Excellence Sharing Growth

2018. 10. 11-12 COEX Grand Ballroom, Seoul

Scroll icon
See you next year!

DEVIEW 2018 행사가 종료되었습니다.

발표 영상과 자료를 지금 확인해보세요.

WATCH VIDEOS
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진
2018 DEVIEW 행사 사진

SESSIONS

강연 목록

강연자 사진
강연 분야
  • 모바일
  • 테크 스타트업
  • 머신러닝
  • AI
강연 제목
모바일 환경에서 실시간 Portrait Segmentation 구현하기
강연 내용
최근 딥러닝의 발전으로 전에 없던 다양한 서비스들이 개발되고 있습니다. 그러나 아직 대부분의 딥러닝 기반 서비스는 기술적 한계로 인해 서버 상에 배포되는 경우가 많고, 이런 서버 배포 모델은 통신에 드는 비용으로 인해 실시간 서비스에 적용하기 어려운 문제가 있습니다. 본 세션에서는 하이퍼커넥트에서 서비스 중인 아자르에 모바일 상에서 구동 가능한 실시간 portrait segmentation 기능을 개발하여 적용하기까지 사용했던 기술과 경험을 공유하려 합니다. Portrait segmentation은 사진 혹은 영상 속에서 전경과 배경을 구분해내는 기술로, 세션에서 소개할 방법들을 통해 Galaxy J7과 같은 저가형 휴대폰에서도 single-core로 30 프레임 영상의 전경과 배경을 분리하는 애플리케이션을 만들 수 있었습니다. 세션 내용은 모델의 크기와 추론 시간을 줄일 수 있는 일반적 기술에 대한 소개와 실제로 TFLite를 사용한 모바일 애플리케이션을 만들며 겪은 시행착오 위주로 구성됩니다. 보다 자세한 내용이 궁금하신 분들은 하이퍼커넥트 기술 블로그(https://hyperconnect.github.io)를 참고 부탁드립니다.
목차
1. 모바일 딥러닝
  • 모바일 딥러닝의 현재
  • 데모 프로젝트를 상용 서비스로 만들때의 유의점
      • 2. Portrait Segmentation 101
      • Portrait Segmentation을 어디에 쓸 수 있을까?
          • 3. 추론(inference) 시간을 줄이려면?
          • Quantization
          • Factorization
          • Distillation
          • Model design principles
              • 4. Single-core로 30프레임 성능을 내기까지
              • TFLite 최적화 구현 활용하기
              • TFLite 구현시 마주하는 함정들과 해결법
              • SIMD로 bilinear upsampling 구현하기
강연자
서석준
강연자 사진
강연 분야
  • 웹
  • 모바일
강연 제목
WebAppFramework, XWhale 개발기
강연 내용
네이버의 주요 서비스는 웹으로 되어 있고 그것들을 보여주는 안드로이드의 WebAppFramework는 중요한 요소입니다. 어떻게하면 더 잘 보이고 더 잘 서비스 할 수 있을지 고민하던 차에 오픈소스인 Chromium과 Crosswalk를 가지고 WebAppFramework를 만들게 되었습니다. 이것을 만들면서 고민했던 것과 적용했던 서비스 사례를 중심으로 개발기를 공유하고자 합니다. 그리고 Crosswalk를 포크한 새 오픈소스 XWhale을 소개합니다.
목차
  • WebAppFramework란 무엇인가
  • 우리는 왜 WebAppFramework를 만들게 되었나?
  • Higgs에서 Crosswalk까지
  • 네이버 서비스 적용사례
  • 새 오픈 소스 XWhale 소개
대상
  • 안드로이드 웹엔진 개발 구현에 관심이 있으신 분
  • 새 WebAppFramework 도입에 관심이 있으신 분
강연자
조진철
강연자 사진
강연 분야
  • 모바일
  • 머신러닝
  • AI
강연 제목
모바일 키보드, 스마트보드에 AI 적용하기
강연 내용
모바일에 머신러닝을 적용한다는 것은, 모델을 그냥 가져오는 작업이 아닌 전/후처리, 컨버팅, 최적화 등 일련의 모델링만큼 큰 프로세스이며, 이 과정을 소개하고자 합니다. 최근 화두로 떠오르는 AI를 실제 모바일 앱에 넣는다는 것은 어떤 경험일까요? 연구를 통해 나온 모델을 실제 프로덕트에 넣는 것은 생각보다 어려운 과정이고 잘 찾아볼 수 없는 사례이기도 합니다. 본 세션에서는 스마트보드팀에서 산학과제 (SNUT)를 통해 연구한 알고리듬과 사내 오타보정 챌린지를 통한 모델을 융합하여 서비스에 넣는 과정에서 나온 다양한 경험과 고충을 공유하고자 합니다.
목차
  • 가상키보드 오타보정, AI로 가능할까?
  • 모바일에서의 AI, 어디까지 가능한가
  • 모바일에서 모델을 컨버팅하여 사용해보자
  • 전/후 처리를 통한 프로덕션화 준비
  • AI를 사용했더니?
대상
  • 실제 모바일 서비스에 ML을 적용하고자 하는 개발자
강연자
이승윤
강연자 사진
강연 분야
  • 웹
  • 성능
강연 제목
웹 성능 최적화에 필요한 브라우저의 모든 것
강연 내용
웹 콘텐츠 (HTML, CSS, JS)는 브라우저에서 처리되어 화면에 렌더링됩니다. 그래서 브라우저 내부 동작 원리를 이해하지 못하면 일정 수준 이상의 성능 최적화가 어렵고, 왜 이런 문제가 발생하는지 이해하기도 쉽지 않습니다. 브라우저 내부 동작 원리 관련으로는 How browsers work와 같은 훌륭한 문서들이 있지만 거의 대부분 6-7년 전의 자료들이어서 최신 멀티 프로세스 기반의 브라우저에서 동작하는 웹 콘텐츠를 이해하기에는 부족함이 있습니다. 이번 세션에서는 멀티 프로세스 기반의 최신 웹브라우저(웨일, 크롬, 오페라 등)에서 웹 콘텐츠를 어떻게 처리하여 화면에 렌더링 하는지에 대한 동작 원리에 대한 설명과, 이를 바탕으로 한 웹 성능 최적화 기법을 소개합니다.
목차
  • Summary of how browsers work
  • How the browser makes a frame?
  • VSync aligned touch input & frame output
  • Rendering pipeline stage costs
강연자
이형욱
강연자 사진
강연 분야
  • 웹
  • 모바일
  • 성능
강연 제목
책에서는 맛볼 수 없는 HTML5 Canvas 이야기 ​(부제: Web Worker를 이용해 캔버스 성능을 극대화하기)
강연 내용
HTML5를 선도하였던 기술 < canvas > 에 대해서 다룹니다. 캔버스는 등장 이후 급속도로 성장해왔고, 이제 브라우저에서 빠질 수 없는 기능이 되었습니다. 전체 웹 페이지의 30% 이상이 캔버스를 사용하고 있으며 캔버스의 성능개선은 웹 개발자에게 매우 중요한 과제가 되었습니다. 본 세션에서는 캔버스의 성능을 개선할 수 있는 새로운 방법들에 대해서 다룹니다. 특히 최근 Chrome 69에 추가 된 OffscreenCanvas API를 사용하여 렌더링에 걸리는 부하를 메인 스레드에서 Web Worker로 위임함으로써 캔버스를 개선할 수 있는 방법과 내부 구현 원리에 대해 상세히 설명합니다. 나아가 국내에서는 잘 알려지지 않았지만 브라우저 내부에 구현되었던 몇몇 API들과 앞으로 캔버스가 나아갈 방향 (웹 표준과 브라우저 구현 관점에서)를 공유합니다.
목차
1. Motivation
  • HTML5 Canvas의 등장
  • 웹 분야에서 Canvas의 위치
  • 많은 개선에도 불구하고 Canvas가 느린 이유

2. DOM과 Canvas 애니메이션의 차이점
  • Retained Mode VS Immediate Mode
  • DOM animation VS Canvas animation
  • 장점과 단점

3. 기존의 성능 개선 사례 및 문제점 분석
  • 기존 사례1. < canvas >와 drawImage를 이용한 성능 개선
  • 기존 사례2. Canvas Proxy와 Canvas In Workers
  • 기존 사례3. WebGL in Web Worker
  • 기존의 문제점은 무엇인가?
4. 새로운 OffscreenCanvas API 적용하기
  • 이미지 복사 최소화 (Zero-copy image)
  • Trasnferrable ImageBitmap을 활용한 Main thread 동기화 방식
  • Compositor에 직접 commit하는 방식
  • 기존 대비 개선 된 성능 비교

5. 사례 연구
  • Three.js in a worker
  • Multiple WebGL views
  • W3C WebXR spec
  • Google Map

6. 그 밖에 알려지지 않은 API 및 연구과제들
  • Path2D
  • HitRegion
  • Color Space
  • Input Events in Workers

7. 브라우저 구현 현황

대상
  • 성능 향상이 필요한 Canvas2D 개발자
  • WebGL / WebXR (AR + VR) 개발자
  • Web Front-End 개발자
  • 웹 표준 및 브라우저 기술에 관심 많은 개발자
  • 기타 모든 개발자
강연자
방진호
강연자 사진
강연 분야
  • 테크 스타트업
  • 머신러닝
  • AI
강연 제목
Fast & Accurate Data Annotation Pipeline for AI applications
강연 내용
인공지능, 그 중에서도 딥 러닝이라는 단어는 아마 최근 가장 많은 개발자들에게서 회자되고, 관심을 끄는 단어 중 하나일 것입니다. 다양한 딥 러닝 연구들이 매년 놀라운 결과물들을 보여주고 있고, 이제는 연구 뿐만 아니라 실제 어플리케이션 영역에서도 다양하게 쓰이기 시작했습니다. 그렇다면 나의 상황에 맞는 딥 러닝 어플리케이션을 제작하고 사용하기 위해서 가장 어려운 부분은 무엇일까요? 바로 다름 아닌 그에 맞는 데이터의 확보 입니다. 놀라운 결과를 내는 모델을 얻기 위해서는, 대부분 그에 맞는 양의 양질의 학습 데이터가 요구됩니다. 아쉽게도, 그러한 데이터를 확보하는 일은 쉽지 않습니다. 이는 특히, 현재 사용되고 있는 데이터 제작 도구들의 비효율성에 기인하고 있습니다. 저희는 이런 문제를 해결하기 위해, 사람의 지식과 직관을 쉽게 데이터화 할 수 있는 "Annotation 자동화 도구"를 개발하고 있습니다. 본 발표에서는 이러한 도구를 구성하는 세 가지 중요한 요소에 대해서 설명드리고자 합니다. 이 세 가지 요소는 작업 플로우의 설계 및 작업 요소의 표현법 디자인, 작업자의 능률을 향상시키기 위한 AI 기술(Transfer Learning / Interactive AI), 사람의 작업 능률을 지속적으로 체크하고 피드백을 주는 모니터링 방법으로 이루어져 있습니다. 이 외에도, 작업자들이 도구를 사용하며 만든 다양한 문제들과 저희의 시행 착오들도 함께 소개드리도록 하겠습니다.
강연자
이정권
전체 Schedule 보러가기

PARTNERS

  • baidu
  • carnegie mellon university
  • logo_coupang
  • google
  • hyper connect
  • imply
  • labs
  • labs europe
  • line
  • lunit
  • naver
  • naver business platform
  • nvidia
  • samsunginternet
  • superb ai
  • theori
  • udacity
  • urbanbase

LOCATION

장소
코엑스 그랜드볼룸 (Coex Grand Ballroom)
주소
서울 강남구 영동대로 513 코엑스, (지번) 삼성동 159 코엑스
연락처
02-6000-0114

그랜드볼룸은 봉은사 맞은편 코엑스 1층 북문 쪽에 위치해 있습니다.
지하철 이용 시 9호선 봉은사역 7번 출구를 이용하시거나 삼성역 6번 출구를 이용하시면 됩니다.

교통정보 더보기 >

DEVIEW 2018에 관하여 더 궁금한 점이 있다면?

FAQ 보러가기