전기정보공학부: 컴퓨터비전의 기초

1. 과목에서 배울 수 있는 내용

TL;DR: 최근 컴퓨터비전은 Deep Learning is All You Need 의 분위기이지만 그럼에도 전통적인 컴퓨터비전 지식이 논문에 자주 나옵니다. 그런 논문을 읽기 위해서, 그리고 컴퓨터비전의 장인이 되고 싶다면 이 강의를 듣기를 권합니다.

한보형 교수님이 진행하는 컴퓨터비전의 기초 강의는 23년에 처음 강의가 열렸습니다. 교수님이 강의를 여신 의도가 “딥러닝이 아닌 전통적인 컴퓨터 비전에 필요한 내용들을 전달한다" 이기 때문에, 만약 딥러닝 관련 수업을 기대한다면 듣지 않는 것을 추천합니다. 그게 아니고, 컴퓨터 비전에 대한 깊은 공부를 하고 싶다면 꼭 들으세요. 참고로 이런 내용은 online lecture 나 textbook 으로 좋은 자료를 찾기 어렵습니다. 딥러닝은 online lecture 가 좋은 게 널린 것과 상반됩니다.

Topics:

Visual correspondence, camera model, depth estimation, unsupervised segmentation 같은 토픽들을 딥러닝이 없던 시절에 어떻게 했는지 등에 대해서 알고 싶다면 듣는 것을 추천합니다. 이런 내용들은 보통 수학적인 (얕은) 지식을 요구하는데, 이는 보통 문제 정의를 optimization 으로 하고 이 과정에서 linear algebra 가 많이 사용되기 때문입니다.

또한 강의에서 배운 내용들을 직접 구현하는 과제들이 있기 때문에 몸으로 익힐 수 있는 점이 매력입니다. 예를 들어 unsupervised image segmentation 같은 내용을 구현하는 과제가 나왔는데, 재밌게도 Python library 를 자유롭게 사용할 수 있었기 때문에 아주 어렵지는 않습니다. 학기말에는 조를 짜서 프로젝트를 진행하는데, 컴퓨터비전과 관련된 내용의 임의의 주제로 프로젝트를 진행하는 것입니다 (딥러닝이어도 상관없습니다).

Prerequisites:

기본적으로 수학적인 백그라운드가 갖추어져야 수업을 들을 수 있습니다. 미적분학, 선형대수학에 대한 공부를 하고 오기를 바라고, 프로그래밍 과제는 matlab 혹은 python 을 다룰 줄 안다면 무난하게 해결할 수 있는 것들입니다.

2. 선배의 조언

• 위에서도 얘기한 것처럼 딥러닝에 대해서 배우는 것을 기대한다면 매우 실망할 수 있습니다. 실제로 강의 초반에 수강생이 정말 많았는데 금방 수많은 드랍자가 발생한 것을 볼 수 있었습니다.
• 만약 컴퓨터비전을 연구하는 researcher 가 되고 싶다면 듣는 것을 매우 권합니다. 요새 아무리 딥러닝이 컴퓨터비전의 주된 접근법이라고는 하지만 이런 basics 들을 아는 것이 큰 도움이 됩니다. 최근에 diffusion model 관련된 논문을 보는데 뜬금없이 camera model, camera 의 intrinsic parameter 라는 내용이 나오더라구요. 만약 이 강의를 듣지 않았다면 그 내용을 이해하지 못했을 것입니다.
• 그리고 딥러닝도 more datas/parameters lead better performance 라는 트렌드를 23년 현재 따르고 있지만, inductive bias, 즉 사람의 직관과 아이디어는 여전히 중요합니다. 이런 부분을 잘 채워줄 수 있는 좋은 강의라고 생각합니다.

3. 진로 선택에 도움되는 점

대학원을 가서 컴퓨터비전을 연구하고 싶다면 듣기를 권합니다. 하지만 그게 아니고 취업을 목표로 한다 하면 그렇게 가성비가 좋지는 않을 수 있습니다. 최근의 state-of-the-art 연구들은 전통적인 컴퓨터비전 기술들을 많이 활용하지 않고, 회사들에서도 잘 이용하지 않기는 합니다.

4. 맺음말

수학을 좋아하고, 컴퓨터 비전의 fundamental 들을 알고 싶고, 컴퓨터비전의 장인이 되고 싶다면 이 강의를 꼭 들으세요. 난 딥러닝만 할거야 라고 한다면 듣지 마시기를 바랍니다.