3742 편의 논문
이 논문은 농업 비전 분야에서 모델의 일반화 성능을 평가하기 위해 여러 팀이 독립적으로 수집한 이질적인 데이터셋을 활용하는 'AgrI Challenge'와 교차 팀 검증 (CTV) 패러다임을 제안하며, 단일 소스 학습의 한계를 드러내고 다중 소스 협업 학습이 도메인 간 격차를 크게 줄여준다는 것을 입증합니다.
이 논문은 희소 사건 감독 하에서 장기 wildfire 위험 예측의 계산 효율성을 높이기 위해, 초기 탈노이즈 단계를 공유하고 후기 단계에서 분기하는 계층적 확산 모델인 N-Tree Diffusion (NT-Diffusion) 을 제안하여 정확도 향상과 추론 비용 감소를 동시에 달성함을 보여줍니다.
이 논문은 원숭이 V4 영역의 신경 반응 연구를 통해 새로운 과제를 학습하는 과정에서 뇌가 효율성을 위해 중복성을 줄인다는 기존 가설과 달리, 베이지안 추론 예측에 따라 신경 반응의 정보 중복성이 증가하여 개별 뉴런이 전달하는 정보를 증대시킨다는 사실을 규명했습니다.
이 논문은 모호한 시각적 질문에 대한 전략적 응답 생성을 위해 모호성 수준을 세분화한 새로운 데이터셋 AQuA 를 제안하고, 이를 통해 학습된 비전 - 언어 모델이 모호성을 인식하고 상황에 맞는 응답 전략을 선택하여 기존 모델들을 능가하는 성능을 입증합니다.
이 논문은 3D 개념 병목 모델을 통해 뇌동맥류의 형태학적 및 혈역학적 임상 특징을 통합하여 블랙박스 모델의 투명성 문제를 해결하면서도 93.33% 의 높은 진단 정확도를 달성한 해석 가능한 분류 프레임워크를 제안합니다.
이 논문은 VLM 의 환각 및 구성 추론 한계를 해결하기 위해 평가 지표 체계 정립과 데이터 생성, 모델 정렬을 포함한 양면적 접근법인 VIVECaption 을 제안하여 저작권 문제가 없는 고품질 훈련 데이터 확보를 가능하게 합니다.
이 논문은 현재 부재한 단일 치아 이미지용 데이터셋의 공백을 메우기 위해 비전 - 언어 모델 (VLM) 을 활용하여 가이드된 프롬프트를 통해 치과 이미지의 의미 있는 설명을 생성하고 그 품질을 평가하는 방법을 제안합니다.
이 논문은 다양한 실세계 열화 현상을 단일 모델로 처리할 때 발생하는 학습 불안정 및 성능 저하 문제를 해결하기 위해, 전문화된 전문가 네트워크를 결합한 다중 분기 혼합 전문가 아키텍처를 도입하여 확장성, 적응성 및 사용자 제어 가능성을 갖춘 범용 이미지 복원 프레임워크 'UnSCAR'을 제안합니다.
이 논문은 이중 수준 적대적 학습과 쿼리 기반 삼중항 감독을 통해 도메인 불변성을 강화하고, 스타일 전이를 활용한 데이터 증강을 통해 다양한 도메인 변화에서 최첨단 성능을 달성하는 새로운 쿼리 기반 도메인 무관 시각적 장소 인식 모델인 QdaVPR 을 제안합니다.
이 논문은 공간적 위계와 주파수 의미론을 분리한 해리된 텍스트 사전과 대규모 데이터셋을 도입하여 확산 기반 이미지 초해상도의 의미적 제어 가능성과 생성 품질을 혁신적으로 향상시킨 DTPSR 프레임워크를 제안합니다.
이 논문은 모바일 GUI 에이전트의 일반화 능력을 평가하기 위한 새로운 벤치마크 'AndroidWorld-Generalization'과 확장 가능한 RL 학습 시스템을 제안하고, 그룹 상대적 정책 최적화 (GRPO) 를 적용한 실험을 통해 일반화 문제의 현재 한계와 잠재력을 규명했습니다.
이 논문은 손실 기반의 난이도와 신뢰도 기반의 불확실성 신호를 통합한 보상 메커니즘을 통해 모델 최적화와 함께 진화하는 샘플별 선택 정책을 학습함으로써, 다양한 작업과 데이터셋에서 손실 없는 성능 유지 하에 훈련 비용을 50% 이상 절감하는 종단간 동적 데이터 선택 프레임워크인 'Data Agent'를 제안합니다.
이 논문은 지원 이미지의 지역적 이질성과 쿼리 응답의 이질성을 해결하기 위해 신뢰도 가중 프로토타입 마이닝과 기하학적 적응형 임계값 선택을 도입하여 학습 없이 수행되는 원샷 폴립 분할의 정확도를 획기적으로 개선한 RPG-SAM 프레임워크를 제안합니다.
이 논문은 확산 모델 기반의 정규장 최적화와 조건부 인페인팅 기법을 활용하여 단일 RGB 이미지에서 높은 충실도의 3D 개 모델을 재구성하는 'DogWeave' 프레임워크를 제안합니다.
이 논문은 의료 멀티모달 대규모 언어 모델의 성능을 향상시키기 위해 추가적인 라벨 데이터 없이도 테스트 시 데이터를 활용한 자기 진화 프레임워크인 Med-Evo 를 제안하며, 특징 기반 가짜 라벨링과 하드-소프트 보상 메커니즘을 통해 기존 최첨단 방법보다 뛰어난 성과를 입증합니다.
이 논문은 NAPE 와 GMU 라는 두 가지 간단한 아이디어를 기반으로 0.14M~0.55M 개의 파라미터만 사용하면서도 PointMLP 나 Point Transformer V3 와 같은 기존 모델들을 파라미터 수와 연산량 측면에서 압도적으로 줄이면서 높은 정확도를 달성하는 초경량 3D 포인트 클라우드 인식 네트워크인 SLNet 을 제안합니다.
이 논문은 VAE, GAN, 흐름 기반, 자기회귀 및 트랜스포머, 확산 모델 등 지난 10 년간 발전한 이미지 생성 모델들의 기술적 역사와 최적화 기법, 한계를 체계적으로 정리하고, 최근의 비디오 생성 기술과 딥페이크 위험, 탐지, 워터마킹 등 책임 있는 배포에 대한 중요성을 다루고 있습니다.
이 논문은 다중분광 원격탐사 이미지의 복잡한 배경과 명확하지 않은 대상 문제를 해결하기 위해, 도메인 특화 스펙트럼 지수를 활용하여 의미적으로 중요한 영역을 동적으로 마스킹하는 'SIGMAE'라는 새로운 프리트레이닝 모델을 제안하고, 다양한 다운스트림 작업에서 기존 지오스페이스 파운데이션 모델보다 우수한 성능을 입증했습니다.
이 논문은 모달리티 간 간격으로 인한 부정적 전이 문제를 해결하기 위해 깊이 불확실성을 통합한 선택적 지식 증류 기법인 MonoSTL 을 제안하여, 단안 3D 객체 감지 성능을 기존 최첨단 모델보다 크게 향상시킨다는 것을 보여줍니다.
이 논문은 3D 프린팅 사후 공정 자동화를 위해 CAD 모델과 실물 사진을 매칭한 새로운 데이터셋 'ThingiPrint'를 제안하고, 재학습 없이도 회전 불변성 기반의 대비 학습을 통해 새로운 3D 프린팅 객체를 효과적으로 분류할 수 있음을 입증했습니다.