카미유 쿠프리

🏷️ 인물 딥러닝

개요

카미유 쿠프리(Camille Couprie)는 프랑스 출신의 컴퓨터 비전 연구자로, 그래프 기반 영상 분할과 수리형태학(mathematical morphology)을 결합한 작업에서 이름을 알렸습니다. 현재 Meta(구 Facebook) AI Research Paris의 리서치 사이언티스트로 재직 중이며, 이미지 분할, 자기지도 학습, 비디오 이해, 생성 모델 등 다양한 분야에서 꾸준히 연구를 발표하고 있습니다. Google Scholar 기준 인용 수는 11,000회를 넘습니다.

박사 시절의 그래프 최적화 전문성이 딥러닝 시대의 분할 모델 후처리 설계로 자연스럽게 연결된 궤적이 특징적인 연구자입니다.

생애

카미유 쿠프리는 ESIEE Paris에서 공학 학위를 최고 영예로 취득했습니다. 이후 파리에스트대학교(Université Paris-Est)에서 로랑 나즈만(Laurent Najman)과 Hugues Talbot의 공동 지도로 2011년 박사 학위를 받았습니다. 박사 논문은 Power Watersheds와 그래프 기반 영상 분할의 통일적 프레임워크에 관한 것으로, 그래프 컷, 랜덤 워크, 워터셰드 알고리즘을 같은 최적화 식 안에 통합하는 이론적 작업이었습니다.

박사 졸업 직후인 2011년 가을, 뉴욕대학교 Courant Institute의 얀 르쿤(Yann LeCun) 그룹에 포스닥으로 합류했습니다. 이 시기 합성곱 신경망과 그래프 기반 분할 기법을 결합하는 작업을 수행했으며, 2013년 "Learning Hierarchical Features for Scene Labeling" 논문에 기여했습니다. 이 논문에서의 기여는 segmentation tree와 optimal cover 알고리즘 설계, 그리고 슈퍼픽셀 위의 조건부 랜덤 필드(CRF) 후처리 정식화였습니다.

2015년부터 Facebook AI Research(FAIR) Paris에 리서치 사이언티스트로 합류해 현재까지 재직하고 있습니다.

업적

카미유 쿠프리의 초기 대표 성과는 Power Watersheds 이론입니다. 그래프 컷, 랜덤 워크, 워터셰드를 하나의 에너지 최소화 프레임워크로 통합한 이 이론은 영상 분할 알고리즘 연구에서 이론적 기반으로 자주 인용됩니다.

FAIR 합류 이후에는 딥러닝 기반 이미지 및 비디오 분할, 자기지도 학습, 생성 모델로 연구 반경을 넓혔습니다. 의미론적 이미지 합성 분야에서는 "Unlocking Pre-Trained Image Backbones for Semantic Image Synthesis"(CVPR 2024)를 공저했으며, 반지도 인스턴스 분할 연구인 "Guided Distillation for Semi-Supervised Instance Segmentation"(WACV 2024)에도 참여했습니다.

자기지도 학습 분야에서는 클러스터링 기반 자동 데이터 정제 접근법을 다룬 "Automatic Data Curation for Self-Supervised Learning: A Clustering-Based Approach"(2024)에 공저자로 이름을 올렸습니다. 보다 이색적인 적용으로는 세포 형광 현미경 이미지를 위한 자기지도 임베딩 모델인 "Cell-DINO"(2025)와 위성 이미지를 활용한 전 지구 수목 높이 매핑 연구 "CHMv2"(2026)에도 기여했습니다.

여담

카미유 쿠프리의 연구 이력은 이론 수학에서 응용 딥러닝으로의 전환이 얼마나 자연스럽게 이어질 수 있는지를 잘 보여줍니다. 박사 시절 다진 그래프 이론과 최적화 기반이 딥러닝 시대에도 유효한 도구로 이어진 것입니다.

ESIEE Paris 개인 홈페이지(perso.esiee.fr/~coupriec)에 논문 목록과 이력을 공개하고 있으며, 학계와 산업 연구의 접점에서 꾸준히 활동하는 스타일입니다. 위성 이미지를 이용한 수목 높이 매핑처럼 환경 과학에 가까운 응용 분야까지 관심 영역이 넓습니다.

FAIR는 프랑스 파리에도 연구 거점을 두고 있으며, 카미유 쿠프리는 NYU 포스닥 이후 파리로 돌아와 현재까지 FAIR Paris에 재직 중입니다.

주요 논문