News | Beyond-G Global Innovation Center | Beyond-G

 

[NEWS] Beyond-G Global Innovation Center-Supported Research Receives Best Paper and Best Oral Presentation Awards at AMLDS 2026

 

Prof. Ki-Seok Chung’s research team (Jun-Sung Kim and Soomin Rho) from Hanyang University’s Department of Electronic Engineering received the Best Paper Award and the Best Oral Presentation Award at the 2026 2nd International Conference on Advanced Machine Learning and Data Science (AMLDS 2026), held in Osaka, Japan.

 

The award-winning paper, "LTP-ViT: Lightweight Token Pre-Pruning for Low-Latency Vision Transformer Inference," proposes a training-free token pruning method to reduce the inference latency of Vision Transformers (ViTs). Using the Spatial-Redundancy Balance (SRB) score, which combines semantic redundancy and spatial importance, the team developed a method that removes unnecessary tokens in advance without retraining or architectural modification. Experimental results showed up to a 3.6-percentage-point accuracy improvement and up to 2.6 times lower latency compared with existing token pruning methods, demonstrating its potential for real-time applications such as autonomous driving and mobile devices. 

 

The related research was carried out with support from Hanyang University’s Beyond-G Global Innovation Center as part of the Innovation Research Center (IRC) Program supported by the Ministry of Science and ICT and the National Research Foundation of Korea. The Beyond-G Global Innovation Center plans to continue supporting innovative research in AI and next-generation computing technologies. 

[NEWS] Beyond-G 글로벌 혁신센터 지원 연구, AMLDS 2026 최우수 논문상·최우수 구두발표상 수상

 

한양대학교 융합전자공학과 정기석 교수 연구팀(김준성, 노수민)은 일본 오사카에서 개최된 제2회 International Conference on Advanced Machine Learning and Data Science(AMLDS 2026)에서 최우수 논문상(Best Paper Award)과 최우수 구두발표상(Best Oral Presentation Award)을 수상했다.

 

수상 논문인 "LTP-ViT: Lightweight Token Pre-Pruning for Low-Latency Vision Transformer Inference"은 비전 트랜스포머(ViT)의 추론 지연 시간을 줄이기 위한 재학습 불필요(training-free) 토큰 프루닝 기법을 제안한다. 연구팀은 의미적 중복도와 공간적 중요도를 결합한 SRB(Spatial-Redundancy Balance) 점수를 활용해, 모델 구조 변경 없이 불필요한 토큰을 사전에 제거하는 방법을 개발했다. 실험 결과, 기존 토큰 프루닝 기법 대비 최대 3.6%p의 정확도 향상과 최대 2.6배 낮은 지연 시간을 달성해 자율주행, 모바일 기기 등 실시간 처리가 필요한 분야에서의 활용 가능성을 보였다.

 

관련 연구는 과학기술정보통신부와 한국연구재단이 지원하는 혁신연구센터(IRC, Innovation Research Center) 사업의 일환으로 한양대학교 Beyond-G 글로벌 혁신센터의 지원을 받아 수행되었다. Beyond-G 글로벌 혁신센터는 앞으로도 AI 및 차세대 컴퓨팅 기술 분야의 혁신적인 연구를 지속적으로 지원할 계획이다.

 

▲ Jun-Sung Kim receiving the Best Oral Presentation Award at AMLDS 2026