본인을 대표하는 이미지 한 장을 첨부해 주세요.

🎙 :스튜디오_마이크: 우승의 기쁨을 맛본 소감을 한마디로 표현해 주세요.

“끝없는 실험 속에서 얻은 한 조각의 확신”이라고 말하고 싶습니다. 수많은 아이디어를 시도하면서도 아직 더 해볼 수 있었던 것들이 생각나서, 마냥 기쁘기보다는 다음을 더 기대하게 되는 결과였습니다.

🎙 :스튜디오_마이크: 팀의 이야기를 들려주세요.

저희 팀은 다양성을 기반으로 엔지니어링과 리서치를 적절히 섞어서 보다 효율적인 대회에 적극적으로 임할 수 있었던 것 같습니다.

🎙 :스튜디오_마이크: 여러분을 돋보이게 한 특별한 점은 무엇인가요?

모델 자체보다는 실험 설계와 분석에 많은 공을 들였습니다. 단순히 점수를 올리는 데 그치지 않고, 왜 특정 설정에서 성능이 오르는지, 어떤 클래스에서 모델이 혼동을 겪는지, 그런 부분을 구체적으로 해석하려고 노력했습니다. 특히, SigLIP2 등의 대형 모델을 활용한 embedding 기반 validation 구성은 좋은 차별점이 되었다고 생각합니다.

🎙 :스튜디오_마이크: 이번 성과의 비결은 무엇이라고 생각하시나요?

끊임없이 실험하고, 중간에 멈추지 않았던 점. 그리고 모델이 아니라 데이터에 더 많은 관심을 둔 것이 가장 큰 요인이었습니다. 아쉽게도 끝까지 시도하지 못한 아이디어들이 꽤 있는데, 다음 기회엔 그 부분을 더 잘 살리고 싶습니다.

🎙 :스튜디오_마이크: 대회 기간 중 특별히 기억에 남는 순간이 있다면 공유해 주세요.

Validation 셋을 따로 구성했을 때 public score와 거의 일치하는 분포가 나왔던 순간이 가장 기억에 남습니다. 그걸 기반으로 안정적인 실험이 가능해졌고, 단순한 운이나 튜닝이 아닌 ‘이해에 기반한 성능 향상’을 이끌 수 있었던 터닝 포인트였어요.

🎙 :스튜디오_마이크: 데이터 분석이나 학습 과정에서의 나만의 비법이 있다면요?

Embedding을 먼저 신뢰하고, 시각화를 자주 하는 것. SigLIP2의 feature space에서 class 간 거리를 분석하거나, class-wise confusion을 UMAP로 시각화하면서 분포를 이해하려는 루틴이 실험의 중심이었습니다.

🎙 :스튜디오_마이크: 수상을 기념하여 빌 수 있는 한 가지 소원이 있다면?

이런 정교한 비전 과제들이 단기성 대회에만 머무르지 않고, 지속적인 연구/산업적 연결로 이어졌으면 좋겠습니다. 학계와 산업의 간극을 더 좁힐 수 있다고 생각합니다. 

🎙 :스튜디오_마이크: 앞으로의 목표와 꿈을 말씀해 주세요.

현재는 VLM 기반의 공간 추론 문제에 집중하고 있습니다. 시각 정보와 언어 정보가 실제로 “이해”된다는 것이 어떤 것인지에 대해 고민하고 있고, 이후 이를 기반으로 한 인간 수준의 시각 추론 시스템을 탐구하고 싶습니다.

🎙 :스튜디오_마이크: 데이콘 커뮤니티에 바라는 점이 있다면 무엇인가요?

참가자 간의 실험 설계나 분석 관점을 공유할 수 있는 공간이 조금 더 활성화되었으면 합니다. 단순한 코드 공유를 넘어서 왜 그런 결정을 했는지에 대한 서사를 나누면, 함께 성장하는 플랫폼이 될 수 있을 것 같습니다.