부산대학교 전기전자공학부 공경보 교수 연구실의 연구 8편이 기계학습 및 인공지능 분야의 주요 국제학술대회인 International Conference on Machine Learning, ICML 2026에 채택되었다. 이 중 1편은 Main Track, 7편은 Workshop 세션에 채택되었다.

 

ICML은 기계학습 및 인공지능 분야를 대표하는 국제학술대회 중 하나로, 머신러닝 이론, 생성형 AI, Foundation Model, 강화학습, 멀티모달 AI 등 다양한 분야의 최신 연구 성과가 발표된다. ICML 2026은 2026년 7월 6일부터 11일까지 서울 COEX에서 개최될 예정이다.

 

Main Track에 채택된 논문 「PADS-TAL: Padding-Annealed Diffusion Sampling in Text-Aware Latent Space for Robust and Diverse Text-to-Music Generation」은 텍스트 조건 기반 음악 생성 과정에서 생성 결과의 다양성과 안정성을 향상시키기 위한 새로운 확산 샘플링 기법을 제안하였다. 본 연구는 Text-Aware Latent Space에서 padding annealing 전략을 적용해 텍스트 조건과 음악 생성 표현 간의 정합성을 높이고, 다양한 입력 조건에서도 견고하고 다채로운 음악 생성 결과를 얻을 수 있음을 보였다.

 

이와 함께 ICML 2026 Workshop 세션에 채택된 7편의 논문은 홈로봇 환경을 포함한 실환경 멀티모달 에이전트 구현과 이를 위한 Foundation Model 효율화를 다룬다. 구체적으로는 홈로봇 시각 인식에서의 질의 보정, 멀티모달 에이전트의 시각적 환각 완화, Open-vocabulary 오디오-비주얼 이벤트 위치추정 등 실환경 인식 및 에이전트 신뢰성 향상에 관한 연구와, KV cache 압축, 시각 토큰 선택, sparse attention, 비전 모델 압축 등 대규모 Foundation Model의 효율적 추론을 위한 연구가 포함되었다.

 

 

논문 정보

Main Track

● 제목: PADS-TAL: Padding-Annealed Diffusion Sampling in Text-Aware Latent Space for Robust and Diverse Text-to-Music Generation

● 학회: International Conference on Machine Learning, ICML 2026 Main Track

● 저자: Taekoan Yoo*, Wonkyung Jung*, Kyunghun Kim*, Kyeongbo Kong†

● 비고: Acceptance Rate 26.6%

 

Workshop

● 제목: Failure-Aware Query Refinement for Reliable Open-Vocabulary Home-Robot Perception

● 워크샵: ICML Workshop on Agents in the Wild: Safety, Security, and Beyond, 2026

● 저자: Daun Jeong*, Sohyeon Kim*, Jouwon Song, Kyeongbo Kong†

 

● 제목: Mitigating Visual Hallucinations for Reliable Multimodal Agents

● 워크샵: ICML Workshop on Agents in the Wild: Safety, Security, and Beyond, 2026

● 저자: Sohyeon Kim*, Sang Yeon Yoon, Kyeongbo Kong†

 

● 제목: Compositional Agentic Formulation Search for Open-Vocabulary Audio-Visual Event Localization

● 워크샵: ICML Workshop on Compositional Learning: Safety, Interpretability, and Agents, 2026

● 저자: Beomgwon Jo*, Sunchan Park*, Kyeongbo Kong†

 

● 제목: HYBRIDKV: Exploiting Head-Dominant Reconstruction for Efficient Query-Agnostic KV Cache Compression

● 워크샵: ICML Workshop on Resource-Adaptive Foundation Model Inference, AdaptFM 2026

● 저자: Changwoo Baek*, Kyeongbo Kong†

 

● 제목: SFPruner: Single-Forward Visual Token Subset Selection for Resource-Efficient Multimodal Foundation Model Inference

● 워크샵: ICML Workshop on Resource-Adaptive Foundation Model Inference, AdaptFM 2026

● 저자: Jouwon Song*, Woohyeong Kim, Seungjae Baek, Kyeongbo Kong†

 

● 제목: Reducing Attention Distribution Error with Unified Tail Aggregation for Sparse Attention

● 워크샵: ICML Workshop on Resource-Adaptive Foundation Model Inference, AdaptFM 2026

● 저자: Hyunwoo Yu*, Jongbeom Lee, Jaemin Choi, Jincheol Yang, Yubin Cho, Joonsik Nam, Seunghun Moon, Jung-Woo Chang, Bongjoon Hyun, Kyomin Sohn, Kyeongbo Kong†, Suk-Ju Kang†

 

● 제목: Attention Weight Decomposition for Vision Model Compression

● 워크샵: ICML Workshop on Weight-Space Symmetries: from Foundations to Practical Applications, 2026

● 저자: Hyunwoo Yu*, Yubin Cho*, Kyeongbo Kong†, Suk-Ju Kang†