CMHANet: A Cross-Modal Hybrid Attention Network for Point Cloud Registration
이 논문은 2D 이미지의 풍부한 맥락 정보와 3D 점 구름의 기하학적 세부 사항을 융합하고 대비 학습 기반 최적화 함수를 도입하여 복잡한 실제 환경에서도 강인한 성능을 보이는 새로운 크로스 모드 하이브리드 어텐션 네트워크 (CMHANet) 를 제안합니다.
🤖 Category
cs.AI
11370 편의 논문
Graph In-Context Operator Networks for Generalizable Spatiotemporal Prediction
이 논문은 기존 단일 연산자 학습과 비교하여 컨텍스트 기반 연산자 학습의 우수성을 입증하고, 그래프 메시지 전달과 예시 인식 위치 인코딩을 결합한 GICON 모델을 제안하여 복잡한 시공간 예측 작업에서 공간적 일반화와 데이터 양에 따른 확장성을 동시에 달성함을 보여줍니다.
On Using Machine Learning to Early Detect Catastrophic Failures in Marine Diesel Engines
이 논문은 실제 엔진 고장 데이터를 기반으로 Random Forest 알고리즘을 활용하여 센서 값의 편차 변화율 (미분) 을 분석함으로써, 기존 임계값 기반 경보보다 훨씬 일찍 해양 디젤 엔진의 돌발적 치명적 고장을 탐지하고 선원에게 사전 대응 시간을 확보하는 새로운 기계학습 기법을 제안합니다.
ToolTree: Efficient LLM Agent Tool Planning via Dual-Feedback Monte Carlo Tree Search and Bidirectional Pruning
이 논문은 LLM 에이전트의 도구 계획 시 기존 방법의 한계를 극복하고, 이중 피드백과 양방향 가지치기를 활용한 몬테카를로 트리 탐색 기반의 'ToolTree'를 제안하여 성능과 효율성을 동시에 향상시켰음을 보여줍니다.
MoKus: Leveraging Cross-Modal Knowledge Transfer for Knowledge-Aware Concept Customization
이 논문은 희귀 토큰의 불안정성을 해결하고 텍스트의 지식을 시각적 개념에 효과적으로 결합하기 위해 교차 모달 지식 전이를 활용한 'MoKus' 프레임워크와 새로운 벤치마크 'KnowCusBench'를 제안하여 지식 인식 개념 커스터마이징 성능을 획기적으로 향상시켰습니다.
TaoBench: Do Automated Theorem Prover LLMs Generalize Beyond MathLib?
이 논문은 기존 수학 라이브러리 (MathLib) 에 의존하는 자동 정리 증명 시스템이 표준 라이브러리를 사용하지 않고 기본 개념부터 구축된 테오도르 타오의 분석학 기반 벤치마크 'TaoBench'에서 성능이 약 26% 급감한다는 사실을 규명하여, 현재 모델들의 주요 한계가 작업 난이도가 아닌 정의 프레임워크 간 일반화 부재에 있음을 보여줍니다.
AI Model Modulation with Logits Redistribution
이 논문은 재학습 없이 단일 대규모 모델이 다양한 요구사항에 맞춰 출력 품질과 초점을 동적으로 조절할 수 있도록 하는 'AIM'이라는 새로운 모델 변조 패러다임을 제안합니다.
Empowering Semantic-Sensitive Underwater Image Enhancement with VLM
이 논문은 비전 - 언어 모델 (VLM) 을 활용하여 텍스트 기반의 의미적 가이드맵을 생성하고 이를 이중 가이드 메커니즘을 통해 적용함으로써, 기존 수중 이미지 향상 모델이 객체 인식 및 분할과 같은 하류 작업에 더 효과적으로 대응할 수 있도록 의미에 민감한 복원 성능을 강화하는 새로운 학습 방식을 제안합니다.
Cheers: Decoupling Patch Details from Semantic Representations Enables Unified Multimodal Comprehension and Generation
이 논문은 패치 수준의 세부 사항과 의미 표현을 분리하여 시각적 이해와 생성을 단일 모델에서 안정적으로 통합하고, 4 배의 토큰 압축으로 고품질 이미지 생성을 가능하게 하는 'Cheers'라는 새로운 멀티모달 모델을 제안합니다.
Context is all you need: Towards autonomous model-based process design using agentic AI in flowsheet simulations
이 논문은 대규모 언어 모델과 도구 사용 능력을 갖춘 에이전트 AI 프레임워크를 화학 공정 플로우시트 시뮬레이션에 적용하여, 공학적 지식과 코드 구현을 담당하는 다중 에이전트 시스템을 통해 산업용 공정 설계 자동화를 달성하고 그 유효성을 입증한 연구입니다.
Residual SODAP: Residual Self-Organizing Domain-Adaptive Prompting with Structural Knowledge Preservation for Continual Learning
이 논문은 도메인 증분 학습에서 작업 식별자와 과거 데이터 저장 없이도 -entmax 희소 프롬프트 선택, 잔차 집계, 데이터 없는 증류, 불확실성 인식 손실 균형 등을 결합하여 범주적 망각을 극복하고 최첨단 성능을 달성하는 'Residual SODAP' 프레임워크를 제안합니다.
Hierarchical Dual-Change Collaborative Learning for UAV Scene Change Captioning
이 논문은 이동하는 UAV 카메라로 촬영된 이미지 쌍의 시공간적 변화를 자연어로 설명하는 새로운 작업인 UAV 장면 변화 캡셔닝 (UAV-SCC) 을 제안하고, 동적 적응 레이아웃 트랜스포머와 계층적 교차 모달 방향 일관성 보정 기법을 통해 성능을 극대화한 HDC-CL 모델을 개발하며 관련 벤치마크 데이터셋을 구축했습니다.
Mask2Flow-TSE: Two-Stage Target Speaker Extraction with Masking and Flow Matching
이 논문은 판별적 마스킹과 유동 매칭을 결합하여 기존 생성형 방법과 유사한 음질과 성능을 유지하면서도 단일 추론 단계로 고속 추론이 가능한 2 단계 타겟 화자 추출 프레임워크인 Mask2Flow-TSE 를 제안합니다.
Hierarchical Reference Sets for Robust Unsupervised Detection of Scattered and Clustered Outliers
이 논문은 IoT 데이터의 산재 및 군집형 이상치를 효과적으로 탐지하기 위해 그래프 구조를 활용한 계층적 참조 집합 기반의 새로운 비지도 이상 탐지 패러다임을 제안합니다.
Team LEYA in 10th ABAW Competition: Multimodal Ambivalence/Hesitancy Recognition Approach
이 논문은 10 번째 ABAW 대회에서 제안된 팀 LEYA 의 다중 모달 접근법을 소개하며, 장면, 얼굴, 음성, 텍스트 정보를 통합하고 프로토타입 증강 fusion 모델을 활용한 앙상블을 통해 단일 모달 기반보다 뛰어난 ambivalence/hesitancy 인식 성능을 입증했습니다.
Finite Difference Flow Optimization for RL Post-Training of Text-to-Image Models
이 논문은 샘플링 과정을 단일 행동으로 간주하고 더 유리한 이미지를 향해 유동 속도를 조정하는 온라인 강화학습 변형 기법을 제안하여, 텍스트-이미지 생성 모델의 사후 학습 시 수렴 속도와 출력 품질을 기존 방법보다 향상시켰다고 요약할 수 있습니다.
Human-Centered Evaluation of an LLM-Based Process Modeling Copilot: A Mixed-Methods Study with Domain Experts
본 논문은 LLM 기반 BPMN 코파일럿에 대한 전문가 대상 혼합 방법론 연구를 통해 자동화된 벤치마크만으로는 신뢰성 및 인간 중심 평가 요소가 부족함을 드러냈으며, 이를 보완하기 위한 인간 중심 평가의 필요성을 강조합니다.
Learning from Child-Directed Speech in Two-Language Scenarios: A French-English Case Study
이 논문은 영아 지향 화와 다분야 코퍼스를 비교 분석하여 영어-프랑스어 이중언어 환경에서 언어 모델의 학습 효과를 규명하고, 문법 판단에는 영아 지향 화가, 의미 과업에는 위키백과 데이터가 각각 유리하며 이중언어 사전 학습이 특히 프랑스어 텍스트 함의 과제에서 유의미한 향상을 보인다는 결과를 제시합니다.
FedBPrompt: Federated Domain Generalization Person Re-Identification via Body Distribution Aware Visual Prompts
이 논문은 분산된 데이터 환경에서 사람 재식별 (ReID) 성능을 향상시키기 위해, ViT 의 전역 어텐션 한계를 보완하고 통신 비용을 줄이기 위해 전신 및 신체 부위 정렬을 고려한 가시적 프롬프트 메커니즘과 경량화 미세 조정 전략을 제안하는 'FedBPrompt'를 소개합니다.
Stake the Points: Structure-Faithful Instance Unlearning
이 논문은 기존 기계적 망각 기법의 구조적 붕괴 문제를 해결하기 위해 언어 기반 속성 설명에서 도출된 '스테이크 (semantic anchors)'를 활용하여 지식의 구조적 관계를 보존하는 새로운 프레임워크를 제안하고, 이를 통해 삭제와 유지 간의 균형을 개선하며 성능을 크게 향상시켰음을 보여줍니다.