행사명

[부산대 AI 콜로퀴엄 2022] 4차 강연
- 2022. 10/7(금) 컴퓨터비전의 과거, 현재, 그리고 미래 & The robust principal component analysis
이경무 주임교수·AI대학원장(서울대학교 대학원 협동과정 인공지능전공) & 김충락 교수(부산대학교 통계학과)

행사 개요

부산대 AI 콜로퀴엄 2022 네 번째 강연을 안내드립니다.
첫 번째 세션에서는 컴퓨터 비전 기술의 과거, 현재, 미래 그리고 향후 발전 방향에 대해 설명하고
두 번째 세션에서는 AI에 있어서 필수적인 툴인 robust PCA(Principal Component Analysis)와 최근 알고리즘에 대해 소개합니다.
관심 있는 분들의 많은 참석 바랍니다.

* 콜로퀴엄은 온오프라인으로 진행될 예정이며 오프라인 참석 사전 등록 및 온라인 참가 신청을 각각 받고 있습니다.
가급적 오프라인으로 참석하시기를 권장드리며, 오프라인이 참석이 불가하신 경우 온라인 참가 신청을 해주시기 바랍니다.
* 김충락 교수님의 강연이 추가됨에 따라 두 세션으로 나누어서 진행됨을 알려드립니다.

참석 대상

관심 있는 누구나

강연 일시

2022. 10. 7(금) 오후 1:30 ~ 3:30

강연 장소

콜로퀴엄은 온오프라인으로 진행될 예정입니다.
- 오프라인 : 부산대학교 대학본부 3층 대회의실
- 온라인 : Zoom

강연 주제

컴퓨터비전의 과거, 현재, 그리고 미래 & The robust principal component analysis

강연 연사

■■ [Session 1]
이경무 / 서울대학교 대학원 협동과정 인공지능전공 주임교수·AI대학원장

▶ 연사 소개
서울대학교 석좌교수
서울대학교 대학원 협동과정 인공지능전공 주임교수
서울대학교 전기정보공학부 교수
[학력]
1988.9-1993.5: 미국 Univ. of Southern California 전기공학과 박사 (국비유학)
1984.3-1986.2: 서울대학교 공과대학 제어계측공학과 석사
1908.3-1984.2: 서울대학교 공과대학 제어계측공학과 학사
[경력]
2022.9-현재: 국가데이터청책위원회 위원
2021.1-현재: IEEE Fellow
2021.1-현재: 한국과학기술한림원 정회원
2020.1-현재: 한국공학한림원 정회원
2018-2021: 한국컴퓨터비전학회 회장
2022-2023: 세계최고 인공지능 저널 IEEE Trans. on PAMI 편집장 (Editor in Chief)
2015-2019: 세계최고 인공지능 학술대회 IEEE ICCV (International Conf. on Computer Vision) 2019 조직위원장
2015-2018: ACM 2018 조직위원장
2012-2014: 서울대학교 자동화시스템 공동연구소 소장
2009-2011: 서울대학교 공과대학 부학장
2009-2011: 서울대학교 공과대학 연구지원소 소장
[수상]
2022, 삼일문화상, 삼일 문화재단
2020, 서울대학교 학술교육연구상 (연구부문)
2020, 정보통신 발전 유공정부포상 (홍조근정훈장), 정부
2018, 이달의 과학기술인상, 과학기술정보통신부
2010, 우수연구상, 서울대학교 공과대학
2010 신양공학 학술상, 서울대학교 공과대학
2009, Most Influential Paper over the Decade Award, IAPR MVA (Machine Vision Application)
2006, 일본 Okawa 재단 Research Grant Award

■■ [Session 2]
김충락 / 부산대학교 통계학과 교수

▶ 연사 소개
[학력]
1984.9-1989.5: 위스콘신대학교 통계학과 박사
1981.3-1983.2: 서울대학교 대학원 계산통계학과 석사
1977.3-1981.2: 서울대학교 계산통계학과 학사
[경력]
1984.9-1986.5: Univ. of Wisconsin - Madison 강의조교 (TA)
1986.9-1989.5: Univ. of Wisconsin - Madison 연구조교 (RA)
1989.6-1990.2: Univ. of Wisconsin - Madison Cancer Clinical Center 선임연구원
1990.3-1994.3: 부산대학교 통계학과 조교수
1994.4-1999.3: 부산대학교 통계학과 부교수
1999.4-현재: 부산대학교 통계학과 교수
1998.1-1999.12: 한국통계학회 통계학 연구 편집위원
2002.1-2002.12: Univ. of Wisconsin - Madison 방문교수
2006.1-2007.12: 한국통계학회 통계학 연구 편집위원장
2008.1-2013.12: 한국통계학회 통계학 연구 편집위원
2010.3-2012.1: 부산대학교 통계학과 학과장
2012.2-2014.8: 부산대학교 입학관리본부 입학관리본부장
2014.8-2016.2: 부산대학교 교무처 교무처장
2018.1-2018.12: 한국통계학회 회장
[수상]
2008.3: Impact factor 10.0이상인 PNAS 저널에 제1저자로 논문발표
2010.2: 부산시장으로부터 감사패 수여 (제94호)
2010.4: 부산시 과학기술상(부산시)
2013.7: 최우수 논문상(영국통계학회)
2013.11: 제1회 부산대학교 교육자상(부산대학교)
2014.11: 한국갤럽학술상(한국통계학회)
2015.11: 눌원학술상(눌원문화재단)
2018.7: 교육부장관 표창(KMOOC 최우수 강좌로 선정)
2022.9: 근정포장(28회 통계의 날 기념행사)

강연 요약

[Session 1]
In the past decade, we have witnessed a breakthrough in artificial intelligence, especially computer vision, driven by a new wave of deep learning. Just as visual information occupies the largest portion of human intelligence, computer vision is a core topic of artificial intelligence. Therefore, the development of computer vision is an important touchstone for the development of artificial general intelligence in the future. In this talk, I would like to discuss the past, present, and future of computer vision technology. Major issues and problems in computer vision history will be reviewed, representative approaches, and ideas, as well as achievements, will be analyzed. Furthermore, the direction of future development and technical challenges to be solved in the future will be discussed.

[Session 2]
PCA (principal component analysis) is the most widely used technique in dimension reduction, however, it is very sensitive to outliers. A robust version of PCA, called robust PCA, was suggested by two seminal papers by Candes et al. (2011) and Chandrasekaran et al. (2011). The robust PCA is an essential tool in the artificial intelligence such as background detection, face recognition, ranking, and collaborative filtering. Also, the robust PCA receives a lot of attention in the natural science such as mathematics, statistics, and physics in addition to the computer science. In this lecture, we introduce recent algorithms for the robust PCA by the manifold optimization (Zhang and Yang, 2018) and give some illustrative examples.

신청 방법

▶ 오프라인 참석 사전 등록
https://bit.ly/PNUAI-colloquium-offline

▶ 온라인 참가 신청
https://bit.ly/PNUAI-colloquium

주최

부산대학교 인공지능융합연구센터

문의

051-510-3356