교수님 첫 미팅 — 예상 질문 & 답변 준비

🎓 교수님 첫 미팅 — 예상 질문 & 답변 준비

🧭 미팅 진행 & 태도
· 순서: 오프닝 3가지(유사성 → 학술제 성격 → 튜터 신청 경위)로 먼저 말 꺼내기 → 교수님 질문 받기 → 마무리 질문 던지기
· 태도: 겸손하되 생각은 분명하게. 모르면 솔직히 "이 부분이 제가 더 배우고 싶은 지점"으로. 버즈워드 나열·과장 금지.
· 절대 금지: 안 읽은 논문을 읽은 척, 없는 수치·논문 제목 지어내기. 모르면 "정확히 읽고 인용하겠습니다."
· 미팅 전 필수 2개: ① 교수님 논문 1편 실제로 읽고 한 문장 인용 준비 ② 가장 날카로운 두 약점 — "VLM 진단을 무엇으로 검증?"(현재 결과는 음성: 거리뷰 위험점수가 객관 안전시설과 불일치, 이진 AUROC 0.43<0.5) · "노인 페르소나가 진짜 노인을 대변?"(페르소나는 선행연구(Dai 2026)가 있는 비신규 장치, 통계력 부족으로 보류) — 답 미리 정리.

🎬 오프닝 3종 스크립트

🎬 오프닝 1 — 제 연구주제와 교수님 연구주제의 유사성

💬 이렇게 시작한다

도시를 위에서(지도·항공사진) 보면 기하학적 형태만 보이고, 길 위 일상 경험은 안 보인다
그래서 가로 위에서의 경험을 직접 보고 싶었는데, 교수님이 거리뷰를 AI로 읽어 진단하시는 게 같은 시선이었다
저는 그 시선을 '노인'이라는 취약한 보행자에 맞춘 객관 보행속도 규칙(0.73~0.85m/s)으로 조준했다
제가 내세우는 건 '방법이 잘 된다'가 아니라 누출을 통제한 정직성 평가 프레임워크와, 그 위에서 나온 엄밀한 음성·진단 결과다

🗣️ 전체 스크립트

교수님, 제가 교수님 연구를 보면서 가장 공감했던 지점부터 말씀드리고 싶습니다. 사람들이 도시를 이해할 때 보통 지도나 항공사진을 쓰는데, 그러면 도시 전체를 지배하는 기하학적 형태가 먼저 눈에 들어오고 정작 사람들이 매일 길 위에서 겪는 경험은 잘 안 보인다고 생각했습니다. 그래서 가로 위에서의 기하학적·경험적 특징을 직접 들여다보고 싶었는데, 마침 교수님께서 거리뷰를 AI로 읽어 도시 환경을 진단하시는 연구를 하고 계신 걸 알게 됐고, 시선이 같다고 느꼈습니다. 다만 저는 솔직하게 말씀드리면, 이 연구가 'AI가 노인 보행위험을 잘 예측한다'를 보여주는 연구가 아닙니다. 오히려 제가 직접 돌려보니 소형 VLM이 거리뷰로 매긴 위험점수가 객관 안전시설과 잘 안 맞았고(이진 분류 AUROC 0.43으로 무작위 이하), 그래서 제가 내세우는 건 누출을 통제한 비순환 평가·정직성 프레임워크와 그 위에서 나온 정직한 음성·진단 결과입니다. 노인이라는 시선은 검증 안 된 VLM 페르소나가 아니라 객관 보행속도 규칙(0.73~0.85m/s)으로 조준해두려 합니다.

⚠️ 주의 · 이어질 역질문
교수가 '그럼 내 연구랑 구체적으로 뭐가 다르냐'고 물으면 → '방법이 새롭다'가 아니라 '누출·순환을 통제한 평가 프레임워크 + 소형 VLM 위험점수의 한계를 드러낸 음성 진단 + 노인 조준을 객관 보행속도 규칙으로 재정의'를 한 문장으로. 논문 제목을 지어 말하지 말고 '거리뷰 기반 진단'이라는 테마 수준으로만. '사진 없는 곳 전파'를 성과처럼 말하지 말 것(전파는 실제로 피처/전역평균 베이스라인에 패배=구조적). 또 '위에서 보는 게 정말 한계냐'고 반박하면 → 형태를 부정하는 게 아니라 형태가 가로 차원에서 어떻게 체감되는지를 보완하려는 것이라고 답할 준비.

🎬 오프닝 2 — 이 학술제의 성격과 제가 얻고 싶은 것

💬 이렇게 시작한다

C.O.R.E.는 학부생이 스스로 주제를 잡는 자율·융합 학술제
올해 소주제 '고령화시대 도시 인프라 재설계'와 제 주제가 거의 그대로 맞는다
단독 참가라, 흐지부지되지 않고 끝까지 완주해 결과물 하나를 제대로 남기는 게 1차 목표
무엇보다 연구를 설계하고 검증하는 법을 제대로 배우고 싶어 찾아뵀다

🗣️ 전체 스크립트

학술제 성격도 잠깐 말씀드리면, C.O.R.E.는 학부생이 스스로 주제를 잡아 융합 연구를 해보는 자율 학술제입니다. 올해 소주제가 '고령화시대, 도시 인프라의 재설계'인데 제가 하려는 노인 친화 가로 진단이 거의 그대로 맞아떨어져서 도전하게 됐습니다. 저는 단독으로 참가하는데, 그래서 오히려 중간에 흐지부지되지 않고 끝까지 완주해서 결과물 하나를 제대로 남기는 걸 가장 큰 목표로 잡고 있습니다. 좋은 결과가 나오면 좋겠지만, 솔직히 저한테 더 중요한 건 혼자서도 연구를 끝까지 끌고 가는 경험과, 연구를 설계하고 검증하는 법을 배우는 것입니다. 바로 그 부분에서 교수님께 지도를 받고 싶어 찾아뵀습니다.

⚠️ 주의 · 이어질 역질문
'대상 수상'을 입 밖으로 앞세우지 말 것 — 완주·배움을 먼저, 결과는 '나오면 좋겠다' 정도로만. 교수가 '혼자 하기엔 양이 너무 많지 않냐'고 물으면 → '발표의 본체는 거창한 신규 모델이 아니라 평가 프레임워크와 정직한 음성 결과라, 데이터·연산이 가벼운 PoC 규모로도 이야기가 성립한다'고 답할 준비. '단독인데 왜 굳이 어려운 2단 하이브리드냐'고 물으면 → 처음엔 VLM 진단+GNN 전파를 기대했지만 실제로 전파가 피처/전역평균 베이스라인에 패배(구조적)하는 걸 확인했고, 그 음성 결과와 작동조건 규명 자체를 기여로 둔다고. 미검증 점수를 정비 권고에 직접 쓰지 않겠다는 선도 함께.

🎬 오프닝 3 — 교수님을 튜터로 신청하게 된 경위

💬 이렇게 시작한다

출발은 문제의식: 위에서 내려다보는 도시 이해의 한계
그래서 가로·파사드를 직접 볼 방법을 찾고 있었다
AI로 도시 파사드를 분석하신 교수님 논문을 보고 '내가 막연히 하려던 걸 이미 방법으로 만드신 분'이라 생각했다
이 방향이 연구로서 말이 되는지부터 의견을 듣고 싶다

🗣️ 전체 스크립트

마지막으로 왜 하필 교수님을 튜터로 신청드렸는지 솔직하게 말씀드리겠습니다. 출발은 아까 말씀드린 문제의식이었습니다. 도시를 위에서 내려다보는 방식만으로는 사람들이 길 위에서 겪는 일상의 경험을 이해하기 어렵다는 생각이요. 그래서 가로와 파사드를 직접 들여다볼 방법을 찾다가, AI로 도시 파사드를 분석하신 교수님 연구를 보게 됐고 '내가 막연하게 하고 싶던 걸 이미 방법으로 만들어 두신 분이 계시는구나' 싶었습니다. 그게 직접적인 계기입니다. 다만 제가 아직 부족한 게 많아서, 이 방향이 연구로서 말이 되는지부터 교수님 의견을 듣고 싶습니다.

⚠️ 주의 · 이어질 역질문
교수가 '내 논문 어디까지 읽었냐'고 물을 수 있음 → 미팅 전 실제 논문을 읽고 '거리뷰 기반 진단 / 대기오염 노출 / 보행 행태(2025 횡단보도)' 중 무엇을 인용할지 한두 개 정해둘 것. 읽지 않은 논문을 읽은 척하거나 제목·수치를 지어내지 말고, 모르는 부분은 '이 부분이 제가 더 배우고 싶은 지점'으로 솔직히. 가장 날카로운 후속 질문 대비: ①'VLM이 내린 위험 진단을 무엇으로 검증하냐'(이미 객관 안전시설 태그와 대조했고 이진 AUROC 0.43으로 무작위 이하—즉 소형 VLM 위험점수가 객관 시설과 불일치한다는 음성 결과가 나왔음을 정직하게. 미검증 점수를 권고에 직접 쓰지 않겠다는 선까지) ②'노인 페르소나가 진짜 노인 인식을 대변한다고 어떻게 보장하냐'(대변한다고 주장 안 함—페르소나는 선행연구(Dai 2026)가 있는 비신규 장치이고, 라벨 41개로 통계력이 부족해 모델 우열은 '보류'. 노인 조준은 페르소나가 아니라 객관 보행속도 규칙 0.73~0.85m/s로 한다고).

① 정체성·동기 — 왜 건축학과가, 왜 노인 도시인가

Q. 건축학과인데 왜 이런 도시 시스템적·데이터 주제를 하려 하나?

💬 이렇게 답한다 (핵심)

건축은 결국 사람의 공간 경험을 설계하는 일이라고 생각하는데, 그 경험은 평면도가 아니라 길 위 보행자 눈높이에서 일어납니다
그런데 우리는 도시를 주로 지도·항공사진으로 봅니다. 위에서 내려다보면 격자·축선 같은 기하학적 특질이 먼저 보이고, 정작 사람들의 일상적 경험은 잘 안 보입니다
그래서 가로(street) 위에서 사람이 실제로 겪는 기하학적·경험적 특징을 직접 들여다보고 싶었습니다
AI·데이터는 그 눈높이 경험을 도시 규모로 읽어내는 도구이지 목적은 아닙니다

➕ 더 말한다면

제가 건축을 하면서 계속 걸렸던 지점이 있습니다. 도시를 이해할 때 사람들은 보통 지도나 항공사진을 보는데, 그렇게 위에서 내려다보면 도시 전체를 지배하는 기하학적 특질, 격자나 축선 같은 게 먼저 눈에 들어옵니다. 이 방식으로는 사람들이 길 위에서 매일 겪는 일상적 차원의 경험을 이해하기 어렵다고 느꼈습니다. 저는 건축의 본질이 사람이 머무는 공간의 경험을 설계하는 일이라고 보는데, 그 경험은 평면도가 아니라 보행자의 눈높이, 즉 가로에서 발생합니다. 그래서 가로 위의 기하학적·경험적 특징을 직접 파악해보고 싶었고, 마침 거리뷰를 AI로 분석하는 교수님 연구를 찾게 되어 튜터로 요청드렸습니다. 데이터와 AI를 쓰는 이유는 이 보행자 시점의 경험을 한 장면이 아니라 도시 전체 규모에서 읽어내기 위한 수단이지, 기술 자랑이 목적은 아닙니다.

⚠️ 주의 · 이어질 역질문
"그러면 도시설계·GIS 전공이 더 맞지 않냐"고 되물을 수 있음 → '나는 토지이용·교통량이 아니라 휴먼스케일·파사드의 공간 경험 질을 진단한다'고 건축 쪽으로 다시 당길 것. 또 "데이터를 도구로만 쓴다면 네가 한 건축적 판단은 뭐냐"는 추궁 → 노인 페르소나 설계, 위험요인 정의 같은 '사람 경험을 기준으로 한 판단'이 내 기여라고 답할 준비. 교수님 논문 제목·핵심 주장은 면담 전 반드시 읽고 한 문장으로 인용할 수 있게 해둘 것(테마만 막연히 말하면 성의 없어 보임).

Q. 왜 하필 노인·고령화인가?

💬 이렇게 답한다 (핵심)

우선 학술제 소주제가 '고령화시대, 도시 인프라의 재설계'라 주제 정합이 맞습니다
설계적으로는, 가장 취약한 보행자가 인프라의 결함을 가장 먼저·선명하게 드러낸다고 봤습니다
건강한 성인은 턱·경사·짧은 신호를 그냥 넘기지만, 보행속도 0.73~0.85m/s(한음 외 2020)인 노인에겐 같은 횡단보도가 신호 안에 못 건너는 길이 됩니다
노인 기준으로 진단하면 유아차·짐 든 사람까지 포괄하는 '모두를 위한 환경의 하한선'을 잡을 수 있습니다

➕ 더 말한다면

표면적으로는 이번 C.O.R.E. 학술제 소주제가 '고령화시대, 도시 인프라의 재설계'여서 주제를 맞춘 것이 맞습니다. 하지만 그것만이 이유는 아닙니다. 저는 가장 취약한 보행자가 인프라의 결함을 가장 먼저, 가장 선명하게 드러내는 일종의 센서 같은 존재라고 봤습니다. 건강한 성인은 보도의 턱, 급한 경사, 짧은 보행 신호 시간을 거의 의식하지 않고 지나가는데, 보행 속도가 초속 0.73에서 0.85미터 수준(한음 외 2020)인 노인에게는 같은 횡단보도가 신호 안에 못 건너는 길이 됩니다. 그래서 노인 기준선은 검증되지 않은 VLM 페르소나가 아니라 이 객관 보행속도 규칙으로 잡아 진단 기준을 가장 까다로운 사용자에게 맞췄습니다. 이렇게 하면 노인을 위한 설계가 결과적으로 유아차·짐을 든 사람·일시적 부상자까지 포괄하는, 모두를 위한 환경의 하한선이 됩니다. 다만 노인을 고른 건 '더 중요해서'가 아니라, WorldPop 노인인구·취약지수 같은 공개데이터로 인구 분포와 결합해 우선순위를 정량적으로 입증할 수 있는 대표 취약군이기 때문입니다.

⚠️ 주의 · 이어질 역질문
"그럼 휠체어·장애인이 더 극단적 기준 아니냐, 왜 노인이냐"고 물을 수 있음 → 답: 소주제 정합 + WorldPop 노인인구·취약지수로 인구밀도와 결합해 우선순위를 정량화할 수 있다는 '데이터 가용성'으로 방어. 핵심은 '노인이 더 중요해서'가 아니라 '데이터로 입증 가능한 대표 취약군이라서'라고 정확히 말할 것 — 취약군 간 우열로 비치면 안 됨. 또 "보행속도 기준의 출처가 뭐냐"고 물으면, 한음 외(2020)의 고령자 보행속도 0.73~0.85m/s를 객관 규칙으로 잡았다고 답할 것(미검증 VLM 페르소나가 아니라 이 객관 규칙이 노인 조준의 핵심). 페르소나는 선행연구(Dai 2026)가 있는 비신규 장치라고 정직하게 인정하고, 없는 출처는 지어내지 말 것.

Q. 이 연구의 '건축적' 함의는 뭔가? 결국 도시계획·교통 문제 아닌가?

💬 이렇게 답한다 (핵심)

진단 단위가 토지이용·교통량이 아니라 가로 파사드와 보행자 눈높이의 공간 경험이라는 점이 건축적입니다
제가 보는 건 신호 체계나 차량 흐름이 아니라 보도 폭·연석·바닥 포장·그늘·시야처럼 사람이 몸으로 겪는 휴먼스케일 요소입니다
VLM이 거리뷰에서 읽는 위험요인 자체가 '걸을 만한 가로'를 만드는 디자인 변수로 환원됩니다
도시계획이 '어디에 무엇을'이라면, 저는 '그 길이 사람에게 어떻게 경험되는가'를 다룹니다

➕ 더 말한다면

도시계획·교통과 겹치는 영역이 있는 건 인정합니다. 하지만 제 연구의 단위는 다릅니다. 도시계획·교통공학은 보통 토지이용, 교통량, 신호 주기 같은 시스템 변수를 다루는데, 제가 진단하는 건 보행자 눈높이에서 한 사람이 몸으로 겪는 가로 환경입니다. 보도의 폭, 연석의 높이와 경사, 바닥 포장 상태, 그늘과 휴식, 시야 확보 같은 휴먼스케일 요소들이죠. VLM에 노인 페르소나로 거리뷰를 진단시킬 때 나오는 위험요인들이 사실상 전부 '이 길이 걸을 만한가'를 결정하는 디자인 변수입니다. 그래서 결과물도 단순한 위험지도가 아니라 어느 가로의 어떤 물리적 요소가 문제인지로 환원됩니다. 도시계획이 '어디에 무엇을 둘 것인가'라면, 저는 '그 가로가 사람에게 어떻게 경험되는가'를 다루는 것이고, 그게 제가 생각하는 건축적 함의입니다. 다만 현재 제 연구는 진단 단계까지이고, 구체적 디자인 처방은 그 다음 과제로 봅니다.

⚠️ 주의 · 이어질 역질문
교수가 '그 디자인 변수를 네가 실제로 어떻게 정의했는지' 파고들 수 있음 → 보도폭/연석/경사/포장/그늘/시야 등 위험요인 목록을 말로 풀 수 있게 준비. "그건 무장애(BF) 설계 가이드에 다 있는 항목 아니냐"고 하면, 차별점은 '가이드 항목을 거리뷰로 도시 전체에서 자동·정량 진단하고 노인 인구가 겹치는 곳에 우선순위를 매기는 것'이라고 못박을 것. 진단까지가 현재 범위임을 분명히 하고 디자인 처방까지 했다고 과장하지 말 것.

Q. 이 주제가 너의 진로·대학원과 어떻게 연결되나?

💬 이렇게 답한다 (핵심)

솔직히 이걸로 대학원 진로를 다 정했다고 말씀드리진 못합니다
다만 보행자 눈높이의 공간 경험을 데이터로 읽는 방법론은 앞으로 어떤 설계를 하든 제 관점의 토대가 될 것 같습니다
연구 범위로는, 1단 VLM 진단을 끝까지 돌려 '소형 VLM 위험점수가 객관 시설과 불일치'라는 음성 결과까지 책임지고 확인했습니다
2단 GNN 전파도 돌려봤더니 피처/전역평균 베이스라인에 패배(구조적)했고, 왜 그런지 작동조건을 규명하는 게 가장 배우고 싶은 다음 단계라 교수님께 튜터를 요청드렸습니다

➕ 더 말한다면

이 주제로 진로를 전부 확정했다고 말씀드리는 건 과한 약속일 것 같습니다. 아직 4학년이고 더 배워봐야 압니다. 다만 분명한 건, 보행자 눈높이에서 도시 경험을 직접 읽어내는 이 관점은 제가 앞으로 건물을 설계하든 도시 단위를 다루든 계속 가져갈 토대가 되리라는 점입니다. 연구 범위로 보면, 1단계 VLM 진단은 제가 단독으로 끝까지 돌려봤고, 작은 규모지만 소형 VLM이 거리뷰로 매긴 위험점수가 객관 안전시설과 잘 안 맞는다는 음성 결과(이진 AUROC 0.43)까지 확인했습니다. 의도대로 잘 예측되더라는 게 아니라, 안 맞더라는 걸 정직하게 본 단계입니다. 2단계 GNN으로 진단을 도로망에 전파하는 부분도 돌려봤는데 피처나 전역평균 같은 단순 베이스라인을 못 이겨서, 왜 전파가 구조적으로 어려운지를 규명하는 게 제가 아직 부족하고 가장 배우고 싶은 다음 단계입니다. 사실 교수님께 튜터를 요청드린 가장 큰 이유도, 거리뷰 기반 진단 방법론을 배우면서 이 관심을 제대로 된 연구 역량으로 키우고 싶어서입니다.

⚠️ 주의 · 이어질 역질문
"배우고 싶다는 건 좋은데 지금 혼자 어디까지 할 수 있냐"로 능력 검증이 들어올 수 있음 → '1·2단을 모두 끝까지 돌려 음성 결과를 정직하게 확인했고, 그 작동조건 규명이 도전 영역'이라는 경계를 분명히 해 솔직함이 무능으로 안 보이게 할 것. 단독 참가라는 점을 책임 범위를 스스로 정한 근거로 활용. "규모와 검증은 어디까지냐"고 물으면 '라벨 41개로 통계력이 부족해 모델 우열은 보류 상태이고, 결론은 대규모 정량 일반화가 아니라 한계·작동조건 진단'이라고 범위를 정직하게 한정할 것. 미검증 위험점수를 정비 권고로 직접 쓰지 않겠다는 선도. 과하게 '평생 이 길로 가겠다'는 식 약속은 금지.

② 교수님 연구와의 관계 — 유사성·차별성·튜터 기대

Q. 내 연구가 교수님 연구와 닿는 지점이 정확히 어디인가? (방법 공유)

💬 이렇게 답한다 (핵심)

거리뷰 사진을 AI로 읽어 가로를 진단한다는 입력·방법이 같습니다
지도가 아니라 가로 차원에서 도시를 본다는 시선을 공유합니다
저는 그 진단 대상을 '노인 보행자 관점의 위험'으로 좁혔습니다

➕ 더 말한다면

가장 직접적으로 닿는 부분은 거리뷰 사진을 입력으로 받아 AI가 가로와 파사드를 진단한다는 방법입니다. 그 밑에 깔린 시선도 닿아 있다고 생각합니다. 사람들이 도시를 이해할 때 보통 지도나 항공사진을 쓰는데, 그러면 도시 전체를 지배하는 기하학적 특질이 먼저 눈에 들어오고 정작 거리에서 매일 겪는 경험은 잘 안 잡힙니다. 교수님이 거리뷰로 도시를 보신 것도 그 한계를 가로 차원에서 메우려는 시도라고 이해했고, 저도 같은 출발점에 있습니다. 다만 저는 진단 대상을 '노인 보행자가 이 가로를 걸을 때 무엇이 위험한가'로 좁힌 것이 차이입니다. 교수님 논문은 아직 테마 수준으로만 파악했고, 튜터로 모시게 되면 정확히 읽고 인용하겠습니다.

⚠️ 주의 · 이어질 역질문
'내 논문을 읽었느냐, 어떤 점이 같다는 거냐'고 구체적으로 물으실 수 있습니다. 제목을 지어내지 말고 '거리뷰 기반 진단, 도시형태와 대기오염 노출, 보행행태'라는 테마 수준으로만 말하고, 세부는 '정확히 읽고 인용하겠다'고 솔직히 답하세요. '같은 방법이면 차별성이 뭐냐'로 바로 이어질 수 있으니 다음 답과 매끄럽게 연결하세요.

Q. 그럼 교수님 연구와 뭐가 다른가? 새로운 건 뭔가?

💬 이렇게 답한다 (핵심)

'새 방법이 잘 된다'가 아니라 누출·순환을 통제한 비순환 평가·정직성 프로브 프레임워크가 첫 기여입니다
그 위에서 나온 엄밀한 음성·진단 결과: 소형 VLM 위험점수가 객관 시설과 불일치(이진 AUROC 0.43<0.5), 전파는 피처/전역평균에 패배(구조적)
노인 조준은 미검증 페르소나가 아니라 객관 보행속도 규칙(0.73~0.85m/s)으로 재정조준—페르소나 자체는 선행(Dai 2026)이라 신규 아님

➕ 더 말한다면

솔직히 '교수님과 다른 더 좋은 새 방법'을 만들었다고 말하면 데이터가 반증합니다. 제가 차별점으로 내세우는 건 세 가지인데, 성능이 아니라 정직성 쪽입니다. 첫째는 평가 프레임워크입니다. 거리뷰 진단을 자기 라벨로 자기를 평가하는 순환에 빠지지 않게, 누출을 통제한 비순환 평가와 페르소나 경계·근거 템플릿 같은 정직성 프로브를 짰습니다. 둘째는 그 위에서 나온 음성·진단 결과입니다. 소형 VLM이 거리뷰로 매긴 위험점수가 객관 안전시설과 잘 안 맞았고(이진 분류 AUROC 0.43으로 무작위 이하), GNN 전파도 피처나 전역평균 같은 단순 베이스라인을 못 이겼습니다—즉 전파가 잘 된다가 아니라 구조적으로 안 된다는 결과입니다. 페르소나 경계 실험에서는 경계가 Δ+0.77(p=0.063) 정도로 흔들렸고요. 셋째는 재정조준입니다. 노인 관점을 검증 안 된 VLM 페르소나에 맡기지 않고 객관 보행속도 규칙(한음 외 2020, 0.73~0.85m/s)으로 잡고, GNN은 '사진 없는 곳 라벨 채우기'가 아니라 '추론예산 제약 하에서 어디를 실제로 가서 감사할지 고르는 능동감사(active audit)'로 다시 정의했습니다. 정리하면 제 기여는 더 잘 맞히는 모델이 아니라, 무엇이 안 되는지를 누출 없이 정직하게 보여준 평가 프레임워크와 그 음성 결과, 그리고 재정조준입니다.

⚠️ 주의 · 이어질 역질문
'VLM과 GNN 결합이 정말 신규냐'고 누르실 겁니다. 결합을 신규성으로 내세우지 말 것—페르소나는 선행(Dai 2026, arXiv 2601.03534)이 있고, 제 기여는 결합이 아니라 '누출 통제 평가 + 음성 진단 + 재정조준'입니다. 'GNN 전파를 무엇으로 검증하냐'가 따라오면 → 이미 피처/전역평균 베이스라인 대비로 평가했고 전파가 졌다(구조적 한계)는 음성 결과를 정직하게. 라벨 41개라 통계력이 부족해 모델 우열은 '보류'라는 점, '전파가 잘 된다'거나 '사진 없는 곳까지 위험지도를 완성했다'는 식의 성과 주장은 금지. 미검증 위험점수를 정비 권고에 직접 쓰지 않겠다는 선까지 함께.

Q. 교수님께 구체적으로 뭘 배우고 싶은가? (튜터 기대)

💬 이렇게 답한다 (핵심)

거리뷰 데이터의 함정을 어떻게 통제하시는지(촬영연도·각도·계절·가림)
AI 진단을 무엇과 대조해 신뢰하시는지(검증 설계의 판단 기준)
도시형태를 보행 경험으로 번역해 읽는 안목

➕ 더 말한다면

세 가지를 배우고 싶습니다. 첫째는 거리뷰 데이터의 함정을 다루는 법입니다. 거리뷰는 촬영 연도가 제각각이고 카메라 각도·계절·가로수나 주차 차량 가림이 진단을 크게 흔드는데, 교수님은 실제 연구에서 이걸 어떻게 통제하셨는지 가장 궁금합니다. 둘째는 검증 설계입니다. 저는 1단 VLM PoC로 위험점수와 신뢰도를 JSON으로 받는 것까진 해봤는데, 이 출력을 무엇과 대조해야 믿을 만하다고 말할 수 있는지, 그 판단 기준과 시행착오를 배우고 싶습니다. 정답을 받고 싶은 게 아니라 어떻게 의심하고 무엇을 기준으로 판단하시는지가 궁금합니다. 셋째는 더 근본적인 건데, 도시형태를 보행자 경험으로 번역해 읽는 안목입니다. 교수님 연구가 도시형태와 노출, 보행 행태를 연결하시는데 저는 그 해석의 깊이가 아직 부족하고, 이건 혼자 공부해 채우기 어려워 직접 배우고 싶은 지점입니다.

⚠️ 주의 · 이어질 역질문
'그건 검색하면 나오지 않느냐, 다 떠넘기려는 것 아니냐'고 하실 수 있습니다. 답이 아니라 판단 기준과 시행착오를 배우고 싶다는 점을 강조하고, 1단 VLM PoC는 이미 스스로 돌려봤다는 점을 먼저 보여 의존적 인상을 피하세요. '검증 라벨(정답 데이터)은 네가 뭘로 쓸 거냐'고 되물으실 수 있으니, 현재 라벨이 약하다는 한계를 솔직히 인정할 준비를 하세요.

Q. 왜 다른 교수가 아니라 나(이정우 교수)인가?

💬 이렇게 답한다 (핵심)

주제를 먼저 정한 게 아니라 제 문제의식을 따라가다 교수님께 닿았습니다
지도 말고 가로에서 도시를 보고 싶어 방법을 찾다 교수님 연구를 만났습니다
제가 막연히 품던 질문을 교수님은 이미 방법으로 만들어 두셨습니다

➕ 더 말한다면

솔직히 주제를 먼저 정하고 교수님을 찾은 게 아니라 제 문제의식을 따라가다 도착했습니다. 저는 사람들이 도시를 이해할 때 지도나 항공사진을 주로 쓰는 게 늘 걸렸습니다. 위에서 내려다보면 도시를 지배하는 기하학적 형태는 보이지만 거리에서 매일 겪는 경험은 빠집니다. 그래서 가로 위의 기하학적이고 경험적인 특징을 직접 파악해보고 싶었고, 그 방법을 찾다가 AI로 도시 파사드를 분석한 교수님 연구를 만났습니다. 제가 막연히 품던 질문을 교수님은 이미 방법으로 만들어 연구하고 계셔서, 이 분께 배우면 제 생각을 제대로 검증하고 발전시킬 수 있겠다고 판단했습니다. 그래서 다른 분이 아니라 교수님께 튜터를 요청드립니다.

⚠️ 주의 · 이어질 역질문
칭찬조로 흐르면 가벼워 보입니다. '문제의식→방법 탐색→교수님 발견'의 인과로 담백하게 말하고 아부보다 같은 질문을 공유한다는 데 무게를 두세요. '그래서 노인이라는 주제는 어디서 왔느냐'고 물으실 수 있으니, 가로 경험에 대한 관심이 가장 취약한 보행자인 노인에서 가장 선명하게 드러난다고 자연스럽게 잇는 한 문장을 준비하세요.

③ 방법론·타당성 — 교수님이 깊게 파실 부분

Q. VLM이 사진을 잘못 읽으면(환각)? 그 진단을 어떻게 신뢰하나?

💬 이렇게 답한다 (핵심)

진단을 점수 하나로 안 받고, '왜 그렇게 봤는지' 근거 칸을 항상 같이 내게 강제합니다. 사진에 없는 걸로 점수를 매기면 근거 문장에서 티가 나거든요.
신뢰도 점수를 같이 받아서, 낮은 건들은 그대로 안 쓰고 사람이 다시 보는 큐로 뺍니다.
일정 표본은 제가 직접 사진이랑 근거를 대조해서 일치율을 봅니다.
환각을 0으로 만든다고는 안 하고, 걸러내는 절차로 다룹니다.

➕ 더 말한다면

VLM이 그럴듯하게 거짓말하는 건 저도 제일 경계하는 부분이라, 진단을 점수 하나로 받지 않고 구조를 잡았습니다. 페르소나 감사관한테 위험점수, 위험요인, 그렇게 본 근거, 신뢰도를 한 JSON으로 내게 강제합니다. 근거 칸이 있으면 모델이 사진에 없는 걸로 점수를 매겼을 때 그게 근거 문장에서 드러나거든요. PoC에서 위험점수 3에 신뢰도 0.8 같은 식으로 이 형식이 실제로 나오는 건 확인했습니다. 신뢰도가 낮은 건들은 결과에 그냥 반영하지 않고 사람 검수 큐로 빼고, 일정 표본은 신뢰도와 무관하게 제가 직접 사진과 근거를 대조합니다. 환각을 완전히 없앤다고는 못 하고, 근거 강제, 신뢰도 게이트, 표본 수동검수 세 겹으로 걸러내는 게 제 입장입니다. 그리고 이런 장치를 둬도 실제로 점수를 객관 안전시설과 대조해보면 잘 안 맞아서(이진 AUROC 0.43), 저는 이 점수를 '믿을 만한 진단'으로 쓰지 않고 어디를 사람이 직접 감사할지 고르는 용도로만 씁니다.

⚠️ 주의 · 이어질 역질문
'근거 칸까지 모델이 같이 지어내면(근거 자체가 환각이면) 무슨 소용이냐'고 되물을 수 있음. 이때는 '맞다, 근거의 진위는 사람 표본검수로만 잡힌다. 근거 칸은 신뢰의 근거가 아니라 사람이 빠르게 틀린 걸 잡는 감사 도구로 본다'고 한계를 인정할 것. 또 '신뢰도 0.8이 무슨 의미냐, 모델이 스스로 매긴 자기확신 아니냐'고 찌를 수 있으니, '신뢰도도 모델 자기보고라 그 자체를 믿는 게 아니라 낮은 걸 거르는 1차 필터로만 쓴다'고 선제적으로 밝힐 것.

Q. 정답 라벨이 없는데 결과를 어떻게 검증하나?

💬 이렇게 답한다 (핵심)

하나의 정답표가 없으니, 절대 정확도가 아니라 독립적인 여러 신호가 같은 방향을 가리키는지(수렴)로 봅니다.
표본 지점을 골라 현장 확인이나 전문가 판단으로 모델 진단과 대조합니다.
고령 보행사고·관련 민원이 많은 곳과 위험점수가 같은 방향인지 상관을 봅니다(단, 보조 신호로만).
같은 지점을 페르소나 3단계로 돌렸을 때 의존 단계가 더 위험하게 나오는지 일관성을 체크합니다.

➕ 더 말한다면

라벨이 없다는 게 이 주제의 진짜 어려운 점이라, 저는 '하나의 정답과 얼마나 맞느냐'가 아니라 '독립적인 여러 신호가 같은 방향을 가리키느냐'로 검증을 설계했습니다. 첫째, 표본 지점을 골라 현장 확인이나 전문가 판단으로 모델 진단과 맞춰봅니다. 둘째, 고령 보행사고가 잦거나 보도 민원이 있는 곳에서 위험점수가 높게 나오는지 상관을 봅니다. 완벽히 겹칠 거라 기대하진 않고, 방향이 어긋나면 모델을 의심할 신호로 씁니다. 셋째, 같은 사진을 독립보행·보조필요·의존 세 페르소나로 돌렸을 때 의존 단계에서 더 위험하게 나오는 단조성이 지켜지는지를 일관성 지표로 봅니다. 이게 깨지면 모델이 페르소나를 제대로 반영 못 한다는 뜻이거든요. 다만 사고·민원 데이터를 어디까지 확보할 수 있는지는 아직 미확정이라, 이 부분은 솔직히 더 다져야 합니다.

⚠️ 주의 · 이어질 역질문
사고·민원 상관은 노출(노인 통행량·차량량)의 교란을 받음 → '사고가 많은 건 위험해서가 아니라 사람이 많아서일 수 있다'는 지적 가능. '맞다, 그래서 상관은 검증의 보조 신호로만 쓰고 인과로 해석하지 않는다. 노출 보정 없이 단독 근거로 삼지 않겠다'고 선제 인정할 것. 사고/민원 데이터 확보 범위가 미확정인 점도 숨기지 말 것. 또 '단조성은 프롬프트를 그렇게 짰으니 당연히 나오는 것 아니냐'고 찌를 수 있으니, '단조성은 최소 조건이지 충분조건이 아니다, 깨지면 탈락시키는 용도'라고 답할 것.

Q. GNN 전파가 진짜 위험을 반영한다는 근거는? 그냥 옆 동네 베끼기 아닌가?

💬 이렇게 답한다 (핵심)

맞습니다, 그게 핵심 위험이라 검증해봤더니 실제로 전파가 단순 베끼기를 넘지 못했습니다—이건 음성 결과입니다.
사진 있는 지점을 가린 뒤 GNN이 맞히는지를 피처/전역평균 베이스라인과 비교했는데, GNN이 그 단순 베이스라인에 졌습니다(구조적).
그래서 저는 GNN을 '라벨 채우기'로 쓰지 않고, 추론예산 제약 하에서 어디를 직접 가서 감사할지 고르는 능동감사(active audit) 도구로 재정의했습니다.
전파값은 어떤 경우에도 직접 진단이 아니라 '추정'으로 라벨링해 관측치와 구분하고, 미검증 추정치를 정비 권고에 직접 쓰지 않습니다.

➕ 더 말한다면

날카로운 지적이고, 사실 제가 돌려본 결과가 바로 그 우려를 뒷받침합니다. 전파가 성립하려면 가까운 가로 환경이 서로 닮는다는 공간 자기상관 가정이 필요한데, 저는 이걸 전제로 깔지 않고 검증 대상으로 뒀습니다. 구체적으로 VLM 진단이 있는 지점 일부를 가린 뒤 GNN이 이웃 정보만으로 그 값을 얼마나 맞히는지를, 피처 그대로 쓰기나 전역 평균값 같은 단순 베이스라인과 비교했습니다. 결과는 GNN이 그 단순 베이스라인을 못 이겼습니다. 즉 '전파가 신호를 잘 나른다'가 아니라, 이 데이터·그래프 구조에서는 전파가 구조적으로 베끼기 이상을 못 한다는 음성 결과입니다. 그래서 저는 결론을 바꿔서, GNN을 사진 없는 곳을 자동으로 메우는 라벨 채우기로 쓰는 걸 포기하고, 추론·현장 감사 예산이 한정된 상황에서 '어디를 사람이 직접 가서 확인하면 가장 정보가 큰가'를 고르는 능동감사(active audit) acquisition 도구로 다시 위치시켰습니다. 그리고 직접 본 값과 전파로 추정한 값은 결과에서 라벨을 구분해, 검증 안 된 추정치가 관측치처럼 쓰이지 않게 합니다.

⚠️ 주의 · 이어질 역질문
교수님 전공이 공간 분석이라 '공간 자기상관을 무엇으로 측정하나(Moran's I 등), 거리 기반이냐 도로망 토폴로지 기반이냐'를 구체적으로 물을 수 있음. '전파가 베이스라인에 진 게 인접 정의 때문인지, 라벨 희소(41개) 때문인지, 신호가 원래 약해서인지'를 구분하는 게 바로 제가 교수님께 배우고 싶은 지점이라고 솔직히 넘길 것. '전파가 잘 된다'고 절대 말하지 말 것(이미 음성). 또 '횡단보도 1,054개로 GNN을 학습시키기엔 그래프가 너무 작지 않냐'는 지적엔, 표본·라벨 부족으로 통계력이 약해 모델 우열은 '보류'이고 그래서 강한 결론 대신 음성·한계 진단으로 둔다고 답할 것.

Q. 1,054개, 4개 구가 전체를 대표할 수 있나?

💬 이렇게 답한다 (핵심)

대표한다고 주장하지 않습니다. 이건 파일럿 범위지, 서울 전체를 일반화하는 표본은 아닙니다.
4개 구는 노인 노출이 높은 쪽을 우선해 골랐어서, 통계적 대표성과는 별개로 '정비가 급한 곳부터 본다'는 정책적 의미는 있다고 봅니다.
전체 횡단보도 19,437개와 노인 노출 데이터는 이미 확보돼 있어서, 확장은 데이터가 아니라 수집량·검증 표본의 문제입니다.
확장 시 구마다 가로 성격이 달라 진단이 흔들리는지를 다시 봐야 합니다.

➕ 더 말한다면

솔직히 1,054개로 서울 전체를 대표한다고 하면 과장입니다. 그래서 저는 이걸 방법이 어디까지 되고 어디서 안 되는지를 누출 없이 보이는 파일럿으로 위치시킵니다. 다만 4개 구를 아무렇게나 고른 게 아니라 노인 인구 노출이 높은 쪽을 우선해서 골랐기 때문에, 표본의 통계적 대표성과는 별개로 정비가 급한 곳부터 본다는 정책적 의미는 있다고 봅니다. 그리고 전체 횡단보도 19,437개와 노인 노출 데이터는 무인증 공개데이터로 이미 받아둔 상태라, 범위를 넓히는 건 새 데이터를 구하는 문제가 아니라 스트리트뷰 수집량과 검증 표본을 늘리는 문제입니다. 확장할 때 핵심은 구마다 가로 성격이 달라서 한 구에서 잘 되던 진단이 다른 구에서 흔들릴 수 있다는 거고, 그건 확장 단계에서 구별로 일관성을 다시 봐야 할 부분입니다.

⚠️ 주의 · 이어질 역질문
'그럼 왜 처음부터 노출 상위 구만 보면 되지, GNN으로 전체를 추론할 이유가 있냐'는 역질문 가능. 여기서 'GNN으로 미관측 지점을 메운다'고 말하지 말 것(전파는 이미 베이스라인에 졌음). 대신 '노출 높은 구 안에도 상용 로드뷰 차량이 못 들어가는 골목 사각지대가 많아, GNN은 그 빈 곳을 자동으로 채우는 게 아니라 한정된 감사 예산으로 어디를 직접 가볼지 고르는 능동감사 용도'라고 범위를 분명히 할 것. 또 '4개 구를 노출 기준으로만 고르면 가로 유형이 한쪽으로 편중돼 모델이 특정 환경에만 길드는 것 아니냐'고 찌를 수 있으니, 편중 가능성을 인정하고 확장 시 가로 유형 다양성을 확인하겠다고 답할 것.

Q. 왜 굳이 VLM+GNN인가? 기존 세그멘테이션+회귀로는 안 되나?

💬 이렇게 답한다 (핵심)

원래 가설은 'VLM이 의미 결핍을, GNN이 관측 결핍을 메운다'였는데, 실제로 돌려보니 둘 다 기대만큼 안 됐습니다—그걸 베이스라인 비교로 정직하게 보였습니다.
소형 VLM 의미진단은 객관 시설과 불일치(AUROC 0.43), GNN 전파는 피처/전역평균 베이스라인에 패배(구조적)였습니다.
그래서 기여를 '더 나은 결합 모델'이 아니라, 이 비교를 누출 없이 설계해 무엇이 안 되는지 드러낸 평가로 재정의합니다.
GNN은 관측 공백 자동 채우기가 아니라, 예산 제약 하 능동감사(어디를 직접 감사할지) 도구로 다시 위치시켰습니다.

➕ 더 말한다면

세그멘테이션 더하기 회귀가 강력한 베이스라인인 건 맞고, 교수님 연구 흐름과도 가깝습니다. 제 처음 가설은 그 방식의 두 결핍—의미와 커버리지—을 VLM과 GNN으로 각각 메운다는 거였습니다. 그런데 솔직하게 말씀드리면, 베이스라인을 실제로 같이 돌려보니 제 방식이 더 낫다는 결과가 안 나왔습니다. 소형 VLM 의미진단은 객관 안전시설과 잘 안 맞았고(이진 AUROC 0.43), GNN 전파는 피처 그대로나 전역 평균 같은 단순 베이스라인조차 못 이겼습니다. 그래서 저는 이 답을 '그래도 우리 방식이 낫다'로 끌고 가지 않고, 이 비교 자체를 누출·순환 없이 설계해 '무엇이 안 되는지'를 정직하게 보인 걸 기여로 둡니다. GNN도 관측 공백을 자동으로 메우는 용도는 포기하고, 추론·감사 예산이 한정될 때 어디를 사람이 직접 가서 확인하면 좋은지를 고르는 능동감사 도구로 다시 위치시켰습니다. VLM 의미진단의 유연성은 여전히 매력이지만, 검증 안 된 점수를 그대로 신뢰하거나 정비 권고에 직접 쓰지는 않습니다.

⚠️ 주의 · 이어질 역질문
'복잡한 두 모델을 붙이면 오류가 곱해진다'는 지적엔 → '맞고, 실제로 결합이 베이스라인을 못 이긴 것도 그 맥락의 음성 결과'라고 인정할 것. '그럼 왜 그 방법을 했냐'로 이어지면, 결과가 음성이어도 누출 없이 그걸 보인 평가가 기여라고 위치를 분명히. '우리 방식이 낫다'는 식 성과 주장 금지. 또 '굳이 VLM이냐, 규칙 기반으로도 의미를 주지 않냐'고 물으면, VLM 유연성은 매력이나 비결정성·검증 부재가 약점이고 그래서 점수를 권고에 직접 쓰지 않는다고 답할 것. 라벨 41개라 모델 우열은 '보류'라는 한정도.

Q. AI에게 노인 페르소나를 시킨다는데, 그게 진짜 노인을 대변하나?

💬 이렇게 답한다 (핵심)

대변한다고 보지 않습니다. 이건 노인 본인이 아니라 '대리 진단'이고, 한계가 분명합니다.
노인 조준의 중심은 페르소나가 아니라 객관 보행속도 규칙(한음 외 2020, 0.73~0.85 m/s)입니다—페르소나 자체는 선행연구(Dai 2026)가 있어 신규성도 아니고요.
최종 보정은 실제 고령자 평가와 표본 지점을 대조해 페르소나를 교정하는 식으로 합니다(현재 계획 단계).
역할을 나누면, AI는 수만 개 횡단보도를 일관된 기준으로 전수 훑어 우선순위 후보를 좁히고, 사람 검증이 그 후보를 보정합니다.

➕ 더 말한다면

이건 제가 제일 조심스러워하는 부분입니다. AI가 노인인 척한다고 그게 실제 노인의 경험을 대변하는 건 아니고, 그렇게 주장하면 안 된다고 생각합니다. 그래서 노인 조준의 무게중심을 페르소나가 아니라 객관 규칙으로 옮겼습니다. 노인 기준은 한음 외(2020)의 고령자 보행속도 0.73~0.85 m/s 같은 측정 가능한 객관 규칙으로 잡고, VLM 페르소나는 보조 장치로만 두되 그 자체는 선행연구(Dai 2026)가 이미 쓴 비신규 기법임을 분명히 합니다. 그래도 이건 어디까지나 대리 진단이라, 최종적으로는 실제 노인의 평가로 보정해야 한다고 보고, 표본 지점을 골라 실제 고령자가 느끼는 위험과 모델 진단을 대조해 교정할 계획입니다. 게다가 제 페르소나 경계 실험에서는 페르소나를 바꿔도 점수 경계가 Δ+0.77(p=0.063)로 통계적으로 분명히 갈리지 않아서, 페르소나가 실제 노인을 잘 분별한다고 주장할 근거가 약하다는 것까지 정직하게 확인했습니다. 이 검증은 아직 계획 단계라는 점은 분명히 말씀드립니다. 역할을 나누면 AI는 사람이 다 못 도는 수만 개 횡단보도를 빠르게 훑어 우선순위 후보를 좁히고, 실제 노인 검증은 그 후보가 맞는지 보정합니다. AI가 사람을 대신한다기보다 사람이 볼 곳을 효율적으로 줄여주는 도구로 보는 게 정직하다고 생각합니다.

⚠️ 주의 · 이어질 역질문
'그럼 결국 사람 검증이 핵심인데 AI는 보조 아니냐, 그게 학술제 핵심 기여가 맞냐'고 압박 가능. '핵심 기여는 사람이 물리적으로 못 도는 전체 네트워크를 일관된 기준으로 전수 진단해 검증 표본을 똑똑하게 고르게 해주는 것'이라고 AI의 역할을 분명히 재정의할 것. 또 '실제 노인 검증을 어떻게, 몇 명, 어떤 프로토콜로 할 거냐'고 구체적으로 물으면 아직 설계 전임을 인정하고, 인원·동의·평가방식이 바로 더 배우고 싶은 지점이라고 솔직히 넘길 것.

④ 신규성·기여·실현가능성·학술제

Q. 이거 그냥 기존 AI 도구 조합 아닌가? 학술적 신규성이 뭔가?

💬 이렇게 답한다 (핵심)

맞습니다, 모델 부품도 기존 거고, 솔직히 '결합'이나 '노인 페르소나' 자체를 신규성으로 내세우지 않습니다(페르소나는 Dai 2026 선행이 있습니다).
제 기여는 (1)누출·순환을 통제한 비순환 평가·정직성 프로브 프레임워크입니다.
(2)그 위에서 나온 엄밀한 음성·진단 결과—소형 VLM 위험점수가 객관 시설과 불일치(AUROC 0.43), 전파는 베이스라인에 패배(구조적), 페르소나 경계 Δ+0.77(p=0.063)—가 두 번째 기여입니다.
(3)작동조건을 정밀하게 규정하고 노인 조준·GNN 역할을 객관 규칙·능동감사로 재정조준한 것이 세 번째입니다.

➕ 더 말한다면

솔직히 두 모델 각각도, 노인 페르소나를 씌우는 기법도 새로 만든 게 아닙니다. 페르소나만 해도 Dai 2026(arXiv 2601.03534) 같은 선행이 이미 있어서, 결합이나 페르소나를 신규성으로 내세우는 건 정직하지 않다고 봅니다. 그래서 제 기여를 세 가지로 다시 정의했습니다. 첫째는 평가·정직성 프레임워크입니다. 거리뷰 진단을 자기 출력으로 자기를 채점하는 순환과 데이터 누출에 빠지지 않게 비순환 평가를 짜고, 근거 템플릿·페르소나 경계 같은 정직성 프로브를 둬서 모델이 그럴듯하게 보이는 걸 걸러냅니다. 둘째는 그 위에서 나온 음성·진단 결과입니다. 소형 VLM이 거리뷰로 매긴 위험점수가 객관 안전시설과 잘 안 맞았고(이진 AUROC 0.43으로 무작위 이하), GNN 전파는 피처·전역평균 베이스라인에 졌으며(구조적), 페르소나를 바꿔도 경계가 Δ+0.77(p=0.063)로 분명히 안 갈렸습니다. 잘 된다는 자랑이 아니라 무엇이 안 되는지를 누출 없이 보인 결과 자체가 기여라고 생각합니다. 셋째는 작동조건 규정과 재정조준입니다. 노인 조준은 미검증 페르소나가 아니라 객관 보행속도 규칙(0.73~0.85m/s)으로, GNN은 라벨 채우기가 아니라 능동감사로, 동기는 간선이 아니라 상용 로드뷰가 차로 못 들어가는 골목 사각지대로 다시 잡았습니다.

⚠️ 주의 · 이어질 역질문
교수가 '그래서 신규한 게 뭐냐'라고 누르면 → 결합·페르소나가 아니라 '누출 통제 평가 프레임워크 + 정직한 음성 진단 + 작동조건 재정조준'을 1순위로. 페르소나는 Dai 2026 선행이 있어 비신규임을 먼저 인정해 후퇴할 데가 없게. '음성 결과가 무슨 기여냐'고 물으면 → 소형 VLM 위험점수를 정비에 그대로 쓰면 안 된다는 걸 정량(AUROC 0.43)으로 보인 것 자체가 실무·연구에 쓸모 있는 음성 발견이라고. 라벨 41개라 모델 우열은 '보류'이고, 미검증 점수를 권고에 직접 쓰지 않는다는 선까지. '사진 없는 곳까지 위험지도를 만들었다'는 식 성과 주장은 절대 금지.

Q. 결과가 나오면 누가 어떻게 쓰나(실무 기여)?

💬 이렇게 답한다 (핵심)

1차 사용자는 지자체 보행환경·교통안전 담당입니다
산출물은 '어디부터 고쳐야 하나' 정비 우선순위 지도예요 — 위험점수 × 노인 노출(인구·취약지수)
예산이 한정돼 한 번에 못 고치니, 사후 대응이 아니라 사전 스크리닝으로 후보를 좁혀주는 도구입니다
단, 현 단계 VLM 위험점수는 객관 시설과 불일치(AUROC 0.43)가 확인돼, 점수를 정비 권고에 직접 쓰지 않고 사람 감사 대상을 고르는 능동감사 용도로만 씁니다

➕ 더 말한다면

결과물은 결국 한 장의 우선순위 지도라고 생각합니다. 횡단보도별 노인 보행 위험점수에 그 지역 노인인구·취약지수를 결합해서 '위험은 높은데 노인은 많은' 지점을 위로 올리는 방식입니다. 가장 직접 쓸 곳은 지자체의 보행환경 정비나 교통안전 부서예요. 실버존이나 보도 정비는 예산이 한정돼 전부 동시에 못 고치는데, 지금은 보통 사고가 난 다음에 대응하는 사후적 방식이 많습니다. 제 결과는 현장 사진 기반으로 위험해 보이는 곳을 미리 짚어주는 사전 스크리닝 역할을 할 수 있다고 봅니다. 그리고 VLM이 위험요인을 언어로 같이 출력하니까(예: 턱이 높다, 보행 가능 시간이 짧아 보인다) 담당자가 '왜 여기가 위로 왔는지'를 사람이 읽고 검토할 수 있다는 점이 실무에선 의외로 중요하다고 생각합니다. 다만 현 단계에서 VLM 위험점수 자체는 객관 안전시설과 잘 안 맞는다는 걸(AUROC 0.43) 이미 확인했기 때문에, 그 점수를 정비 권고에 직접 쓰는 게 아니라 사람이 어디를 가서 감사할지 후보를 좁혀주는 능동감사 도구로 포지셔닝하는 게 정직하다고 봅니다.

⚠️ 주의 · 이어질 역질문
'진단이 틀리면 잘못된 예산배분을 유도하는 것 아니냐'는 지적 가능 → 인과·확정이 아니라 '스크리닝/우선순위 후보'로 한정하고, 근거를 언어로 내놓아 사람이 재검토하는 구조임을 강조. '실제 지자체가 받아줄 근거(검증)가 있냐'를 물으면 아직 검증 전이라 솔직히 인정하고 '교수님께 배우고 싶은 지점'으로 둘 것. '스트리트뷰 사진 시점이 실제와 다르면(촬영 시기·차량 시점) 노인 보행 진단이 왜곡되지 않냐'도 나올 수 있어 한계로 미리 인정해 둘 것.

Q. 혼자서 이걸 다 할 수 있나? 일정·데이터·컴퓨팅은?

💬 이렇게 답한다 (핵심)

비용은 사실상 0입니다 — 데이터는 전부 무인증 공개데이터, 연산은 로컬 RTX4060
범위를 의도적으로 좁혔어요: 전체 19,437개가 아니라 노인밀집 4개 구 1,054개부터
발표의 본체가 거창한 신규 모델이 아니라 평가 프레임워크와 정직한 음성 결과라, 가벼운 PoC 규모로도 이야기가 끝까지 성립합니다

➕ 더 말한다면

혼자 하는 게 가장 큰 리스크라는 걸 알아서 일부러 비용과 범위를 묶어 관리했습니다. 데이터는 OSM 횡단보도, Google 스트리트뷰 무료티어, WorldPop 노인인구까지 전부 인증 없이 받는 공개데이터라 데이터 비용이 0이고, 모델은 Qwen2.5-VL-3B를 4bit로 양자화해 제 RTX4060에서 로컬로 돌리니 클라우드 GPU 비용도 0입니다. 일정 면에서는 OSM 횡단보도 전체가 19,437개지만 처음부터 다 하지 않고 노인밀집 4개 구 1,054개로 좁혀 시작했고, 1·2단을 모두 끝까지 돌려 음성 결과(VLM 점수 객관시설 불일치 AUROC 0.43, 전파 베이스라인 패배)까지 확인했습니다. 가장 중요한 건, 발표의 본체를 '새 모델이 잘 된다'가 아니라 누출 통제 평가 프레임워크와 그 음성·진단 결과로 잡은 점입니다. 모델이 성능을 못 내도 '왜 안 되는지'를 정직하게 규명한 게 결과물이라, 가벼운 규모에서 멈춰도 빈손이 아닙니다. 혼자 하는 만큼 욕심을 줄이고 끝까지 도달하는 걸 우선했습니다.

⚠️ 주의 · 이어질 역질문
'무료티어 스트리트뷰로 1,054개를 정말 다 받을 수 있냐(쿼터)'를 물을 수 있음 → 무료티어 한도 안에서 4개 구로 제한한 이유와 연결. 'GNN 학습 라벨은 어디서 오냐'를 물으면 1단 VLM 진단이 2단 라벨이 되는 구조인데 그 라벨이 검증 안 된 자기생성 라벨이라 '라벨 품질이 전파 품질의 상한'이고, 실제로 전파가 베이스라인에 졌다(구조적)는 음성 결과까지 같이 말할 것. '그 음성 결과를 어디까지 믿냐'를 물으면 라벨 41개로 통계력이 부족해 모델 우열은 '보류'이고, 그래서 강한 우열 주장 대신 한계·작동조건 진단으로 둔다고 솔직히 답할 것. '잘 된다'는 성과 주장은 금지.

Q. 1단(VLM)만 되고 2단(GNN)이 안 되면?

💬 이렇게 답한다 (핵심)

사실 2단(GNN)은 이미 돌려봤고 베이스라인에 졌습니다—그래서 '안 되면'이 아니라 '안 됐고, 그걸 정직하게 보고한다'가 제 입장입니다
연구가 성립하는 근거는 '1단이 잘 된다'가 아니라, 1·2단 모두에서 무엇이 안 되는지를 누출 없이 보인 평가 프레임워크와 음성 결과입니다
1단 VLM 점수도 객관 시설과 불일치(AUROC 0.43)라, 1단 단독을 '작동하는 진단 기여'로 내세우지 않습니다

➕ 더 말한다면

이 질문이 사실 제 연구의 정직성과 직결됩니다. 처음 기대는 1단 VLM 진단을 2단 GNN으로 전파해 사진 없는 곳까지 넓히는 거였는데, 둘 다 실제로 돌려보니 기대만큼 안 됐습니다. 1단 VLM 위험점수는 객관 안전시설과 잘 안 맞았고(AUROC 0.43), 2단 GNN 전파는 피처·전역평균 베이스라인을 못 이겼습니다. 그래서 저는 '2단이 안 되면 1단으로 버틴다'는 식의 안전판 논리를 쓰지 않습니다. 1단도 잘 된다고 주장할 수 없으니까요. 대신 연구가 성립하는 근거를 다른 데 둡니다. 바로 이 '무엇이 왜 안 되는가'를 데이터 누출이나 자기채점 순환 없이 엄밀하게 보인 평가·정직성 프레임워크와 그 음성 결과 자체입니다. 전파가 왜 어려운지—라벨이 희소해서인지(41개), 인접 정의 때문인지, 신호가 원래 약해서인지—를 가르는 작동조건 규명이 오히려 본체이고, 그래서 모델이 성능을 못 내도 빈손이 아닙니다.

⚠️ 주의 · 이어질 역질문
'그럼 결국 다 안 된 거 아니냐, 그게 학술제 결과물이 되냐'는 압박이 핵심 → '안 된다'를 누출 없이 정량으로 보인 음성 연구는 그 자체로 가치가 있고, 특히 소형 VLM 위험점수를 정비에 그대로 쓰면 위험하다는 걸 보인 건 실무적으로도 쓸모 있는 발견이라고 답할 것. '1단만이라도 기여로 내세워라'고 해도 1단 점수가 AUROC 0.43이라 '작동하는 진단'으로 포장하지 말 것. 라벨 41개라 모델 우열은 '보류'이고, 페르소나(Dai 2026 선행)를 신규 기여로 들지 말 것.

Q. 이 학술제가 어떤 성격이고 너는 뭘 얻고 싶나(수상 목표 포함)?

💬 이렇게 답한다 (핵심)

중앙대 C.O.R.E. 학술제, 올해 소주제가 '고령화시대, 도시 인프라의 재설계'입니다
저는 건축학부 4학년이고, 도시를 위에서가 아니라 '가로 위 일상 경험'으로 진단해보고 싶어 이 주제를 잡았습니다
교수님의 거리뷰 AI 진단 테마를 노인 보행안전이라는 제 문제로 끝까지 구현해보는 게 목표고, 좋은 평가는 과정이 충실하면 따라온다고 봅니다

➕ 더 말한다면

C.O.R.E. 학술제는 중앙대에서 주어진 소주제 안에서 연구계획을 세우고 튜터 교수님 지도를 받아 한 학기에 걸쳐 결과물과 발표까지 가는 학술제입니다. 올해 소주제가 '고령화시대, 도시 인프라의 재설계'라 제 관심사와 잘 맞았습니다. 제가 이 주제를 고른 동기는, 사람들이 도시를 이해할 때 보통 지도나 항공사진을 쓰는데 그러면 도시 전체를 지배하는 기하학적 특질이 먼저 보이고, 정작 사람들이 길 위에서 겪는 일상 차원의 경험은 잘 안 보인다고 느꼈기 때문입니다. 그래서 가로 위 경험적 특징을 직접 진단해보고 싶었고, AI로 도시 파사드를 분석하신 교수님 연구를 찾아 튜터로 요청드리게 됐습니다. 얻고 싶은 건, 교수님의 거리뷰 기반 진단·보행 행태 연구 테마를 노인 보행안전이라는 제 문제로 끝까지 구현해보는 경험입니다. 학술제에서 좋은 평가까지 받으면 좋겠지만, 그건 과정이 충실하면 따라오는 거라고 생각해서 앞에 두진 않으려 합니다.

⚠️ 주의 · 이어질 역질문
수상/대상 욕심을 먼저 꺼내면 가벼워 보이니 '과정·배움'을 앞세우고 성과는 절제해서 뒤에 둘 것. 교수가 '내 연구의 어떤 점을 계승하려는 거냐'며 구체 논문을 물을 수 있는데, 제목을 지어내지 말고 '거리뷰 기반 AI 도시 진단 / 보행 행태·횡단보도 연구라는 테마 수준'으로만 말하고 '논문은 제가 직접 정확히 읽어 발표 때 연결하겠다'고 답할 것. '단독 참가인데 왜 굳이 혼자 하냐'를 물으면 발표 본체가 새 모델 성능이 아니라 평가 프레임워크·음성 결과라 가벼운 규모로도 성립하게 설계한 점으로 연결해 답할 것('1단만으로 발표 가능'식 안전판 논리는 쓰지 말 것).

🙋 마무리 — 내가 먼저 던질 질문 (역으로)

끝에 이런 질문을 던지면 "준비된 학생"으로 남습니다:
· "교수님 보시기에 이 방향에서 가장 먼저 검증해야 할 부분은 무엇일까요?"
· "거리뷰 기반 진단을 무엇과 대조해 검증하셨는지, 제 연구에 적용할 수 있을지 여쭤도 될까요?"
· "단독 참가라 현실적으로 어디까지 범위를 잡는 게 좋을지 조언 부탁드립니다."
· "튜터로 모시게 되면 어떤 주기로 진행 상황을 공유드리면 좋을까요?"

✅ 미팅 전 체크리스트

교수님 논문 1편 정독 → 거리뷰 진단 / 대기오염 노출 / 보행행태(2025 횡단보도) 중 인용할 1~2개 정하기
"VLM 환각·검증" 답: 이미 객관 시설과 대조했더니 위험점수가 불일치(이진 AUROC 0.43<0.5)라는 음성 결과를 정직하게 (근거 칸·신뢰도는 보조 감사 장치, 미검증 점수는 권고에 직접 안 씀)
"노인 페르소나 타당성" 답: 노인 조준은 페르소나가 아니라 객관 보행속도 규칙(한음 외 2020, 0.73~0.85m/s)으로; 페르소나는 선행(Dai 2026)이라 비신규·경계 Δ+0.77(p=0.063)로 분별력 약함
차별점 한 문장: "기여는 누출 통제 평가 프레임워크 + 정직한 음성 진단(VLM 불일치·전파 베이스라인 패배) + 작동조건 재정조준" (결합·페르소나·전파성과는 신규성으로 내세우지 않음)
핵심 한 문장: "발표 본체는 새 모델 성능이 아니라 무엇이 왜 안 되는지를 누출 없이 보인 평가와 음성 결과" (라벨 41개라 모델 우열은 보류)

중앙대 C.O.R.E. 학술제 · 튜터 교수님 첫 미팅 준비 (예상 질문 & 답변)