국민대학교 자동차모빌리티대학원 육화취 석박사통합과정생(지도교수 이상헌)이 지난 9월 9일 스웨덴 말뫼에서 열린 ECCV 2026 Safe and Defensive Autonomous Driving(SDAD) 워크숍에서 논문을 구두 발표하고 Best Paper Honorable Mention을 수상했다.

수상 논문은 「Seeing the Evidence, Not Just the Answer: Training-Free SalMask Evidence Routing for Traffic Accident Video Understanding」으로, 교통사고 영상 이해를 위한 비전·언어 모델의 시각적 근거 활용 방법을 다룬 연구이다. Best Paper Honorable Mention은 최우수논문상 후보로 선정된 우수 논문에 수여되는 특별 언급상으로, 이번 워크숍에서는 최우수논문상 후보 논문 2편에 수여됐다.

ECCV(European Conference on Computer Vision)는 컴퓨터 비전과 기계학습 분야의 주요 국제학술대회로, ECCV 2026은 9월 8일부터 12일까지 스웨덴 말뫼에서 개최됐다. SDAD 워크숍은 안전하고 방어적인 자율주행을 주제로, 주행 장면의 잠재적 위험 인식, 불확실한 상황 대응, 방어적 주행 평가 방법 등을 논의하는 학술 워크숍이다. 올해 워크숍에서는 18편의 논문이 최종 채택됐으며, 이 가운데 4편이 구두 발표 논문으로 선정됐다.

육화취 석박사통합과정생은 이번 연구에서 비전·언어 모델(Vision-Language Model, VLM)이 언어적 추론에만 의존하지 않고, 사고 판단의 근거가 되는 장면과 객체를 더 정확히 활용할 수 있도록 SalMask Evidence Routing(SalMask-ER) 방법을 제안했다. SalMask-ER은 모델을 추가로 학습시키지 않는 training-free 방식으로, 전체 영상 맥락과 사고 관련 객체, 운전자 주의 영역을 반영한 국소 시각 정보를 함께 모델에 전달한다. 

실험 결과, 제안 방법은 VRU-Accident 벤치마크에서 Qwen2.5-VL-3B 모델의 사고 영상 질의응답 정확도를 51.12%에서 67.33%로 향상시켰으며, Qwen3.5-4B 모델에서는 71.30%의 정확도를 달성했다. 이번 수상은 교통사고 영상 이해에서 답변 정확도뿐 아니라, 모델이 어떤 시각적 근거를 바탕으로 사고 상황을 판단하고 설명하는지가 중요하다는 점을 제시한 연구 성과로 평가된다.