첨단영상대학원, ECCV 2026 논문 9편 발표 쾌거… 세계적 수준의 컴퓨터비전 연구 경쟁력 입증
우리 대학 첨단영상대학원 연구진이 컴퓨터비전 분야 세계 최고 권위 국제학술대회인 ECCV 2026(European Conference on Computer Vision)에서 총 9편의 논문을 발표하는 쾌거를 이뤘다.
ECCV는 유럽컴퓨터비전협회(European Computer Vision Association)가 주관하는 대표적인 최상위 국제학술대회로, CVPR, ICCV와 함께 세계 3대 컴퓨터비전 학술대회로 평가받는다. 이번 9편의 논문 발표는 단일 학술대회에서 거둔 대규모 성과로, 첨단영상대학원의 연구 저변과 국제적 경쟁력을 동시에 보여준다는 점에서 의미가 크다.
특히 이번 성과는 3D 형상 조립과 물리 기반 아바타, 생성형 이미지·영상 기술, 딥페이크 탐지, 영상 복원, 대규모 비전언어모델, 지속학습 등 컴퓨터비전의 핵심 분야를 폭넓게 아우른다. 이는 예술과 공학의 융합을 지향해 온 첨단영상대학원의 연구 역량이 다양한 세부 분야에서 세계적 수준으로 확장되고 있음을 보여준다.
권혁준 교수 연구진은 Distill Once, Adapt Life-Long: Exploring Dataset Distillation for Continual Test-Time Adaptation을 통해 개인정보와 라이선스 문제로 원본 학습 데이터를 보관하기 어려운 환경에서도 AI 모델이 변화하는 환경에 장기간 안정적으로 적응할 수 있는 지속적 테스트 단계 적응 기술을 제안했다. 대규모 원본 데이터를 소수의 합성 데이터로 압축해 학습 기준점으로 활용함으로써, 모델의 망각과 성능 저하를 효과적으로 완화했다.
박진휘 교수 연구진은 3D 콘텐츠와 멀티모달 AI 분야에서 총 3편의 논문에 참여했다. Disentangling Rotation and Translation from SE(3)-Equivariant Features for Shape Assembly는 3D 형상 조립 과정에서 회전과 이동 정보를 분리해 다양한 형상과 환경에서도 높은 일반화 성능을 확보하는 기술을 제안했다.
PIAvatar: Physically Interactive Avatars via Deformation Gradient Decoupling은 아바타가 주변 사물이나 다른 아바타와 물리적으로 상호작용하고, 충돌에 따라 신체와 의상이 자연스럽게 변형되는 시뮬레이션 기술을 개발했다. 또한 When Sinks Help or Hurt: Unified Framework for Attention Sink in Large Vision-Language Models는 대규모 비전언어모델에서 일부 시각 토큰에 과도한 주의가 집중되는 현상을 분석하고, 입력과 계층에 따라 이를 조절하는 경량 기법을 제안했다.
오지형 교수 연구진은 생성형 AI와 영상 복원 분야에서 총 3편의 논문을 발표한다. CHIMERA: Adaptive Cache Injection and Semantic Anchor Prompting for Zero-shot Image Morphing with Morphing-oriented Metrics는 별도의 재학습 없이 서로 다른 두 이미지를 자연스럽게 연결하는 이미지 모핑 기술과 새로운 평가 지표를 제안했다.
AVSR-Diff: Scale-Agnostic Diffusion Priors for Temporally Consistent Arbitrary-Scale Video Super-Resolution은 하나의 모델로 다양한 배율의 영상을 선명하게 확대하면서 시간적 깜빡임과 메모리 사용량을 줄이는 기술을 개발했다. FMA-Net++: Motion- and Exposure-Aware Joint Video Super-Resolution and Deblurring은 촬영 과정에서 변화하는 움직임과 노출시간을 함께 고려해 흐릿한 저해상도 영상을 빠르고 선명하게 복원하는 방법을 제시했다.
최종원 교수 연구진은 영상의 신뢰성과 안전성을 높이는 두 편의 연구 성과를 발표한다. Preserving Knowledge across Space and Time for Continual Video Deepfake Detection은 새로운 딥페이크 유형을 지속적으로 학습하면서도 기존 탐지 지식을 잊지 않도록 공간·시간 정보를 분리해 보존하는 방법을 제안했다.
Rethinking Detection Calibration: A Coordinate and Direction Perspective는 객체 탐지 모델의 예측 신뢰도를 보다 정확하게 보정하기 위한 새로운 관점을 제시해, 실제 환경에서 AI 탐지 결과의 신뢰성과 활용 가능성을 높였다.
이번 성과는 특정 연구실이나 세부 분야에 국한되지 않고 다수의 교수와 학생 연구자가 함께 거둔 결과라는 점에서도 주목된다. 현실 세계를 정밀하게 이해하고 복원하는 영상 AI부터 차세대 콘텐츠 제작을 위한 생성형 AI, 물리적 상호작용이 가능한 3D 아바타, 딥페이크 대응과 신뢰가능 AI까지 연구 범위가 고르게 확장됐다는 평가다.
이창재 첨단영상대학원 원장은 “ECCV는 컴퓨터비전 분야에서 세계 최고 수준의 연구 성과가 발표되는 학술대회로, 9편의 논문을 한꺼번에 발표하게 된 것은 첨단영상대학원의 연구 경쟁력과 우수한 인재 양성 체계를 보여주는 매우 뜻깊은 성과”라며 “앞으로도 예술과 공학의 융합이라는 대학원의 정체성을 바탕으로 글로벌 AI·콘텐츠 분야를 선도할 연구와 인재 양성에 힘쓰겠다”고 밝혔다.
첨단영상대학원은 이번 ECCV 2026 성과를 계기로 컴퓨터비전, 생성형 AI, 3D 콘텐츠, 영상 복원 및 신뢰가능 AI 분야의 국제 공동연구를 확대하고, 세계적 수준의 교육·연구 역량을 지속적으로 강화해 나갈 계획이다.
ECCV는 유럽컴퓨터비전협회(European Computer Vision Association)가 주관하는 대표적인 최상위 국제학술대회로, CVPR, ICCV와 함께 세계 3대 컴퓨터비전 학술대회로 평가받는다. 이번 9편의 논문 발표는 단일 학술대회에서 거둔 대규모 성과로, 첨단영상대학원의 연구 저변과 국제적 경쟁력을 동시에 보여준다는 점에서 의미가 크다.
특히 이번 성과는 3D 형상 조립과 물리 기반 아바타, 생성형 이미지·영상 기술, 딥페이크 탐지, 영상 복원, 대규모 비전언어모델, 지속학습 등 컴퓨터비전의 핵심 분야를 폭넓게 아우른다. 이는 예술과 공학의 융합을 지향해 온 첨단영상대학원의 연구 역량이 다양한 세부 분야에서 세계적 수준으로 확장되고 있음을 보여준다.
권혁준 교수 연구진은 Distill Once, Adapt Life-Long: Exploring Dataset Distillation for Continual Test-Time Adaptation을 통해 개인정보와 라이선스 문제로 원본 학습 데이터를 보관하기 어려운 환경에서도 AI 모델이 변화하는 환경에 장기간 안정적으로 적응할 수 있는 지속적 테스트 단계 적응 기술을 제안했다. 대규모 원본 데이터를 소수의 합성 데이터로 압축해 학습 기준점으로 활용함으로써, 모델의 망각과 성능 저하를 효과적으로 완화했다.
박진휘 교수 연구진은 3D 콘텐츠와 멀티모달 AI 분야에서 총 3편의 논문에 참여했다. Disentangling Rotation and Translation from SE(3)-Equivariant Features for Shape Assembly는 3D 형상 조립 과정에서 회전과 이동 정보를 분리해 다양한 형상과 환경에서도 높은 일반화 성능을 확보하는 기술을 제안했다.
PIAvatar: Physically Interactive Avatars via Deformation Gradient Decoupling은 아바타가 주변 사물이나 다른 아바타와 물리적으로 상호작용하고, 충돌에 따라 신체와 의상이 자연스럽게 변형되는 시뮬레이션 기술을 개발했다. 또한 When Sinks Help or Hurt: Unified Framework for Attention Sink in Large Vision-Language Models는 대규모 비전언어모델에서 일부 시각 토큰에 과도한 주의가 집중되는 현상을 분석하고, 입력과 계층에 따라 이를 조절하는 경량 기법을 제안했다.
오지형 교수 연구진은 생성형 AI와 영상 복원 분야에서 총 3편의 논문을 발표한다. CHIMERA: Adaptive Cache Injection and Semantic Anchor Prompting for Zero-shot Image Morphing with Morphing-oriented Metrics는 별도의 재학습 없이 서로 다른 두 이미지를 자연스럽게 연결하는 이미지 모핑 기술과 새로운 평가 지표를 제안했다.
AVSR-Diff: Scale-Agnostic Diffusion Priors for Temporally Consistent Arbitrary-Scale Video Super-Resolution은 하나의 모델로 다양한 배율의 영상을 선명하게 확대하면서 시간적 깜빡임과 메모리 사용량을 줄이는 기술을 개발했다. FMA-Net++: Motion- and Exposure-Aware Joint Video Super-Resolution and Deblurring은 촬영 과정에서 변화하는 움직임과 노출시간을 함께 고려해 흐릿한 저해상도 영상을 빠르고 선명하게 복원하는 방법을 제시했다.
최종원 교수 연구진은 영상의 신뢰성과 안전성을 높이는 두 편의 연구 성과를 발표한다. Preserving Knowledge across Space and Time for Continual Video Deepfake Detection은 새로운 딥페이크 유형을 지속적으로 학습하면서도 기존 탐지 지식을 잊지 않도록 공간·시간 정보를 분리해 보존하는 방법을 제안했다.
Rethinking Detection Calibration: A Coordinate and Direction Perspective는 객체 탐지 모델의 예측 신뢰도를 보다 정확하게 보정하기 위한 새로운 관점을 제시해, 실제 환경에서 AI 탐지 결과의 신뢰성과 활용 가능성을 높였다.
이번 성과는 특정 연구실이나 세부 분야에 국한되지 않고 다수의 교수와 학생 연구자가 함께 거둔 결과라는 점에서도 주목된다. 현실 세계를 정밀하게 이해하고 복원하는 영상 AI부터 차세대 콘텐츠 제작을 위한 생성형 AI, 물리적 상호작용이 가능한 3D 아바타, 딥페이크 대응과 신뢰가능 AI까지 연구 범위가 고르게 확장됐다는 평가다.
이창재 첨단영상대학원 원장은 “ECCV는 컴퓨터비전 분야에서 세계 최고 수준의 연구 성과가 발표되는 학술대회로, 9편의 논문을 한꺼번에 발표하게 된 것은 첨단영상대학원의 연구 경쟁력과 우수한 인재 양성 체계를 보여주는 매우 뜻깊은 성과”라며 “앞으로도 예술과 공학의 융합이라는 대학원의 정체성을 바탕으로 글로벌 AI·콘텐츠 분야를 선도할 연구와 인재 양성에 힘쓰겠다”고 밝혔다.
첨단영상대학원은 이번 ECCV 2026 성과를 계기로 컴퓨터비전, 생성형 AI, 3D 콘텐츠, 영상 복원 및 신뢰가능 AI 분야의 국제 공동연구를 확대하고, 세계적 수준의 교육·연구 역량을 지속적으로 강화해 나갈 계획이다.