우자홍

🏷️ 인물 영상처리 멀티모달

개요

Jiahong Wu(우자홍)는 알리바바 AMAP(고덕지도) AMAP-ML/CV 부문의 video generation project lead입니다. 뮤직 드리븐 댄스 영상 생성, 확산 모델 무학습(train-free) 강화, 비디오 모션 평가 벤치마크, 무한 프레임 일관 생성 등 영상 생성 전 분야를 아우르는 연구를 총괄합니다. AMAP-ML GitHub 조직에 공개된 video generation 작업 대부분이 그의 이름과 연결됩니다.

2025년부터 2026년에 걸쳐 ICCV, ICLR, SIGGRAPH 세 학회에 연속으로 제1저자 또는 교신저자 논문을 발표했습니다. 산업 연구소 리더로서 학술 발표 빈도를 유지하면서 실제 지도 서비스에 연결되는 응용 연구를 병행하는 것이 특징입니다.

생애

우자홍의 세부 학력 정보는 공개되어 있지 않습니다. 알리바바 그룹 산하 AMAP 기술 조직에서 경력을 쌓아 현재 비디오 생성 라인의 프로젝트 리더 직위를 맡고 있습니다. AMAP은 중국 최대 지도 서비스 앱으로, 자율주행 데이터와 영상 인식 인프라에서 비디오 생성 기술과의 접점이 큽니다.

연구 협업 구조를 보면, 중국과학원자동화연구소(CASIA) 박사 인턴인 펑샤오쿤이 핵심 구현 기여를 하는 방식으로 학계와의 연결을 유지하고 있습니다. 추샹샹 시니어 디렉터, 황카이치 학계 co-corresponding 구조로 상하 협력 관계도 잘 갖춰져 있습니다.

업적

우자홍의 대표 성과는 다섯 갈래로 정리됩니다.

첫째, MACE-Dance(SIGGRAPH 2026)입니다. 음악 기반 댄스 영상 생성에서 모션 생성과 외관 합성을 캐스케이드 전문가(cascaded expert)로 명확히 분리하는 아키텍처를 제안했습니다. 운동학적으로 타당하고 시각적으로 일관된 댄스 영상을 생성하는 것이 목표로, ACM SIGGRAPH 2026에 채택됐습니다.

둘째, S²-Guidance(ICLR 2026)입니다. 확산 모델에 별도 학습 없이 품질을 높이는 무학습 가이던스 방법론으로, 확률적 블록 드롭핑으로 고품질 출력을 유도합니다. 텍스트-이미지 및 텍스트-비디오 생성 태스크에서 모두 검증됐습니다.

셋째, VMBench(ICCV 2025)입니다. 비디오 모션 생성의 지각 정렬(perception-aligned) 평가를 위한 벤치마크로, 가장 다양한 모션 유형을 포함하는 포괄적 평가 데이터셋입니다.

넷째, ImagerySearch(AAAI 2026)입니다. 비디오 생성에서 의미 의존성 제약을 넘어서는 적응형 테스트 타임 서치 방법론입니다.

다섯째, MIGA에서는 프로젝트 리드로 참여해 무학습 무한 프레임 일관 생성 문제를 다뤘습니다.

여담

AMAP은 국내에서 고덕지도(高德地图)라는 이름으로 알려져 있으며, 알리바바 그룹 산하에서 자율주행 데이터 수집 및 지도 서비스를 운영하고 있습니다. 우자홍이 이끄는 비디오 생성 연구는 단순 생성 AI 탐구를 넘어 지도 서비스와 연계된 영상 인식, 환경 시뮬레이션으로 이어질 잠재력이 있습니다.

무학습(train-free) 방법론에 대한 반복적인 관심이 특징입니다. S²-Guidance, MIGA 모두 기존 모델을 재훈련 없이 강화하는 접근을 취하는데, 이는 산업 환경에서 배포 비용을 최소화하려는 실용적 판단을 반영합니다. AMAP-ML GitHub 조직을 통해 코드와 모델을 적극 공개하는 점도 눈에 띕니다.

주요 논문