SW·AI 연구활동 발표대회

SW연구활동(SW학부연구생)을 수행하면서 얻어진 다양한 형태의 유의미한 결과(논문형태의 결과보고서, 논문, 발명품, 작품, 콘텐츠, 창업 아이템 등)를 발표/심사하는 대회
  • 대회 정보
  • 참가 팀 정보

대회 개요

  • 참가대상
    2021-1학기(6-7월), 2021-하계(7-8월), 2022-동계(1-2월),
    2022-하계(7-8월) 중 소프트웨어학부 SW연구생(PE프로그램) 에
    참여한 학생(2~3명으로 구성된 팀으로 참가 가능)
  • 참가 주제
    논문형태의 결과보고서, 논문, 발명품, 작품, 콘텐츠, 창업 아이템 등
참가 신청하기

운영 일정

  • 01 step

    신청 접수

    7월 29일(금) ~ 9월 5일(월)
  • 02 step

    서류 심사

    9월 8일(목)
  • 03 step

    예 선

    9월 19일(월)
  • 04 step

    본 선

    09월 29일(목)
    ※ 공감투표 : 09월 28일(수) - 09월 29일(목)

신청접수 안내

STEP 01. 신청접수 (온라인접수)
☑신청접수(서류심사) 제출물
01. PE활동보고서 : 양식 內(작성안내) 반영 필
02. 결과물 : 논문형태의 결과보고서 (4페이지 이상), 논문, 발명품, 작품, 콘텐츠, 창업 아이템 등
(※ 논문형태의 결과보고서는 다음의 양식 활용 : https://conf.theieie.org/2022s/pages/conference_paperinfo.vm )
STEP 02. 서류심사 (예선 진출 10명 선발)
연구활동의 독창성, 활동 수행과정과 결과의 타당성, 완성도 항목으로 심사(평가/배점)를 진행
STEP 03. 예 선 (본선 진출 5명 선발)
☑예선 제출물
01. 작품 발표 자료
02. 결과물
STEP 04. 본 선 (오프라인 전시 및 투표 진행 최종 3명 수상작 결정)
☑본선 제출물
01. 작품 포스터 (전시용)

대회 시상

※ 제출된 작품 수준에 따라 시상 내역이 변경될 수 있습니다.

  • 최우수상

    1명 50 만원

    (소프트웨어대학장상)
  • 우수상

    1명 30 만원

    (다빈치SW교육원장상)
  • 장려상

    1명 20 만원

    (다빈치SW교육원장상)

안내 사항

제출된 작품 수준에 따라 시상 내역이 변경될 수 있습니다.

신청서는 제출 후 누락 및 오류 등의 여부를 필히 확인해주시기 바랍니다.

경진대회 예선 통과자는 SW·AI TECH FAIR 전시 참여 의무가 있습니다.

SW·AI 연구활동 발표대회 [본선심사]는 예선점수와 중앙인(재학생/졸업생/교직원)의 공감투표를 합산하여 순위가 결정됩니다.

동일 작품을 SW·AI TECH FAIR 내 2개 대회 이상 출품 불가하며, 사후 유사 작품이 확인되면 수상을 취소할 수 있습니다.

  • 대회 정보
  • 참가 팀 정보
  • 김희민
  • Multi-access Edge Computing (MEC)을 적용한 Advanced Video Streaming
  •  네트워크 분야에선 어떤 연구가 진행되고 있는지 알고 싶어 PE 프로그램에 참여했습니다. 여러 학기 학부 연구생으로 참여하며 네트워크에 관련한 여러 논문을 읽었습니다. 여러 주제를 살펴보던 중 Multi-access Edge Computing (MEC)에 관심을 가지게 되었고, 그 후부턴 MEC에 대한 연구를 진행하고 한 편의 논문으로 완성하는 것을 목표로 잡았습니다. MEC 응용 가능 분야를 조사하던 중 제가 구체적인 시나리오를 상상할 수 있는 Video Streaming을 MEC 적용 분야로 잡았습니다. 계속해서 관련 연구 논문을 읽고 실험 시나리오를 설계하고자 노력했지만, 첫 실험 설계인지라 많은 어려움을 겪게 되었습니다. 지도 교수님께 연구와 관련한 여러 차례의 상담을 받던 중, 교수님께서 관련 Survey 논문을 쓰며 시나리오를 좀 더 구체화해보자는 제안을 해주셨습니다. 이를 계기로 MEC관련 Survey 논문 작성하게 되었습니다.
  • more
  • CUAI NLP
  • 한국 드라마 캐릭터의 성격을 가진 대화형 챗봇 구현
  • 챗봇은 대표적인 자연어의 문장 생성 태스크 중 하나이다. 자연어처리 분야에서 사용되고 있는 대규모 언어 모델들이 질문에 대한 응답 생성, 문맥 추론, 대화 등의 다양한 기능 등을 수행할 수 있다는 점에 착안하여 본 연구는 한국 드라마 캐릭터의 성격을 반영한 챗봇 모델들에 대해서 실험한다. 이를 통해 대화형 생성 모델의 특성을 알아보고 드라마에 등장하는 캐릭터들의 성격이 반영된 언어 모델을 생성하는 것을 목적으로 한다. 또한 그 결과를 분석함으로써, 한국어 챗봇 연구가 발전해야하는 부분과 한국 드라마 대화형 챗봇의 비전에 대해서 논의한다. 
  • more
  • 도비연습생
  • 정형데이터 학습을 통한 시력교정 수술 후 근시퇴행 예측 모델 개발
  • 데이터 클리닝 과정에서부터 예측 모델을 위한 학습을 위한 과정까지 전 과정을 직접하지는 않더라도 실제로 프로젝트가 어떻게 이뤄지는지 전 과정을 알아보고자 이 프로젝트에 참여하게 되었습니다. 
  • more
  • YourBench
  • YourBench
  • YourBench는 기존에 있는 모델, 또는 사용자의 모델을 입력받아 adversarial attack에 얼마나 robust한지 평가를 해주는 pytorch library입니다. 모델 개발자들이 더욱 쉽게 adversarial training을 할 수 있도록 모델의 평가 지표를 Report와 함께 제공합니다. 1. 적대적 공격이란?적대적 공격은 딥러닝 모델을 공격하는 가장 대표적인 방법입니다. 딥러닝 모델을 학습시키는 방법을 역으로 모델 공격에 이용하여 모델이 올바른 예측을 하지 못하도록 방해할 수 있습니다. 인간의 눈에는 똑같은 데이터이지만, 모델에 입력하면 전혀 다른 결과가 나올 수 있는 것이죠. 모델이 테스트 이미지를 잘 분류하더라도, 이러한 적대적 공격에 취약하다면 사용하기 어려울 것입니다.2.  적대적 학습의 중요성모델이 test data에 대해서 충분히 신뢰성 있는 결과를 낼지라도, 간단한 데이터 조작에 취약하다면 모델을 쓸 수 없게됩니다. adversarial attack과 model robustness는 경찰과 도둑 관계입니다. 서로 꾸준히 발전하면서 따라잡으려고 하기 때문입니다. 현재 자신의 신경망, 또는 모델이 adversarial attack에 대해서 robust 할지라도, 언제든지 새로운 공격 기법이 나타날 수 있습니다. 따라서 모델 개발자 입장에서 새로운 공격기법에 대해서 늘 대비하는 자세가 중요합니다. 다만 그 비용과 시간이 많이 들기 때문에 자신의 신경망이 현재까지 알려지 있는 강력한 adversarial attack에 얼마나 robust한지 확인하는 프로세스 또한 중요하다고 할 수 있습니다.3.  라이브러리의 목적다른 라이브러리와는 달리, YourBench는 개인 Neural Network를 입력받아 adversarial attack에 대한 Benchmark 점수를 report와 함께 제공합니다. Report는 모델의 취약점과 그에 대한 개선 방안을 제안합니다.개발자는 이를 통해서 자신의 모델의 안정성이 어느정도 인지 가늠할 수 있을 것입니다.
  • more
  • Plane B
  • 점자블록 기반의 Visual-SLAM을 위한 실시간 보행 평면 추정 및 최적화 연구
  • 설명하기에 앞서Braille-SLAM은 GPS가 제대로 동작하지 않는 곳에서의 점자 블록을 지표로 하여 실시간 길안내를 위한 Visual-SLAM (Simultaneous Localization and Mapping)이다. 참여 목적 Braille-SLAM 개발에서 노란 길 전처리와 이미지 노이즈 제거까지는 진행된 상황이었지만 지도 생성이 제대로 되지 않았다. 해당 부분을 개선하고자 PE프로그램에 지원 했다. 노란 길 전처리를 거친 이미지는 3차원 사진의 특성이 거의 사라진 상황이었고, 이로 인해 지도를 생성할 때 위치가 제대로 계산되지 않아 발생한 문제라는 것을 인지했다. 이 문제를 해결하기 위해 SLAM 내부에서 3차원 기준을 만들고 지도를 만드는 과정에서 이를 사용하고자 했다. 아래의 사진은 지도 (좌측)에서 맵 포인트가 제대로 생성되지 않아 점자블록의 형태를 확인할 수 없는 것을 보여준다. 활동 목표1. SLAM의 지도에서 3차원 공간의 기준이 되는 평면(보행 평면) 제작하기- 보행평면을 제작함으로써 맵 포인트가 해당 평면 위에 생성될 수 있도록 제한할 수 있을 것이다. - 보행평면 위에 생성된 맵 포인트는 실시간 지도 생성에 긍정적인 영향을 미칠 것이다.- 이로 인해 보행자 위치 추적은 안정적으로 진행될 수 있을 것이다. 2. 실시간 실행을 위해 연산량 줄이기- 이 SLAM은 실시간 실내 길안내 서비스를 위해 연구되었다. - 매 프레임마다 연산을 반복하게 될텐데, 과다한 연산량은 일부 프레임을 스킵하게 만들고, 이는 SLAM의 성능 저하로 이어질 수 있다. - 이 연구의 최종 목표는 모바일에서 실행되도록 하는 것이기 때문에 모바일 환경을 고려할 필요가 있다. 3. 환경 변화에 대응하기- 대부분의 점자 블록이 설치된 환경은 평지이지만,  일부 전철역사나 도로의 경우 평지가 아닐 수 있다. - 보행평면이 잘못 형성되었거나 사용자가 점자 블록이 있는 곳을 벗어날 경우 대응할 필요가 있다. 
  • more
  • Korean BERT Model
  • BERT 언어 모델의 한국어 적용
  • PE 프로그램 참여 전 대부분의 제 프로젝트는 인공 신경망 기반의 모델을 활용하는 것이 대부분이었습니다.컴퓨터 비전, 추천 시스템, 그래프 분석, 자연어 처리 등의 프로젝트를 다양한 모델을 개인 머신을 활용하여 학습하는 것으로 진행했습니다.그 중 자연어 처리는 구글, 네이버 등에서 BERT, Clova 등의 대형 모델을 개발하여 진행하는 만큼 현재 활발히 연구되는 분야입니다 .하지만 개인 머신에서 진행한 프로젝트인 만큼 부족한 사양으로 인해 한정된 자원에서의 프로젝트만을 진행해왔습니다.또한 사용할 수 있는 모델에도 제한이 있었고, 진행할 수 있는 범위 또한 제한적이었습니다.따라서 이번 PE 프로그램을 통하여 고성능의 머신과 더불어 대용량 언어모델의 구현을 진행하면서 다양한 경험을 쌓는 것을 목표로 했습니다.
  • more
  • 고성능 컴퓨팅
  • CUDA 플랫폼에서 희소 행렬 포맷에 따른 SpMM 분석
  • 평소 저는 최적화 기술에 대해 관심이 있었으며, 이에 대한 공부와 연구를 해보고 싶었습니다.고성능 컴퓨팅 연구실에서 컴파일러, 행렬 및 텐서 연산, 머신 러닝 알고리즘 등 최적화에 관련된 연구를 하는 것을알게 되었고, 2022-동계(1-2월) SW연구생에 지원하여 참여하는 기회를 얻게 되었습니다.참여 당시, 부족한 사항이 많았기 때문에 김진성 교수님의 지도아래 GPUs기반 NVIDIA CUDA 플랫폼에서 이용하여 커널 함수 작성 및 CUDA 라이브러리의 사용법에 익숙해 지는 것이 목표였습니다. 
  • more

중앙대학교 다빈치 sw tech fair 참가신청 닫기

캡스톤디자인 경진대회 SW·AI 연구활동 발표대회 SW·AI 융합 우수성과 발표회 SW·AI 창업 아이디어 경진대회 다빈치 SW·AI 공모전 다빈치 주니어 SW 작품대회 2022 캡스톤 디자인 경진대회