▲ (왼쪽부터) 장재석 석박통합과정생, 전승민 석박통합과정생, 박세진 박사과정생, 김푸름 석박통합과정생, 김태훈 박사후연구원
고려대학교 전기전자공학부 신호처리 분과 소속 김창수·정승원·진경환·황원준 교수 연구팀이 참여한 논문 4편이 인공지능 분야 최우수 국제학술대회 Neural Information Processing Systems(NeurIPS) 2026에 채택됐다. 이 가운데 한 편은 전기전자공학부 이해범 교수 연구팀과의 공동 연구로 수행됐다.
이번에 채택된 연구들은 점진적 영상 압축, 로직 게이트 네트워크(Logic Gate Network)의 확장 및 효율화, 암시적 신경 표현(Implicit Neural Representation), 온라인 테스트 타임 적응(Online Test-Time Adaptation) 등 인공지능 및 신호처리의 다양한 주제를 다루며, 각 분야에서 기존 방법의 한계를 개선하기 위한 새로운 방법론을 제안했다.
■ 김창수 교수 연구팀
• 논문명: Bound-Conditioned Latent Inference for Progressive Image Compression
• 제1저자: 장재석·전승민 석박통합과정생
• 주요 내용: Tri-plane 기반의 점진적 압축에서 정보의 전송에 따라 원본 특징이 가질 수 있는 범위가 점차 좁아진다는 점에 착안하여, 해당 범위 정보를 조건으로 활용해 압축에 필요한 확률분포와 특징 복원값을 반복적으로 정교화하는 방법을 제안했다.
■ 정승원 교수 연구팀
• 논문명: Overcoming Kernel Redundancy for Scaling Logic Gate Networks
• 제1저자: 박세진 박사과정생
• 주요 내용: Logic Gate Network의 폭(width)을 확장할수록 논리 커널 간 중복으로 인해 성능이 포화되는 문제를 발견하고, 입력에 따라 커널 그룹을 선택하는 Dynamic Logic Kernel(DLK)과 중복이 집중되는 초기 게이트 단계만을 효율적으로 동적 선택하는 Early-stage Dynamic Logic Kernel(EDLK)을 제안했다. 이를 통해 논리 커널의 다양성과 모델 확장 효율을 향상시켰다.
■ 이해범·진경환 교수 공동 연구팀
• 논문명: ProPolar: Progressive Polar Decomposition for Implicit Neural Representations
• 제1저자: 김푸름 석박통합과정생
• 주요 내용: INR(Implicit Neural Representation) 학습이 거친 구조에서 세밀한 디테일로 이어지는 과정에 맞춰 모멘텀 부공간의 랭크를 점진적으로 확장하는 옵티마이저 ProPolar를 개발했다. 이를 통해 이미지 피팅, 초해상도 및 NeRF에서 기존 방식보다 더욱 선명하고 정확한 복원이 가능하도록 했다.
■ 황원준 교수 연구팀
• 논문명: Bridging CLIP with DINO: Cross-Modal Information Maximization for Online Test-Time Adaptation
• 제1저자: 김태훈 박사후연구원
• 주요 내용: VLM(Vision-Language Model)이 노이즈 환경에서 텍스트 의미에 과도하게 의존해 정보가 왜곡되는 Modality Bias 문제를 해결하기 위해, self-supervised model의 기하학적 시각 정보를 결합해 예측을 상호 보완하고 실시간 최적화 과정에서 발생하는 오류를 능동적으로 교정하는 프레임워크를 제안했다.
이번 NeurIPS 2026 논문 4편 채택을 통해 고려대학교 전기전자공학부 신호처리 분과 연구진은 영상 압축, 효율적인 인공지능 모델, 신경 표현 학습 및 테스트 타임 적응 등 다양한 인공지능·신호처리 분야에서 연구 성과를 이어가고 있다.