첫 논문 작성기 (RA-L with IROS2021)

안녕하세요, 오늘은 paper 리뷰대신 첫 논문을 작성하고난 소감문입니다. 주로 했던 역할이 라이팅이므로 라이팅 위주로 후기 남기겠습니다.

IROS RA-L이란?

이번 논문을 작성하기전에 저널, 페이퍼, 학회, 임팩트팩터 이런 개념이 전혀 없었습니다. 제출을 하는과정에서 공지사항, submission procedure등을 찾아보며 자연스럽게 알게된 IROS RA-L이 무엇인지 차근차근 알려드리겠습니다. 먼저 결론부터 말씀드리면, IROS( Intelligent Robots and Systems)는 학회이름이고 RA-L( Robotics and Automation- letters )은 온라인저널 입니다. RA-L은 1년내내 제출할 수 있고, RA-L에 제출할 때 학회옵션을 설정할 수가 있습니다. 그중에서 저희가 이번에 데드라인을 맞춰서 낸것은 IROS옵션이였습니다.

RA-L과 연동되는 학회는 매년 달라질 수 있으나, 주로 CASE, IROS, ICRA입니다. 학회옵션을 걸고 제출하면 각각 채점이 다르게 됩니다. 무슨말이냐면, 학회만 합격하고 저널은 떨어지고, 저널만 합격하고 학회는 떨어지고 이런식의 경우가 생길수도 있습니다.

RA-L 페이퍼 제출 형식은 PDF파일이며, 최대6장이나 2장의 Extra page를 한장당 175$? 165$? 내면 추가 할 수 있습니다. 그래서 총 8장이 최대 분량이 됩니다. 이와는 별개로 추가적으로 50MB짜리 ZIP파일을 제출할 수 있습니다. ZIP파일내에는 summary.txt, readme.txt를 반드시 포함해야하며, 동영상, 코드 등등… 멀티미디어를 첨부할 수 있습니다. 그리고 zip파일과 별도로 학회 옵션을 고르면 최대 20MB까지의 MPEG or mp4 동영상파일을 추가적으로 첨부할 수 있습니다. 그러나… 이러한 규정은 매년 달라지고 공지사항 게시판에 업데이트가 잘 이루어지지 않는거같으니 정확한 사항은 최종제출 페이지를 확인하셔야할듯 합니다.

저희는 8장, 멀티미디어는 zip파일만 제출하였습니다. 여기까지가 IROS RA-L이 어떠한 의미인지, 제출형식은 어떠한지 설명을 마치었습니다.

논문 구성

다들 잘 아시겠지만, 논문은 Abstract, Introduction, ~~~~ Conclusion References 등등… 이런식으로 구성됩니다. 저희 논문 구성을 토대로 각각 어떠한 컨셉의 내용을 작성해야하는지부터 설명드리겠습니다.

Abstract

해당 논문이 어떠한 논문인지 언급하는 부분입니다. Abstract만 읽고 좋은 논문이다 아니다를 판단하는 사람들이 많으므로 Abstract는 함축적으로 이해하기쉽게 작성해야합니다. 주로 1문단으로 작성하고, 모든 디테일을 다 담을 필요는 없고 핵심 내용만을 담읍시다! 줄인말은 최대한 지양하고, 읽는 독자들로 하여금 이해하기 쉽게하는게 관건입니다. 생각보다 자신의 논문이 남들에게는 낯선주제일 수 있습니다. 심지어 리뷰어에게도 낯선주제일수 있으니, 섣부른 줄인말 남발은 안하는게 좋습니다.

리뷰어 얘기가 나와서 하는 얘기인데, 리뷰어는 총 3명의 시니어 전문가로 구성됩니다. 페이퍼를 제출할 때, 리뷰를 원하는 분야를 총 3군데 선정할 수 있습니다. 그럼 해당분야의 전문가가 리뷰어로 배정되게 됩니다. 리뷰를 원하는 분야를 잘 선정하는것도 accept될 확률을 높이는 중요한 전략입니다. 예를들어 Machine learning 분야를 고르면, 모델적으로, 수학적으로 접근하는 리뷰어들이 많을것 입니다. 반면에, 로보틱스 쪽을 고르면 실제 application적인 관점에서 접근하는 리뷰어들이 많을 겁니다. 자신의 논문의 특색에 맞춰서 잘 선택하고, 좋은 리뷰어를 만나기를 소망 해봅시다.

Introduction

Abstract에서 간략하게 언급했다면, Introduction에서는 읽은 독자들의 흥미를 끄는 부분입니다. 주로 introduction은 5~7문단 정도로 구성되며, 그 중 하나의 예시 보여드리겠습니다.

  1. 기존 연구들 소개
  2. 기존 연구들의 한계
  3. 한계 극복의 필요성 및 노력
  4. 그래서 우리는 ~을 제안한다.
  5. Contribution 요약.

주로 이런식의 전개가 많으며, 해당 틀을 크게 벗어나는 경우는 많이 없는거 같습니다.

처음 intro를 쓰기전 IROS best paper 상을 받은 논문들에서 각 문단별로 핵심주장이 무엇인지 분석하여 작성하였습니다. 이 후에는 문단별로 우리 연구에 맞는 소주제를 잡고 그에 맞춰 작성하였습니다.

추가적으로 Introduction 페이지에는 Teaser figure가 들어가야합니다. Teaser figure란 논문 첫페이지 오른쪽 위에 들어가는 figure를 말합니다. 가장 중요한 Figure라고 해도 과언이 아닐만큼 혼심의 힘을 다해서 만들어봅시다.

Related Works

해당 부분 작성전에는 서베이가 우선적입니다. IROS 제출하는 논문이면 일단 기본적으로 IROS 논문들을 어느정도 섞어주는게 좋습니다. 서베이를 EXCEL에 정리하고, 작성을 시작합니다.

먼저 첫번째 subsection 작성전에 어떠한 내용들을 다룰것인지 가볍게 언급해주셔도 좋고 안해주셔도 좋습니다.

첫번째 서브섹션에서는 가장 중요한 contribution에 대한 related work를 다루는게 좋습니다.

나열만 하기보다는 자신의 연구와 연관지어서 서술하도록 합니다.

각 서브섹션간의 길이차이가 너무많이나지않게 작성하시는게 보기에 더 깔끔합니다.

Methods

사실 앞에 related works까지는 고정적으로 가져가는 분위기이나, 이후는 논문마다 섹션 제목이 제 각각 입니다. 저희는 Methods를 작성하였기 때문에 저희 기준으로 설명해드리겠습니다.

위에서 Related works를 작성했을때처럼 중요한 contribution 순서로 작성합니다.

모든 내용은 풀어서 서술하고, 최대한 confusion을 없애는게 관건입니다.

설명을 돕기위한 Figure, Table 배치는 최대하 같은페이지 내에서 하되, 어쩔 수 없는 경우에는 다른페이지로 넘어가도 무방합니다. 실제로 Latex로 작업하다보면 Figure, Table 배치가 상당히 귀찮습니다.

수식이나 테이블을 삽입할 때는 generator를 사용하면 좀 더 수월합니다. 이는 구글링하면 바로 나옵니다.

Experiments

실험 결과에 대해서 객관적으로 서술하여야 하지만, 어느정도 자신의 work에 대한 어필을 해주는게 좋습니다. 위의 파트에 비해 창작의 고통이 더 들어가므로 좀 더 쓰기 수월한 편이라고 생각합니다.

Conclusion

Conclusion은 최대하 짧게 작성하는것을 원칙으로합니다. 말그대로 위에서 했던 내용을 반복하는 것 이기때문에 굳이 길게 작성할 필요가 없습니다.


영어

먼저 가장중요한것은 글쓰기 능력입니다. 자신이 전달하고자하는 내용을 정확하게 글에 녹여내는것이 결코쉬운일이 아니었습니다. 논문에서 주장하는 모든 내용에는 논리적인 근거가 있어야합니다. 객관적인 근거들을 제시하며 독자를 설득하는 작업이 라이팅의 핵심입니다.

글쓰기 능력만큼이나 중요한것이 영어입니다. 국제학회 논문은 모두 영어를 기본으로 하기때문에 영어는 논문을 쓰는데 중요한 요소중 하나입니다. 하지만 영어를 모국어로 하지 않는 나라가 많은 만큼 치명적인 에러가 아닌이상 수용되는 편입니다. 그러나 의미적으로 전달이 잘못되면 문제가 발생합니다. 그리고 표현상 틀린 곳이 많이 발견되면 읽는사람들로 하여금 글을 신뢰하기 힘들어지는 상황이 벌어지게 됩니다.

파파고/구글번역기에 대한 견해

파파고, 구글번역기는 좋은 툴입니다. 그러나 파파고, 구글번역기에 의존적이 되면 안됩니다.

한글로 초안을쓰고 번역기를 돌려서 내용을 본다음 문법적인 오류를 고치는식의 접근은 좋은 방법이 될 수 있습니다. 그러나 처음부터 파파고를 써버리면 자신의 생각이 편향 될 수 있습니다. 즉, 다른 좋은 표현이 생각이 안나고 파파고가 제안하는 문장만 머릿속에 맴도는 현상이 발생하게됩니다.

또한, 자연스러운 흐름보단 기계같은 느낌을 줄 수 있습니다. 그리고 작문실력이 느는데 큰 도움이 되지 않습니다. 따라서 파파고의 도움을 받는것도 좋지만, 처음에는 힘들더라도 직접 작성하는게 좋은거 같습니다.

라이팅 팁

먼저, 문단별로 핵심주제를 적습니다. 그렇지않으면 내용이 산으로 갈 가능성이 커집니다. 그리고, 초안을 작성합니다. 초안은 되도록 바로 영어로 작성하는게 좋습니다. 한글로 작성하고 영어로 바꾸면 어차피 영어로 바꾸는 과정에서 내용이 다 바뀝니다. 한글 초안에서 작성한 내용을 그대로 영어로 옮기면 어색한 경우가 상당히 많습니다. 이유는 아마도 한글과 영어의 논리구조가 다르기 때문이라고 생각합니다.

한문장은 너무 길지도, 너무 짧지도 않게 작성하고 밸런스를 맞춥니다. 반복되는 표현은 paraphrasing하며 다양한 표현으로 바꾸어 씁니다. 만약 모르겠으면, 구글에 synonym을 찾아보면 됩니다. 예를들어… alleviate 란 단어가 반복된다고 생각이되면, 구글에 alleviate synonym이라고 검색하면 다양한 단어들이 나올 겁니다. 아는 단어는 그대로 사용하고 처음보는 단어는 example sentences를 찾아봐서 용례가 맞는지 크로스체크하고 가져다 쓰면 됩니다.

논문 몇개를 읽으며 좋은 표현들을 따옵니다. 사실상 논문에서 쓰이는 표현들은 그게그거인거 같습니다. 예를들어, “우리가 알기론 multi-label learning을 멀티스펙트럴 보행자인식에 사용한건 처음이다.” 해당 문장을 영작한다고 생각해봅시다.

As far as we know, this is the first try to use multi-label learning in multispectral pedestrian detection. 이렇게 영작 할 수 있습니다.

파파고에서는 이런식으로 영작이 됩니다.

그러나 논문에서는 저렇게 잘 사용하지 않습니다. 대신에…

To the best of our knowledge, this is the first attempt to leverage multi-label learning in multispectral pedestrian detection.

이런식으로 사용합니다. 차이가 눈에 보이시나요?

위에서 언급한 파파고를 처음부터 사용하지 말자는 이유도 위의 예시가 잘 설명해줍니다.

소감

주말, 밤낮, 설연휴에 관계없이 최근 2주간 논문에만 매진했습니다. 개인시간이 없다보니 많이 지치고 힘들었습니다. 중간에 논문에서 강조하고자하는 내용이 계속 바뀌어서 여러차례 뒤집어 엎었습니다. 열심히 적어놓으면 내용이 계속 바뀌어서 힘들었지만, 그 과정에서 작문실력이 많이 향상된거같습니다.

또한, 김남일연구원님과 교수님이 도와주신 덕분에 좀 더 잘 마무리 할 수 있었습니다. 저희가 적어놓은 내용을 토대로 두분이서 다시 작성해준 내용들을 보며 어떤식으로 논문을 작성해야하는지 많이 배웠습니다. 수십번을 읽고 고친 후 피드백을 받으니 기존 제가 작성했던 라이팅의 문제점들을 알 수 있었습니다. 처음 혼자 작성했던 내용들은 실험 보고서 느낌이 강했지만, 점차 발전해서 그래도 논문같은 느낌이 났습니다.

이유를 생각해봤는데, 문법적인 오류가 생길까봐 쉬운 표현들로만 돌려막아서 그런거 같습니다. 좀 더 과감하게 작성하며 애매한 표현들은 구글링해서 예문을 찾아보며 고쳐나가니 좀 더 전문적인 글이 되었습니다. Terminology와 논문적인 표현들 등을 잘 섞어서 쓰는것이 좀더 professional 한 글을 만드는데 중요한 요소임을 깨달았습니다.

주요 역할이 라이팅이긴 했지만, 글을 쓰는 사람이 내용을 이해해야 하기 때문에 멀티레이블 컨셉하고 멀티스펙트럴 보행자인식에 대한 전체적인 흐름 공부도 많이 된거같습니다.

또한, 논문을 혼자 작성한게 아닌 팀으로써 팀원간의 역할분담이 확실하게 해서 서로 잘 도와가며 마무리지을수 있었습니다.

아쉬운점으로 제출한 이후에도 몇몇 문법오류, 포맷팅오류 등이 보인 것 입니다. 제출직전에도 내용을 많이 추가하고 변경하여 검토할 시간이 부족했습니다. 크리틱컬한 부분은 아니지만, 그래도 조금이라도 더 시간이 있었으면 좀 더 좋은 논문이 되지 않았을까 생각합니다.

결과는 3개월 후 정도에 나온다고 하니 일단은 신경쓰지말고 다시 연구실일과 개인연구에 몰두해야할거 같습니다. 2주간의 힘든 여정이였지만, 교수님, 김남일연구원님, 팀원들이 도와줘서 시간내에 제출할 수 있었던거 같습니다. 다시 한 번 감사드립니다.

Author: 김 형준

Robotics, Computer Vision

답글 남기기

이메일 주소는 공개되지 않습니다. 필수 항목은 *(으)로 표시합니다