서울--(뉴스와이어)--중앙대학교 생성적인공지능연구실(Generative AI Lab, GAIL)은 세계 최고 권위의 컴퓨터 비전·인공지능(AI) 학회인 ‘CVPR 2026(IEEE/CVF Conference on Computer Vision and Pattern Recognition)’에서 총 3편의 논문을 동시에 채택받았다고 밝혔다.

메인트랙(Main Track) 2편, Findings Workshop 1편이 각각 채택된 이번 성과는 ‘AI 모델이 어떻게, 언제, 왜 특정 판단에 도달하는가’라는 근본적 질문에 대해 체계적 답을 제시한 연구로, 자율주행·의료·금융 등 고위험 AI 분야의 신뢰성과 효율성을 혁신할 수 있는 핵심 기반 기술을 담고 있다.

Nature 다음가는 세계 2위 영향력, CVPR은 어떤 학회인가

CVPR은 1983년부터 매년 개최되는 컴퓨터 비전·AI 분야의 최정상급 국제 학회다. Google Scholar h5-index 기준으로 Nature 다음으로 전 세계에서 두 번째로 영향력이 높은 학술 출판물로 평가받고 있으며, 이는 New England Journal of Medicine, Science, The Lancet 등 세계적 학술지보다도 높은 순위다. 올해에는 총 1만6092편의 논문이 투고돼 약 25%만이 채택되는 극도로 경쟁적인 심사 과정을 거쳤다. 한 연구실에서 동시에 3편이 채택된 것은 연구의 깊이와 폭 모두에서 세계적 수준의 경쟁력을 인정받은 것으로 평가된다.

논문 ①: AI 모델들이 의견이 갈리는 사진은 따로 있다

‘Consensus vs. Controversy: Mapping the Decision Space Where Architectures Diverge’

설계 방식이 서로 다른 AI 모델 12개를 동시에 테스트한 결과, 전체 이미지의 약 10%에 해당하는 ‘논쟁적 사진’에서 모델 간 의견 차이가 4.5배나 높게 나타남을 규명했다. 같은 계열(예: CNN끼리)은 비슷한 답을 내지만, 다른 계열 간에는 체계적으로 다른 판단을 내렸다. 나아가 여러 모델을 함께 사용할 때 계산량을 90% 절감하면서도 83.7%의 정확도를 유지하는 효율적 추론 전략을 제시해, 클라우드 비용 절감과 에지 디바이스에서의 실시간 AI 구동에 직접 활용할 수 있는 기술적 토대를 마련했다.

논문 ②: AI는 언제 마음을 정할까

‘When Do Models Actually Decide? Mapping the Layer-Wise Decision Timeline in Pretrained Neural Networks’

AI 모델이 수십 개의 처리 단계(층) 중 몇 번째에서 답을 정하는지를 추적한 연구다. 소방차처럼 뚜렷한 사진은 초반에 이미 답이 정해지지만, 헷갈리는 사진은 마지막 층까지 가야 답이 나왔다. 전체 이미지의 약 39%는 네트워크 앞쪽 1/3 지점에서 결정이 이루어졌고, 실질적 판단 능력은 마지막 몇 개 층에서 15배 가까이 급격히 향상되는 ‘상전이’ 현상이 관찰됐다. 이는 쉬운 입력은 빠르게, 어려운 입력은 꼼꼼하게 처리하는 차세대 AI 경량화 전략의 과학적 근거를 제공한다.

논문 ③: AI의 1등 답만 보면 안 된다

‘Beyond Top-1: Forensic Analysis of Full Prediction Distributions Reveals Hidden Model Reasoning’

AI가 1등 답만이 아니라 나머지 999개 후보에 매긴 점수 분포를 함께 분석하면 AI의 실제 사고 과정에 대한 훨씬 풍부한 정보를 얻을 수 있음을 밝혔다. 연구팀은 추가 학습 없이도 AI 예측의 신뢰도를 판단할 수 있는 ‘Distribution Diagnostic Score(DDS)’ 지표를 제안해 의료 진단이나 자율주행 등 AI의 실수가 허용되지 않는 분야에서 예측 신뢰성을 사전 검증하는 안전장치로 활용할 수 있는 길을 열었다.

자율주행·의료·금융 등 고위험 AI 분야에 폭넓은 파급효과 기대

이번 연구 성과는 AI 산업 전반에 폭넓은 파급효과가 기대된다. AI의 내부 추론을 해석하고 신뢰도를 정량화하는 기술은 의료, 자율주행, 금융 등 규제가 엄격한 산업에서 AI 도입을 가속화하는 데 기여할 수 있다. 계산량을 최대 90% 절감하는 효율적 추론 기술은 클라우드 비용 절감과 탄소 발자국 감소에 직결되며, AI 모델 아키텍처별 강점과 약점에 대한 정밀 분석은 차세대 하이브리드 AI 모델 설계의 방향을 제시한다.

중앙대학교 생성적인공지능연구실 이민혁 교수는 “AI가 점점 더 중요한 의사결정에 활용되면서 ‘정확도’만큼이나 ‘왜 그렇게 판단했는가’와 ‘그 판단을 얼마나 신뢰할 수 있는가’가 핵심 과제가 되고 있다”며 “이번 연구는 이 질문에 대한 체계적 답을 제시한 것으로, 향후 생성형 AI와 로봇 학습 분야로 분석 범위를 확장해 나갈 계획”이라고 밝혔다.

중앙대학교 생성적AI연구실 소개

중앙대학교 전자전기공학부 소속 생성적인공지능연구실(Generative AI Lab, GAIL)은 이민혁 교수가 이끄는 연구실로, 생성 인공지능(Generative AI), 컴퓨터 비전, 그리고 AI 기반 로보틱스를 핵심 연구 분야로 삼고 있다. 본 연구실에서는 3D Gaussian Splatting, NeRF, Vision Transformer 등 최신 컴퓨터 비전 기술과 대규모 언어모델(LLM), 비전-언어-행동(VLA) 모델 등 생성 AI 기반 기술을 폭넓게 연구하며, CVPR을 비롯한 국제 학술대회와 저명 학술지에 활발히 논문을 발표하고 있다. 아울러 산학협력 및 기술사업화에도 적극적으로 참여해 로봇 학습을 위한 합성 데이터 생성, AI 기반 콘텐츠 제작 등 다양한 응용 분야로 연구 영역을 확장해 나가고 있다.