑상성 안병증 치료 진행 여부 예측 모델을 연구하고자 함. 본 연구과제에서는 한국과학기술정보연구원에서 지원하는 V100, A100 등의 고성능 GPU 자원을 활용하여 방대한 양의 CT 데이터에 대한 학습 시간을 효과적으로 단축할 수 있음.

갑상선 안병증 치료 진행 여부 분류 모델 개발 / Development of Classification Model for Thyroid-associated Orbitopathy Treatment

본 연구는 의료 및 헬스케어 데이터의 초고차원 조건을 극복하기 위한 전이 가능한 지식 발굴 딥러닝 프레임워크를 개발하는 것을 목표로 함. 이를 통해 메디컬·헬스케어 분야의 AI 시장 성장을 선도할 원천 기술을 확보하고, 국내 기술을 글로벌 수준으로 끌어올릴 수 있 음. 또한, 유전체학, 신약 개발, 영상의학 및 진단 분야에서 딥러닝 기반 AI의 블랙박스 문제를 극복하는 데 기여할 것임. 세부 연구 목표는 3년에 걸쳐 병렬적으로 수행되며, 최종적으로 통합 프레임워크를 완성하는 것을 목표로 함.

초고차원 데이터 핵심인자 신속 발굴을 위한 전이 가능한 지식인자 딥러닝 프레임워크 / Transferable Knowledge Factor Deep Learning Framework for Rapid Discovery of Key Factors in Ultra-high-dimensional Data

본 연구에서는 시계열 임상 코호트 데이터를 활용하여 뇌졸중 예후 예측 시스템 개발을 목표로 함. 뇌졸중 분석을 위하여 장기간 추적한 임상 데이터를 활용하여, 각 연차별 데이터를 의사결정트리 기법을 응용하여 학습함. 이를 위해 시계열 데이터 학습을 위한 의사결정트리의 모델을 정립하며, 부스팅 기법을 통해 적합한 예후 예측 모델을 구축함. 또한 위험요소 간 인과관계 네트워크의 구축과 분석을 통해 각 연차별 뇌졸중 유발의 주요 위험 요인을 추출하는 기법을 연구개발함.

시계열 임상데이터를 활용한 뇌졸중 예후 예측 기술 / Stroke Prognosis Prediction Techniques using Temporal Clinical Data

본 연구 제안은 인간과 지능적 기계간의 미적인 상호작용을 설명하고 이를 인간-로봇 상호작용 연구(HRI)에 도입하려는 목표를 가지고 있음. 특히, 로봇의 지속적인 사회성 학습 및 표현과 관련하여 미적 경험 개념을 도입하고, 이에 대한 이론적 모형을 구축하며, 나아가 이를 실제 로봇 플랫폼에 적용하고자 함.

컴퓨터과학, 공학에 미학의 체계적 적용 가능성에 관한 연구 - 심미적 컴퓨팅의 범례를 중심으로 / Techno-Culture through Interactions between Computer Science and Aesthetics

본 연구개발의 최종 목표는 병원의무기록문서로부터 임상지식 온톨로지화에 기반한 차세대 임상문서검색시스템을 구축하는 것이며, 이러한 최종목표를 달성하기위한 세부목표는 다음과 같음. 1) 의무기록문서에 작성된 free-text를 기계학습에 기반하여 의료정보 및 의료정보간 관계성을 표현하는 triple 형태로 자동 변환하여 온톨로지 언어를 기반으로 임상지식을 재표현하는 온톨로지 구축. 2) 이전단계에서 구축된 의료정보간 간 관계성으로 구성된 임상문서 온톨로지 지식베이스를 대상으로 임상적으로 연관된 환자정보를 검색하는 차세대 임상문서 검색 추론 시스템 개발.

병원의무기록문서로부터 임상지식 온톨로지화에 기반한 차세대 임상 문서 검색 시스템 구축 / Next-generation Clinical Text Search Platform based on Ontology Building of Electronic Medical Records

본 연구는 최근 IP TV나 모바일 등 뉴미디어 콘텐츠 시장의 지속적인 확대에 따라 폭발적으로 증가하는 기술 수요에 신속히 대응하기 위하여, 세계 최고 수준의 기술 트렌드에 필적하고 나아가 이와 차별화된 콘텐츠 기술 개발을 제안하고자 함. 우리 연구의 핵심 목표는 1) 간문화적(inter-cultural) 정서 차이를 반영하여 한국형 정서 기반 음악 추천 기술 개발, 2) 개별 사용자가 처한 현실 상황 맥락을 반영한 상황 맥락적 정서 모형 기반 추천 기술 개발, 3) 최신 데이터마이닝 기법을 통해 최고의 음악 추천 정확도를 확보할 수 있는 기술 개발임.

상황맥락 정서 기반 한국형 음악 추천 시스템 개발 / Korean Situation-Context-Emotion based Music Recommendation System

본 연구는 2010년도 5월부터 3년간 진행된 "상황맥락 정서 기반 한국형 음악 추천 시스템 개발"의 후속 연구임. 우리는 음악-정서-상황맥락 상관성 연구의 결과를 계승하고 심화 발전시키며, 또한 기존 연구과정에서 도출된 다양한 미해결 문제들을 해결하고자함. 나아가 기존의 연구 성과의 현장 응용을 강화하기 위해 음악 감상자 개인의 경험을 기반으로 한 시범 서비스 체계화하고자 함.

개인화 음악서비스를 위한 심미적 인지-정서 추론 기술 / Aesthetic Cognition-Emotion Inference for Personalized Music Service

본 사업에서는 빅데이터에 대한 실시간처리 기술, 효율적인 데이터마이닝 기술, 안전한 데이터 보호 및 사용자 프라이버시 보장 기술, 빅데이터 전송과 관리를 위한 네트워크 기술에 대한 연구를 진행함. 이를 통해 빠르게 변화하는 빅데이터 시대에 능동적으로 학습하고 경쟁하는 자기주도적 학습능력,창조적으로 빅데이터 문제를 해결하고 공유 및 소통할 수 있는 능력, 글로벌화된 빅데이터 커뮤니티에서 당당하게 이야기하고 주도할 수 있는 협동능력을 겸비한 다빈치형 빅데이터 리더양성을 목표로 함.

차세대 빅데이터 전문인력 양성사업(팀) / Next Generation Big Data Research Team

본 연구에서는 기존 단일 콘텐츠 응용 기술의 한계를 극복하기 위해 영상과 음악을 결합하는 동기화 기술을 바탕으로 다중 감각형 콘텐츠 저작 기술을 개발함. 영상과 음악 등 각 콘텐츠의 동기화를 위해, 영상과 음악의 물리적, 정서/예술적, 심미적 특성들의 추출하고 사용자의 심미적 동기화 반응을 예측할 수 있는 계산 모델을 통해 각 콘텐츠의 크로스 매칭 메커니즘을 개발함.

다중 감각형 콘텐츠 제작을 위한 영상 및 음악의 심미적 동기화 기술 개발 / Techniques for multi-perceptual contents based on aesthetic synchronization

SW 전공자교육, SW 연계복수전공자교육, 비전공 SW 기초교육 및 산학협력 및 인턴십 교육 등의 교육프로그램을 통하여 첨단 IT산업의 근간이 되는 SW교육의 방향을 기능인 양성 위주의 SW교육에서 SW 제품 중심의 실전적 창작교육으로 전환하여 새로운 플랫폼과 어플리케이션의 창작소 역할을 수행하고, SW인재의 글로벌 경쟁력 확보를 통하여 전세계 SW 시장점유율 1%대의 약소국에서 Soft Power를 갖춘 SW강국으로 앞서나갈 수 있는 경쟁력을 확보하고, 청소년 및 교육자, 장년층을 대상으로 하는 프로그램을 통하여 중앙대학교 재학생뿐만 아닌 교육을 필요로 하는 모든 사람들에게 SW 가치확산을 실천함.

SW중심대학(중앙대) / Software-Focused University

본 연구는 인공지능과 관련된 다양한 사회·문화적 변화를 인문학적 관점에서 연구하여 인문학의 외연을 근본적으로 확장하는 것을 목표로 함. 최종 목표는 ‘인공지능인문학’ 학문 체계를 수립하고자 함. 그 과정에서 연구 5영역(인공지능 관계ㆍ소통학, 인공지능 인문데이터해석학, 인공지능 윤리·규범학, 인공지능 기술비평학, 인공지능 사회·문화학)은 상호 독자성을 유지하면서도 유기적인 협력을 통해, 관련 자료를 함께 축적하며, 다양한 연구방법론을 함께 개발해 나갈 것임. 본 연구를 통해 인문콘텐츠연구소를 세계 최초의 인공지능인문학 센터로 도약, 나아가 세계 인공지능인문학의 허브가 될 수 있도록 플랫폼을 구축할 것임.

포스트휴먼 시대, 인문학 가치 고양을 위한 인공지능인문학 구축 / Post-human era, Build HAI (Humanities with Artificial-Intelligence) for enhancing the humanity value

안와질환 환자의 진료과정에서 전산화단층영상 등 안와영상을 즉각적으로 진단 및 경과판정 과정에 적용할 수 있는 개인 컴퓨터 기반 영상자동분석시스템을 개발하여 진료의사의 직접적인 의사판단을 돕는 의사결정 지원시스템에 응용하고자 함. 안와 구조물의 부피나 위치, 활성도 등의 영상지표의 변화를 인공지능 및 기계학습을 이용하여 해석하고 판독하여 진단 및 경과판정, 예후 예측, 치료효과 판정에 이용하고자 함.

안와질환의 객관적평가를 위한 컴퓨터 기반 삼차원 의학영상분석프로그램의 개발 / Development of Computer based Three-Dimensional Medical Image Analysis Program for the Objective Assessment of Orbital Disease

무증상 담낭 이상 소견은 5.76 - 9.96% 정도로 보고되며, 최근 더 빈번히 진단되고 있음. 이들 대부분은 양성 병변이지만 악성 변화가 가능한 병변이 있으므로 적절한 진단과 추적관찰이 중요함. 담낭 용종이나 담낭벽 비후가 대표적이며, 조직검사를 시행하기가 어려우며, 수술적 절제술을 통해서만 확진이 가능하므로 해당 병변의 감별진단에 따른 수술적 절제 여부의 결정이 중요함. 본 연구에서는 담낭 질환의 초음파 영상검사에 대하여 심층학습 기반 이미지분석을 수행하여 이를 바탕으로 진단의 정확도 상승을 도모하고, 담낭 질환의 예후 예측을 시도하여 적절한 진료방침 설정에 근거를 마련함.

담낭 용종 및 담낭벽 비후에 대한 심층 학습 기반 이미지 분석 및 임상 적용 / Clinical application of deep learning based image analysis for gallbladder polyp and gallbladder wall thickening

중앙대학교 교육대학원 인공지능창의융합 교육 전공은 4차 산업혁명에 대비하여 학교교육에서 인재양성에 기여할 수 있는 인공지능(Artificial Intelligence, AI), 빅데이터, 소프트웨어 교육에 전문성을 지닌 인력 양성을 하고자 함. 이를 위해 본 전공은 현장교사의 AI융합교육을 위한 AI전문지식과 기술, AI융합교육역량을 높이고, 현장연구를 수행하여 학교교육 및 수업혁신을 선도할 수 있는 현직교원 역량을 제고하고자 함.

중앙대학교 인공지능창의융합교육 전공

4차 산업혁명 기술의 도래와 발전으로 인해 삶의 깊숙한 곳까지 확장하였고, 생활공간에서 사용자의 상태, 주위환경 정보를 바탕으로 사용자를 이해하고 상황에 맞는 최적의 라이프 케어 서비스를 제공하는 기술로 인해 '지능형 홈케어산업'이라는 신시장이 급격히 성장되고 있음. 5G 상용화와 AI 기술의 확산은 기능 중심의 독립된 가전제품을 넘어 이종의 가정용 기기 간의 협업을 통한 자율서비스로 발전함에 따라 다양한 시장참여자 중심의 생태계가 조성되고 있음. 국제 경쟁력을 갖추고 있는 기존 대형 가전사, 통신사 등과 생태계 공존이 가능한 중소·중견기업의 제품·서비스 개발로 동반성장체계를 마련해줄 수 있는 인력 공급이 필요함. 특히 지능형 홈케어 제품의 연구개발, 표준화, 사용자 가이드 라인 개발, 사용성 평가 등을 지원할 수 있는 전문가를 양성하여 국내 시장의 질적 서비스를 높일 수 있도록 해야 하며, 이를 기반으로 국외 시장을 선도할 수 있도록 국제화한 전문인력양성이 필요함.

지능형 홈케어산업을 선도할 3C 전문인력 양성 / Training of 3C-based Experts Leading the Intelligent Home Care Industry

본 교육연구단은 중앙대학교 비전인 CAU2030과 중앙대학원 대학원 비전인 Innovation 2030을 정합 및 발전시켜, 미래의 장기적인 비전으로 BIG-CAU2027을 설정하고, 미래지향적이며 세계 Top 10 수준의 플랜트 안전 분야 빅데이터 교육연구단위가 되겠다는 포부를 제시함. BIG-CAU2027은 사회 변화에 선도적으로 대응하는 창의도전형 명품 리더 양성 및 세계 연구 흐름을 잘 파악하고 세계기술을 선도하는 글로벌 인재 양성을 목표로 함. 세계 저명대학의 벤치마킹을 통하여 BIG-CAU2027 교육 및 연구의 방향은 혁신적인 연구, 선진적인 교육, 경쟁력 강화, 열정적 국제화를 통해 전주기적 인생의 경주와 같이 지속적으로 성장하는 인재 양성을 목표로 함.

빅데이터 혁신인재양성사업단 / CAU Institute for Innovative Talent of Big Data

중앙대학교 AI대학원은 CAU AI Graduate School in 2030 비전에 따라 "인류 사회에 기여하는 AI인재 양성"이라는 목표를 설정하고, 중앙대학교 중장기발전계획 CAU2030과 연계하여 "2030년 Global Top Tier AI대학원"으로 도약하기 위한 목표를 설정함. AI대학원 비전에 따른 4대 세부 목표를 달성하기 위해 혁신주도형 AI인재양성, 창의협업형 AI특화교육, 문제해결형 산학협력 강화, 글로벌 협력 체계 구축이라는 4대 전략방향과 12대 전략과제를 수립하여 추진함.

인공지능대학원(중앙대) / Artificial Intelligence Graduate School Program(Chung-Ang University)

본 연구의 최종목표는 갑상샘눈병증 질환에서 인공지능에 기반한 조기 진단 및 개인 맞춤형 치료 알고리즘 개발과 이에 기반한 PC 기반 진료지원 프로그램 구현임. 세부적으로는 갑상샘질환에서 갑상샘눈병증 발병 예측 및 조기진단 시스템 개발, 갑상샘눈병증 질환에서 임상양상에 따른 개인 맞춤형 치료 알고리즘 개발, 개발된 알고리즘과 학습정보를 내장한 PC 기반 프로그램 구현을 목표로 함.

인공지능을 이용한 갑상샘눈병증 진료지원 시스템 개발 / Development of clinical decision supporting system for thyroid eye disease using artificial intelligence

한국전자통신연구원은 사용자 요구에 부합하는 신경망 검색 및 신경망 응용의 자동 생성을 지원하고, CPU, GPU, NPU 등 다양한 인공지능 가속 환경을 가진 온보드 환경과 엣지클라우드 기반의 분산, 협업 연산 환경에 신경망 응용이 최적 배포되도록 지원하는 통합개발 프레임워크 기술 개발을 목표로 함.

신경망 응용 자동생성 및 실행환경 최적화 배포를 지원하는 통합 개발 프레임워크 기술개발 / Development of Integrated Development Framework that supports Automatic Neural Network Generation and Deployment optimized for Runtime Environment

軍 특화 교육 개설 및 2026년까지 AI·SW 국방도메인 전문가를 육성하여 4차 산업 혁명 스마트 국방혁신 종합추진을 위한 AI핵심인재와 체계개발 운용 능력을 확보하고, AI·SW 분야의 전문교수와 국방관련 내외부 강사로 교수진을 구성하여 군 특화 커리큘럼 및 교안을 개발하고 교육과정을 운영함.

군 특화 AI 교육과정 개설·운영(국방 AI 개발·운용 과정) / Open and Operate a Military-Specific AI Curriculum (Defense AI Policy·Management Process)

Forest fire is a serious threat to the ecosystem, and such uncontrollable burning can lead to severe destruction of precious flora and fauna. A remote sensing approach through satellite imagery analysis is one of the effective solutions to this problem due to wide coverage and relatively lower operating cost. The primary objective of this project is to develop an intelligent forest fire surveillance system for the Asian region using an advanced deep learning methodology based on satellite imagery input. This primary objective can be achieved by addressing the following sub-objectives: 1) To develop a feasible framework for forest fire surveillance systems using a deep segmentation approach, 2) To investigate the impact of multi-scale unit embedding into the forest fire surveillance system, 3) To analyze the performance of the integrated optimal deep convolutional neural network in detecting and quantifying the affected forest fire areas. This project directly supports the strategic initiative of 2021-2023 as outlined by the Asia Pacific Telecommunity.

Fire-Net: Forest Fire Surveillance System based on Multi-Scale Convolutional Neural Network using Satellite Imagery for Asian Region

본 사업에서는 조화, 개발, 정밀, 윤리, 데이터 역량을 갖춘 의료 인공지능 융합 인재의 양성을 목표로 함. 융합형 인재를 넘어, 현실의 문제를 해결할 수 있는 구체적 역량을 가지며 이 분야의 사업 생태계를 구축하는 리더형 인재 양성을 위해 보건의료분야와 공학분야 간의 다학제적 협력을 통한 의료 인공지능 융합 학부 교육과정을 개설함. 또한, 보건의료분야, 공학분야, 산업체 간의 협력을 통해 현장문제 해결형 인재를 양성하는 석박사 교육과정을 개설하여 고급 인재 양성을 도모함.

중앙대학교 의료-인공지능 융합 학문 전문가 양성 사업 / Chung-Ang University Medical-Artificial Intelligence Convergence Academic Expert Training Project

전 세계는 지구 생물 다양성 데이터베이스의 온라인 공유를 통해 생물 다양성 손실과 기후 변화대응을 위한 대규모 연구들이 진행을 가속화하고 있음. 또한, 각국에서는 표본 정보의 효과적인 활용을 위해 표본의 디지털화 및 온라인 공유가 빠르게 확대되고 있음. 본 연구에서는 한·일 식물분류학자들과 AI 전문가들의 정기적 방문, 세미나, 토론을 통해 식물표본 정보를 비교분석 함으로써 각국이 보유한 식물표본정보를 통합하며, 이의 효과적인 수행을 위해 표본 이미지 자동동정을 위한 인공지능 모델을 개발함.

한·일 통합 식물정보 빅데이터를 활용한 인공지능 기반 식물표본 이미지 종 식별 시스템 개발 / Development of AI-powered image identification system for images of herbarium specimens based on integrated botanical information between Korea and Japan

대학의 원천 기술과 주관연구개발기관의 기업 공시 분석 DartPoint AI 서비스 기반의 실전 인프라를 결합하여 세계 최고 수준의 멀티모달 통합 임베딩 및 Agentic AI 기반 고신뢰 생성AI 기술을 공동 개발하고 이를 통해 DartPoint AI 서비스를 고도화하고 글로벌 생성 AI 분야를 견인할 석·박사급 전문인력을 육성하는 것을 최종 목표로 함. 이를 위해 1) 생성 AI 기반 금융 공시 분석 파이프라인 신뢰성·품질 고도화 연구, 2) 멀티모달 문서 이해 기반 신뢰 가능한 기업 공시 분석 기술 연구, 3) 실시간 자가 검증 및 인과 분석 기반 미래 예측 에이전틱 AI를 개발하여, 지능형 전자공시 이해 DartPoint AI 서비스 고도화를 수행함.

멀티모달 통합 임베딩 및 자가 검증형 실시간 에이전틱 AI 기반 고신뢰 기업 공시 데이터 분석 기술 개발 / Development of Integrated Multimodal Embedding and Self-Correction Real-Time Agentic AI for High-Reliability Corporate Disclosure Analysis

CAU AutoML Lab

교수님 소개

Jaesung Lee

연구실 소개

연구실 키워드

알럼나이가 간 회사

연구실 지원 방법

대우 조건

연도별 논문 인용수

저널 & 학회 논문 출판 수

연구실 논문 목록

Decomposed Spatial Modulator for Efficient Facial-Expression Recognition

Effective Audio-Visual Event Localization using CLIP-based Global Context Regulation for Mitigating Event Overconfidence

Critical Patch-Aware Sparse Prompting with Decoupled Training for Continual Learning on the Edge

연구실 보유 특허

대학별 입시끈

우리 연구실 모집

교수님 소개

Jaesung Lee

연구실 키워드

알럼나이가 간 회사

연구실 지원 방법

대우 조건

연도별 논문 인용수

저널 & 학회 논문 출판 수

연구실 논문 목록

Decomposed Spatial Modulator for Efficient Facial-Expression Recognition

Effective Audio-Visual Event Localization using CLIP-based Global Context Regulation for Mitigating Event Overconfidence

Critical Patch-Aware Sparse Prompting with Decoupled Training for Continual Learning on the Edge

연구실 보유 특허

최근 3년간 연구실적 높은 연구실

대학별 입시끈

우리 연구실 모집