우페이

개요

우페이(Fei Wu)는 저장대학교(Zhejiang University) 컴퓨터과학원의 추스 석좌교수(Qiushi Distinguished Professor)이자 부원장이며, 저장대 인공지능연구원 원장을 맡고 있습니다. Google Scholar 기준 피인용 4만 6천 회를 넘어선 중국 AI 학계의 대표적 중진 연구자입니다. 상하이 저장대 고등연구원(SIAS) 부원장도 겸임하고 있습니다.

연구 분야는 멀티미디어 검색, 희소 표현(sparse representation), 머신러닝, 지식그래프로, 다양한 모달리티를 가로지르는 학습과 정보 검색이 핵심입니다. 국가 우수 청년 과학기금(National Science Fund for Distinguished Young Scholars, 2016)을 수상한 바 있으며, Multimedia Systems의 부편집장(Associate Editor)으로도 활동하고 있습니다.

440편 이상의 논문을 발표하면서도 멀티모달 파운데이션 모델을 통한 범용 인공지능 연구로 활동 영역을 지속 확장하고 있습니다. 인과 추론, 지식 그래프 임베딩, 도메인 적응 등 다양한 세부 주제에서 활발한 협력 연구를 이어가고 있습니다.

생애

우페이는 란저우대학교(Lanzhou University)에서 1996년 컴퓨터과학 학사를 취득했습니다. 이후 마카오대학교(University of Macau)에서 1999년 석사를 마쳤고, 저장대학교에서 2002년 박사 학위를 받았습니다.

박사 학위 취득 후 저장대학교 컴퓨터과학원에 남아 교수로 자리를 잡았습니다. 2009년 10월부터 2010년 8월까지는 UC 버클리(University of California, Berkeley) 빈 위(Bin Yu) 교수 그룹에서 방문 연구원으로 활동하면서 통계적 학습 이론에 대한 폭넓은 시야를 쌓았습니다. 귀국 후 연구 역량을 인정받아 저장대 추스 석좌교수로 임명되었습니다.

2016년 중국 국가자연과학기금 우수 청년 과학자 지원을 받으면서 중국 AI 연구 커뮤니티 내에서의 위상이 더욱 높아졌습니다. 현재는 저장대 컴퓨터과학원 부원장과 인공지능연구원 원장을 겸임하며 기관 전반의 AI 연구 방향을 이끌고 있습니다.

업적

우페이의 가장 중요한 기여 중 하나는 멀티미디어 검색과 표현 학습의 연결입니다. 이미지·텍스트·비디오 등 이종 데이터를 공통 공간에 매핑하는 연구를 오랫동안 이어오면서, 크로스 모달 검색 분야의 기반 방법론을 다수 제시했습니다.

지식그래프 분야에서도 꾸준한 성과를 내고 있습니다. 지식 구조와 딥러닝을 결합해 적은 레이블로 새로운 지식을 습득하는 약지도 학습(weakly-supervised learning) 연구를 통해, AI가 사람처럼 기존 지식을 새로운 영역에 전이하는 능력을 높이는 데 기여했습니다.

최근에는 인과 추론과 머신러닝의 결합으로 연구 중심이 이동했습니다. "Instrumental Variables in Causal Inference and Machine Learning" 서베이(ACM Computing Surveys, 2025)를 발표하는 등 인과관계 기반 모델 신뢰성 연구에 집중하고 있습니다. 멀티모달 에이전트 연구에도 공저자로 참여해, 에이전트가 도구를 스스로 검색하고 생성하는 방향으로 연구 스펙트럼을 넓히고 있습니다.

여담

저장대학교는 중국 내 AI 연구의 핵심 거점 중 하나로, 우페이는 이 생태계를 제도적으로 뒷받침하는 인물입니다. 인공지능연구원 원장으로서 산학 협력 프로젝트와 국제 공동 연구를 조율하는 역할을 맡고 있습니다.

UC 버클리 방문 연구 시절 통계학 분야의 빈 위 교수 그룹에서 쌓은 경험이 이후 인과 추론 연구로 이어진 것으로 보입니다. 순수 딥러닝 방법론에 머무르지 않고 통계적 기반을 병행해 온 것이 그의 연구 스타일의 특징입니다.

Frontiers of Information Technology and Electronic Engineering 편집위원으로도 활동하며 학술 커뮤니티 운영에 관여하고 있습니다. 중국 내 주요 AI 학회와 국제 학회 심사위원을 두루 맡으면서 신진 연구자 발굴에도 힘쓰고 있습니다.

주요 논문

• "Deep Learning on Graphs: A Survey" (arXiv:1812.04202) - 그래프 신경망 서베이 논문으로 널리 인용됨
• "Popularity Bias Is Not Always Evil: Disentangling Benign and Harmful Bias for Recommendation" (arXiv:2109.07946) - 추천 시스템의 인기 편향을 분리 분석
• "Instruct-ReID++: Towards Universal Purpose Instruction-Guided Person Re-identification" (arXiv:2405.17790) - 언어 명령 기반 범용 인물 재식별
• "Instrumental Variables in Causal Inference and Machine Learning: A Survey" (ACM Computing Surveys, 2025) - 도구 변수를 통한 인과 추론 서베이
• "Learning to Discover Knowledge: A Weakly-Supervised Partial Domain Adaptation Approach" (arXiv:2406.14274) - 약지도 학습 기반 도메인 적응
• "Retrieval-Augmented Mixture of LoRA Experts for Uploadable Machine Learning" (arXiv:2406.16989) - LoRA 전문가 혼합 검색 증강 학습
• "Adaptive Rank Allocation for Federated Parameter-Efficient Fine-Tuning of Language Models" (arXiv:2501.14406) - 연합학습 기반 파라미터 효율 파인튜닝
• "TapLab: A Fast Framework for Semantic Video Segmentation Tapping into Compressed-Domain Knowledge" (arXiv:2003.13260) - 압축 도메인 지식 활용 영상 분할
• "Pareto-Optimal Estimation and Policy Learning on Short-term and Long-term Treatment Effects" (arXiv:2403.02624) - 처치 효과 추정 파레토 최적화
• MetaForge - A Self-Evolving Multimodal Agent that Retrieves, Adapts, and Forges Tools On Demand - 멀티모달 에이전트의 자율 도구 생성 공동 연구