3933 편의 논문
이 논문은 CLIP 기반의 다중 레이블 클래스 증분 학습에서 발생하는 catastrophic forgetting 과 높은 오검출률을 해결하기 위해, 각 클래스별 프롬프트 공간을 분리하는 'DeCLIP' 프레임워크와 오검출률을 억제하는 'AST' 전략을 제안하여 재현 데이터 없이도 기존 방법보다 우수한 성능을 달성함을 보여줍니다.
이 논문은 미지의 물체를 단순히 '알 수 없음'으로만 분류하는 기존 오픈 월드 객체 탐지의 한계를 극복하고, 자율 주행 등 실용적 의사결정에 도움이 되는 계층적 의미 정보를 추론할 수 있는 새로운 탐지기 BOUND 를 제안합니다.
이 논문은 비디오 확산 모델의 직관적 물리 이해 능력을 시각적 외관과 분리하여 평가하기 위해, 생성된 비디오의 물리 타당성을 확률 기반 선호도로 측정하는 훈련 없는 방법인 LikePhys 를 제안하고, 이를 통해 현재 모델들의 물리 이해 능력이 규모 확장에 따라 점진적으로 향상되고 있음을 입증합니다.
이 논문은 구조적 전역 사전지식을 제공하는 '캔버스'와 운동 인식 샘플링 순서 등을 도입하여, 적은 샘플링 단계로도 고품질의 비디오를 생성하고 확산 기반 방법과 경쟁할 수 있는 새로운 오토레거시 비디오 예측 모델인 CanvasMAR 를 제안합니다.
이 논문은 제한된 2D 뷰만으로도 인간과 유사한 3D 공간 상상력을 통해 추론할 수 있도록, 3D 사전 지식이나 명시적 3D 데이터 없이도 3D 잠재 공간 정합 및 결과 기반 최적화를 통해 훈련된 새로운 프레임워크인 3DThinker 를 제안합니다.
이 논문은 엣지 디바이스 배포 제약 하에서 로봇의 주행 가능 영역 분할 정확도와 경계 정밀도를 동시에 향상시키기 위해 잔여 보조 경계 정제 모듈과 주의 기반 점진적 업샘플링 디코더를 제안한 AURASeg 프레임워크를 소개합니다.
이 논문은 기존 객체 중심의 문화적 편향을 넘어 사회적 활동과 일상적 맥락을 평가하는 새로운 벤치마크 'CULTIVATE'를 제안하고, 이를 통해 텍스트 - 이미지 생성 모델이 북반구 국가에 비해 남반구 국가의 문화를 덜 정확하게 표현하며 체계적인 편향을 보임을 규명했습니다.
이 논문은 딥페이크 탐지 모델의 인종 및 성별 편향을 구조적 해리와 전역 분포 정렬을 통해 동시에 해결하여, 공정성을 향상시키면서도 탐지 정확도를 유지하는 새로운 최적화 프레임워크를 제안합니다.
이 논문은 정확한 3D 좌표 지도 학습 대신 전역 궤적과 단안 2D 운동학적 단서를 기반으로 3D 운동 구조의 일관성을 학습하는 'LaxMotion' 프레임워크를 제안하여, 훈련 분포를 벗어난 상황에서도 뛰어난 일반화 성능을 달성함을 보여줍니다.
이 논문은 생성형 AI 모델이 문화적 아이콘을 처리할 때 단순한 복제가 아닌 '인식'과 '구현'의 두 차원을 구분하는 새로운 평가 프레임워크와 '문화적 참조 변환 (CRT)' 지표를 제안하며, 모델의 행동이 학습 데이터 빈도뿐만 아니라 텍스트 고유성, 참조의 인기도, 제작 시기 등 다양한 요인에 의해 결정됨을 규명합니다.
이 논문은 대규모 언어 모델 (LLM) 과 그리드 기반 정수 계획법을 결합하여 텍스트 프롬프트에서 구조화된 제약 조건을 추출하고, coarse-to-fine 최적화 전략을 통해 방 배치와 가구 배치를 공동으로 최적화하는 새로운 자동 인테리어 디자인 프레임워크인 'Co-Layout'을 제안합니다.
이 논문은 중립적인 장면, 잠재적 청각적 트리거, 스타일 조절자를 결합한 모듈형 프롬프트 디자인을 통해 T2V 모델의 안전 장벽을 우회하는 새로운 재킹 프레임워크 'SPARK'를 제안하고, 이를 통해 기존 공격 대비 23% 높은 성공률을 달성했음을 보여줍니다.
이 논문은 신생아 저자기장 MRI 의 낮은 화질을 고자기장 MRI 수준으로 향상시키기 위해 물리 법칙을 고려한 3D 조건부 확산 모델인 MRIQT 를 제안하고, 기존 방법론보다 우수한 화질 개선 및 병변 식별 능력을 입증했습니다.
이 논문은 의료 영상 분석에서 설명 가능한 AI(xAI) 모델의 진단 근거와 주의를 평가하기 위해, 속성 기반 추론을 체계적으로 분석할 수 있도록 설계된 완전히 커스터마이징 가능한 합성 데이터셋 'FunnyNodules'을 제안합니다.
이 논문은 Sentinel-2 위성 영상과 기후 데이터를 결합한 대규모 벤치마크 'FireScope-Bench'와 강화 학습 및 시각적 감독을 통해 사고 과정 (Chain-of-Thought) 을 생성하며 산불 위험 지도를 예측하는 'FireScope' 모델을 제안하여, 언어 기반 추론이 시각 생성 모델의 일반화 성능과 해석 가능성을 크게 향상시킨다는 것을 입증합니다.
이 논문은 스테이블 디퓨전 기반의 사전 지식을 활용해 렌즈 베일링 글레어의 전파 및 글레어 맵을 비지도 방식으로 학습하는 생성 모델 'VeilGen'과 이를 활용한 복원 네트워크 'DeVeiler'를 제안하여, 기존 시뮬레이션의 한계를 극복하고 단순화된 광학 시스템에서 우수한 복원 품질과 물리적 충실도를 달성함을 보여줍니다.
이 논문은 어텐션과 Mamba 아키텍처를 유연하게 통합한 새로운 UAM 백본을 제안하여 세포 분류 및 종양 분할 작업에서 기존 최첨단 모델들을 능가하는 성능을 달성한 다중 모달 프레임워크를 소개합니다.
이 논문은 인간의 인지적 요인을 고려한 새로운 다중 모달 내비게이션 프레임워크 'EgoCogNav'와 실제 세계 데이터셋 'CEN'을 제안하여, 인간의 내비게이션 행동과 관련된 지각된 불확실성을 예측하고 이를 통해 인간과 유사한 행동 패턴을 학습하는 것을 목표로 합니다.
이 논문은 2D 외관과 4D 동역학을 밀접하게 결합하여 단일 뷰의 한계를 극복하고, 시각적 사실성과 운동의 타당성, 다중 뷰 일관성을 모두 갖춘 손 - 물체 상호작용 (HOI) 을 생성하는 최초의 동기화된 다중 뷰 4D 생성 모델인 'SyncMV4D'를 제안합니다.
이 논문은 기존 역전환 (inversion) 기법의 한계를 극복하고 대규모 사전 학습 없이도 고품질의 예시 기반 이미지 편집을 가능하게 하는 '가역적 역전환 (ReInversion)'과 마스크 기반 선택적 탈잡음 (MSD) 전략을 제안합니다.