안녕하세요, Gen AI Lab에서 이미지 및 동영상 생성 연구개발을 맡고 있는 김지현입니다.
저는 2025년 10월 19일부터 23일까지 미국 하와이주 호놀룰루에서 열린 ICCV 2025 (International Conference on Computer Vision) 학회에 참석하여 다양한 비전 연구자분들과 교류하며, 서로의 연구 성과를 발표하는 자리를 가졌습니다.
이번 ICCV 2025 학회에서는 Theme 1, Theme 2, Theme 3, Theme 4 로 나뉘어 여러 연구 성과들이 발표되었고 Google, Meta, Tencent 등과 같은 글로벌 기업들이 가진 현재의 기술력을 선보이고 미래 비전 AI의 방향성들을 논의하는 자리를 가졌습니다.
특히 저는 ICCV MMFM(MultiModal Foundation Models) Workshop에서 연구 성과를 발표하며 다국적의 연구자분들과 의견을 나누었습니다. 이번 글에서는 학회 현장에서 직접 보고 듣고 질문했던 내용들과 제가 발표한 연구 내용을 간단히 소개하고, 학회장 밖에서 경험한 하와이의 문화 및 액티비티들을 종합적으로 공유드리고자 합니다.
1. 학회 소개: ICCV(International Conference on Computer Vision)
ICCV는 컴퓨터 비전 분야에서 가장 권위 있는 국제 학회 중 하나입니다. 1987년에 처음 개최된 이후, 꾸준히 투고되는 논문 수가 증가하며 컴퓨터 비전 연구를 선도하는 핵심 국제 학회로 자리매김했으며, 현재는 IEEE Computer Society 및 CVF(Computer Vision Foundation)가 공동 주관하고 있습니다.
ICCV는 2년에 한 번 개최되며 이미지·비디오 이해, 3D 비전, 로보틱스, 멀티모달 AI 등 최신 비전 기술이 폭넓게 다뤄집니다. 학계의 혁신적인 연구 발표뿐만 아니라 산업 현장에서의 활용 사례도 함께 공유되며, 구글, 메타, 애플, 어도비 등 주요 글로벌 테크 기업 연구자들의 활발한 참여 속에서 첨단 기술 동향을 확인하고 협력 기회를 모색할 수 있는 자리입니다.
이번 ICCV 2025에 제출된 논문은 총 11,239편이며, 이 중 2,699편이 채택되어 약 24%의 채택률을 기록했습니다.
다양한 국가의 연구 성과가 반영된 가운데, 올해도 중국(50%), 미국(17.2%), 한국(5.7%) 순으로 많은 논문이 채택된 것으로 발표되었고 한국 연구자들의 지속적인 활약이 자랑스러웠습니다. Best Paper Awards의 후보군에는 총 13편의 논문이 올랐고, Best Student Paper는 FlowEdit: Inversion-Free Text-Based Editing Using Pre-Trained Flow Models, Best Paper는 Generating Physically Stable and Buildable Brick Structures from Text 가 수상하였습니다.
이 두 가지 연구에 대해서는 이후에 좀 더 자세히 기술하겠습니다.
이번 ICCV 기업 부스에서 소개된 컴퓨터 비전 활용 사례 중 제가 가장 인상 깊었던 기술은 메타에서 연구 목적으로 공개한 AR 글래스 ‘Aria Gen 2’였습니다.
Aria Gen 2는 2개의 비전 카메라와 4개의 스피커를 탑재하고 있으며, AI·로보틱스·컴퓨터 비전 연구에 활용할 수 있도록 설계된 장치입니다. 직접 착용해본 결과, 기존 AR 글래스 대비 매우 가볍고 착용감이 뛰어나다는 점이 특히 돋보였습니다.
스마트폰 앱과 연동해 음악 재생이 가능하고, 음성 명령을 통해 사진 및 영상 촬영을 지원하는 등 사용자 경험이 잘 반영된 기능도 제공하고 있습니다. 앞으로 Aria를 활용한 다양한 연구가 활발하게 진행될 것 같은 기대감이 들었습니다.
또한, 프라이버시 보호를 위한 세심한 설계도 인상적이었습니다. 예를 들어, 프라이버시 모드 버튼을 통해 촬영 기능을 즉시 비활성화할 수 있고, 비디오 녹화 시 외부에서도 이를 인지할 수 있도록 라이트가 자동으로 켜지는 기능이 포함되어 있었습니다. 이러한 구성은 기존 AI 글래스들이 직면했던 프라이버시 문제를 완화하기 위한 노력으로 보였습니다.
2. 연구 논문 소개: [CoT-Pose: Chain-of-Thought Reasoning for 3D Pose Generation from Abstract Prompts]
이번 ICCV 2025에서 발표한 연구 제목은 CoT-Pose: Chain-of-Thought Reasoning for 3D Pose Generation from Abstract Prompts입니다. 본 연구는 기존 text-to-pose generation 기법과 데이터셋이 관절 단위의 세밀한 포즈 묘사 문장(e.g., “Left foot is raised over their left hip and is stretched forward ~”)에 의존해온 한계를 넘어, 사용자에게 보다 직관적인 고수준 동작 표현(e.g., “front kick pose with left leg”)만으로도 3D 포즈를 생성할 수 있도록 하는 것을 목표로 합니다.
이를 위해 저희는 CoT(Chain-of-Thought) 추론을 활용하여 세밀한 포즈 묘사와 사용자 친화적인 간결한 동작 표현 프롬프트 사이의 간극을 해소하는 방법을 제안하였습니다. 즉, 사용자가 간단한 동작 프롬프트를 입력하더라도, 모델이 스스로 관절 수준의 세부 포즈를 추론하고 이를 통해 정밀한 3D 포즈를 생성할 수 있도록 설계했습니다. 이를 구현하기 위해 세밀한 포즈 텍스트 프롬프트 – 간결한 동작 표현 프롬프트 – 3D 포즈 로 구성된 3가지 쌍의 ground truth 데이터셋을 구축하고, 해당 데이터셋을 기반으로 모델을 fine-tuning 하였습니다. 실험 결과, 기존 방법론들 대비 뛰어난 일반화 성능을 보였습니다. 또한, 모델의 각 구성 요소 및 설정을 단계적으로 검증하는 분석 실험을 수행하여, 제안한 접근 방식의 타당성과 효과를 입증하였습니다.
포스터 발표 세션에서는 유사한 문제의식을 가진 다양한 국적의 연구자들과 활발히 의견을 교환할 수 있었습니다. 특히 기존 방법들의 비실용적인 측면을 지적하고 이를 간단하면서도 효과적인 방식으로 해결했다는 점에서 많은 관심과 긍정적인 반응을 얻었습니다. 여러 연구자분들과 경험을 공유하며, 연구에서는 높은 성능뿐 아니라 실제 활용 가능한 실용성 역시 함께 고려되어야 함을 다시 한 번 새겼습니다.
논문 링크: CoT-Pose: Chain-of-Thought Reasoning for 3D Pose Generation from Abstract Prompts
3. 주요 키노트 소개: Best Papers
올해 ICCV에서 특히 주목받은 연구들을 소개하고자 합니다. 현장에서 직접 Best Paper Awards 시상식에 참석한 결과, Best Student Paper는 FlowEdit, Best Paper는 Generating Physically Stable and Buildable Brick Structures from Text가 선정되었습니다. 해당 연구들은 Oral 발표는 물론 포스터 세션에서도 많은 연구자들의 관심을 받으며, 발표 공간이 가득 찰 정도로 높은 인기를 얻었습니다.
- FlowEdit: Inversion-Free Text-Based Editing Using Pre-Trained Flow Models
FlowEdit는 텍스트 기반으로 이미지를 편집하기 위한 새로운 방식으로, 기존 기법이 필수적으로 거쳤던 inversion 단계를 생략하고, 사전 학습된 Flow 모델을 활용하여 원본 이미지와 목표 이미지 간의 분포를 직접 연결하는 미분 방정식(ODE)를 구성합니다. 이를 통해 두 이미지 간의 경로를 최적화함으로써 이미지의 구조 보존 성능과 편집 품질을 효과적으로 향상시킨 방법입니다. 시간이 지날수록 방법론과 모델이 점점 복잡해지고 무거워지는 추세 속에서, 본 연구는 단순하지만 설득력 있는 아이디어를 통해 명확한 성능 개선을 달성했다는 점에서 개인적으로 향후 연구 방향성에 대한 새로운 인식 전환을 하게 되었습니다.
- Generating Physically Stable and Buildable Brick Structures from Text
본 연구는 물리적으로 실현 가능한 구조물을 생성하는 문제를 LEGO 기반 설계 환경에서 다루었습니다. LEGO는 구성 요소를 확보하기 용이하여, 실제 재현 가능한 벤치마크를 구축하는 데 효과적이라는 점에서 실험 플랫폼으로 선택되었습니다. 본 논문에서는 기존의 next-token 예측을 위해 학습된 LLM을 확장하여, 다음에 배치될 LEGO 블록을 예측(next-brick prediction)하는 방식으로 활용하였습니다.
또한 생성된 구조의 물리적 안정성과 조립 가능성을 보장하기 위해 학습 및 추론 과정에서 물리 기반 조립 제약 조건을 적용하였습니다. 쉽게 말해, 주어진 LEGO 조각들을 이용해 목표 형태를 만들기 위해, 물리적으로 안정적인 쌓기 계획을 자동으로 수립하는 방식입니다. 발표를 들으며 실제 물리 정보를 통합한 LEGO 설계 환경을 제시한 점이 인상적이었고, 기존 접근 방식과 비교해 차별성이 뚜렷하게 드러났다고 느꼈습니다.
4. 알로하의 섬, 하와이 호놀룰루
호놀룰루에서 열린 올해 ICCV는 학회장 밖에서의 시간 역시 풍요로웠으며, 현지의 여유로운 분위기 속에서 알로하 정신을 느낄 수 있었습니다.
- 모두가 사랑하는 휴양지의 날씨
하와이의 해변은 대부분 맑고 강한 햇빛이 내리쬐어, 잠깐 수영을 하고 나와도 어깨가 따끔할 정도였습니다. 반면 산과 가까운 지역에서는 짧은 소나기가 자주 내리는 특유의 기후 덕분에, 학회 기간 동안 하루에도 여러 번 무지개를 마주할 수 있었습니다. 맑음과 비가 조화롭게 공존하는 특유의 날씨를 체감할 수 있는 시간이었습니다.
- 와이키키 해변에서의 서핑
호놀룰루를 걷다 보면 누구나 한 번쯤 지나치는 와이키키 해변에서 처음으로 서핑에 도전해보았습니다. 한국의 해변과 비교했을 때, 와이키키 해변은 수심이 약 1.4m 정도로 비교적 일정하게 유지되고 꾸준한 파도가 들어와 초보자도 산호초만 주의하면 부담 없이 도전할 수 있는 환경이라는 인상을 받았습니다.
-
포케부터 코나 커피까지, 하와이의 음식
학회 일정 외 시간에는 현지의 다양한 음식을 접할 수 있었습니다. 특히 포케, 코나 커피, 아사이볼은 신선한 해산물과 과일, 그리고 풍미 깊은 커피 향이 인상적이었고 쉐이브 아이스는 더운 날씨를 잊게 해주는 맛이었습니다. 각각의 음식이 하와이의 자연과 문화가 담긴 고유의 맛을 전달해주어 짧은 일정 속에서도 현지의 식문화를 잘 느낄 수 있었습니다.
5. 맺음말
이번 ICCV 2025 학회 참석은 컴퓨터 비전 분야의 다양한 주제를 한 자리에서 접할 수 있는 소중한 기회였습니다.
특히, 최근 연구들이 단순히 비전 기술의 성능 향상에 그치지 않고 실제 물리적 정보나 물리 환경의 제약을 함께 고려하는 방향으로 발전하고 있는 추세를 체감할 수 있었으며, 이러한 흐름 속에서 저 역시 보다 실세계에 밀접하고 실용적인 AI 연구를 지향해야겠다는 동기를 얻을 수 있었습니다.
이번 경험을 바탕으로 Gen AI Lab에서 단순한 Vision AI 의 적용을 넘어 현실 세계를 고려한 실질적 연구 성과를 만들어가고 싶습니다.