권기택 Gitaek Kwon
EN
Gitaek Kwon

권기택 Gitaek Kwon

AI Research Scientist

Computer Vision · Research & Production

VUNO Inc.에서 컴퓨터 비전 연구원으로 일하며, 학습을 마친 모델과 실제 제품 사이의 간극을 메우는 문제를 해결하고 있습니다.

주요 연구 관심사는 소량·불균형 데이터 학습, OOD(Out-of-Distribution) 탐지, 그리고 생성 모델을 활용한 데이터 증강입니다. 의료 영상 도메인을 중심으로 ICLR, MICCAI, BMVC, ISBI 등에서 논문을 발표하였으며, 연구 단계의 모델이 실제 서비스에 안착할 수 있도록 추론 최적화 및 릴리즈 자동화 전반을 함께 다룹니다. 최근에는 VLM과 LLM 에이전트 기술을 탐구하며 연구 영역을 확장하고 있습니다.

Email GitHub Google Scholar CV

주요 논문

전체 논문 →

  • ICLR 2026

    Frequency-Balanced Retinal Representation Learning with Mutual Information Regularization

    S. Lee, S. Kang, I. Park, G. Kwon, J. Baek, D. Park

    MAE가 배경에 해당하는 저주파 정보에 치우쳐 판별에 필요한 고주파 구조를 충분히 학습하지 못하는 문제를 다뤘습니다. 고주파 정보와 인코더 표현 사이의 상호정보량을 높이는 정규화 항을 목적함수에 추가했습니다.

    Paper

  • MICCAI 2024

    Semi-supervised Segmentation through Rival Networks Collaboration with Saliency Map in Diabetic Retinopathy

    E. Kim, G. Kwon, J. Kim, H. Park

    픽셀 라벨이 적고 객체별 크기와 빈도 차이가 큰 상황에서 의사 라벨의 오류가 쌓이는 문제를 다뤘습니다. 손실 가중치가 다른 두 네트워크 중 Dice가 높은 쪽의 예측을 의사 라벨로 쓰고, saliency map으로 신뢰할 수 있는 영역에만 일관성 손실을 적용했습니다.

    Paper Code

  • BMVC 2023공동 1저자구두 발표

    Improving Out-of-Distribution Detection Performance using Synthetic Outlier Exposure Generated by Visual Foundation Models

    G. Kwon, J. Kim, H. Choi, B. Yoon, S. Choi, K.-H. Jung

    OOD 탐지 모델을 학습하려면 학습 분포 밖의 데이터를 따로 모아야 하는 문제를 다뤘습니다. CLIPseg로 학습 이미지의 객체 영역을 찾고 latent diffusion으로 해당 영역을 배경으로 채워, 기존 이미지에서 OOD 데이터를 만들었습니다.

    Paper Code

  • MICCAI 2022제1저자챌린지 우승

    Bag of Tricks for Developing Diabetic Retinopathy Analysis Framework to Overcome Data Scarcity

    G. Kwon, E. Kim, S. Kim, S. Bak, M. Kim, J. Kim

    공개 데이터가 없고 라벨이 적으며 클래스 불균형이 큰 환경에서 분할과 분류 문제를 다뤘습니다. Deep Ensemble과 TTA를 적용하고, 신뢰도가 높은 예측부터 학습 데이터에 단계적으로 추가했습니다.

    Paper Code

  • ICLR 2020

    Generalized Convolutional Forest Networks for Domain Generalization and Visual Recognition

    J. Ryu, G. Kwon, M.-H. Yang, J. Lim

    랜덤 포레스트는 개별 트리의 분류력을 높이면 트리 사이의 예측도 비슷해지는 문제가 있습니다. 트리의 분할 분포에서 triplet을 샘플링해 같은 클래스는 가깝게, 다른 클래스는 멀어지도록 특징 공간을 학습했습니다.

    Paper

수상

전체 이력 →
  • 2024.05

    1위 · JustRAIGS — AI Glaucoma Screening Challenge ISBI 2024

    37개국 322명이 참가했고, 최종 phase 20팀 중 종합 1위를 기록했습니다. 태스크는 의뢰 필요 여부를 판단하는 이진 분류와 10개 세부 특징을 판별하는 다중 라벨 분류였습니다.

  • 2022.09

    1위 · DRAC22 — Diabetic Retinopathy Analysis Challenge MICCAI 2022

    미세 구조 다중 클래스 분할, 이미지 품질 분류, 중증도 등급 분류의 3개 태스크로 구성됐으며 전 부문 1위를 기록했습니다.

  • 2016.11

    동상 · ACM-ICPC Korea Regional ACM

특허

전체 특허 →

직접 만든 것

전체 포스트 →