5561 편의 논문
이 논문은 다양한 스푸핑 공격 유형을 포괄하는 대규모 시각 - 언어 질문 답변 데이터셋 'FaceCoT'와 강화학습 기반 캡션 모델 및 CoT 기반 점진적 학습 전략을 도입하여, 기존 단일 모달리티 기반의 한계를 극복하고 얼굴 생체 인증 위조 탐지 (FAS) 의 일반화 성능과 해석 가능성을 획기적으로 향상시켰습니다.
이 논문은 인지심리학에 기반하여 동적 추론, 복잡한 공간 논리, 공간 상호작용, 시점 전환 등 50 개의 세부 범주로 구성된 포괄적인 벤치마크 'OmniSpatial'을 제안하고, 현재 시각 - 언어 모델들의 공간 추론 한계를 규명하며 이를 개선하기 위한 두 가지 전략을 제시합니다.
이 논문은 중간 텍스트를 거치지 않고 수어 비디오에서 직접 음성을 생성하는 최초의 통합 프레임워크인 UniCUE 와 대규모 중국어 수어 데이터셋 UniCUE-HI 를 제안하여 청각 장애인을 위한 수어-음성 변환의 성능을 획기적으로 개선했습니다.
이 논문은 폐쇄적 가정을 가진 기존 모델의 한계를 극복하고 아프리카 빅파이브 야생동물의 분포 외 (OOD) 검출 성능을 향상시키기 위해 사전 학습된 특징을 활용한 NCM 과 대비 학습 기반 접근법의 우수성을 입증했습니다.
이 논문은 대규모 멀티모달 모델의 소수 샷 시각적 질문 응답 (VQA) 성능을 향상시키기 위해, 태스크 관련 시각적 특징에서 추출된 소프트 프롬프트를 메타 학습 방식으로 증류하고 테스트 시 적응하는 '메타 적응형 프롬프트 증류' 방법을 제안하며, 이를 통해 기존 인-컨텍스트 학습 및 파라미터 효율적 파인튜닝 기법보다 우수한 성능을 입증했습니다.
이 논문은 엣지 로봇 플랫폼에서 메모리 사용량을 11 배, 지연 시간을 4.4 배 줄이면서도 풀 정밀도 모델과 유사한 성능을 내기 위해 1 비트 가중치를 사용하는 'BitVLA'라는 새로운 비전 - 언어 - 행동 모델을 제안합니다.
이 논문은 자기지도 학습을 통해 관절형 물체의 기하학적 구조와 운동학을 동시에 인코딩하는 새로운 프레임워크 PDGS 를 제안하고, 이를 통해 매끄러운 연속 제어와 정밀한 부분 단위 분리가 가능하며, 이를 검증하기 위해 실사 - 시뮬레이션 RGB-D 데이터셋 RS-Art 을 공개한 연구입니다.
이 논문은 테스트 시간 적응을 통해 비전 - 언어 모델의 일반화 및 시간적 추론 능력을 향상시킨 제로샷 가치 함수 학습 방법인 VITA 를 제안하고, 이를 통해 다양한 과업과 환경에서 기존 최첨단 기법보다 우수한 성능을 입증합니다.
이 논문은 비디오 데이터를 활용하여 컨텍스트 기반 이미지 편집을 직접 학습할 수 있는 확장 가능한 방법론인 VINCIE 를 제안하고, 블록-인과적 확산 트랜스포머와 새로운 벤치마크를 통해 기존 전문가 모델에 의존하지 않는 최첨단 성능을 입증합니다.
이 논문은 기존 벤치마크가 간과해 온 신경망 이미지 압축 (NIC) 의 적대적 취약성을 평가하기 위해 다양한 공격과 방어 전략, 그리고 하류 작업 영향 분석을 포함하는 오픈소스 프레임워크인 'NIC-RobustBench'를 제안하고 이를 활용한 포괄적인 실증 연구를 수행했습니다.
이 논문은 기존 Few-Shot Class-Incremental Learning 의 지식 충돌 문제를 해결하기 위해 해마의 연관 기억에서 영감을 받아 특징과 구조의 이중 일관성을 기반으로 한 ConCM 프레임워크를 제안하고, 이를 통해 대규모 벤치마크에서 최첨단 성능을 달성함을 보여줍니다.
이 논문은 텍스트 신호에 의존하는 기존 시각 토큰 축소 방식의 한계를 지적하고, 시각적 주의 메커니즘만을 활용하여 학습 없이도 계산 효율성을 크게 높이면서도 성능을 유지하는 'VisionDrop' 프레임워크를 제안합니다.
이 논문은 13 억 개의 파라미터만으로도 다양한 작업과 모달리티를 통합적으로 처리하면서도 추론 속도와 계산 비용을 획기적으로 개선한 효율적인 인간 애니메이션 프레임워크 'EchoMimicV3'를 제안합니다.
이 논문은 압축된 광장 tokens(CLiFTs) 을 사용하여 장면의 기하학적 및 외관 정보를 유지하면서도 연산 예산에 따라 토큰 수를 동적으로 조절하여 효율적이고 적응적인 신경 렌더링을 가능하게 하는 새로운 방법을 제안합니다.
이 논문은 대규모 비전 - 언어 모델을 활용하여 새로운 장면이 등장할 때만 개념적 특징을 주입하는 '세그먼트 컨셉 (SeC)' 프레임워크와 이를 평가하기 위한 'SeCVOS' 벤치마크를 제안함으로써, 기존 방법론보다 복잡한 비디오 객체 분할 성능을 획기적으로 향상시켰음을 보여줍니다.
이 논문은 스탠포드 대학의 로봇 테스트베드를 활용한 하이브리드 디지털 및 로봇 트윈 프레임워크를 제시하여, 궤도 근접 임무 및 형성 비행의 안전성 필수 GNC 시스템을 소프트웨어 및 하드웨어-in-the-루프 테스트를 통해 통합적으로 검증하고 그 일관성을 입증했습니다.
이 논문은 제한된 수의 희소 뷰 카메라로 동적 장면을 재구성하기 위해 각 카메라의 독립적인 단안 재구성을 정밀하게 정렬하여 시간 및 뷰 일관성을 확보하는 'MonoFusion'을 제안하며, 기존 다중 뷰 방법보다 높은 품질의 재구성과 새로운 뷰 렌더링 성능을 입증합니다.
이 논문은 다변량 시계열 데이터의 복잡한 상호작용을 해결하기 위해 계층적 초그래프와 트랜스포머를 결합한 HGTS-Former 모델을 제안하고, 핵융합 에지 국소화 모드 (ELM) 인식 등 다양한 태스크에서 최첨단 성능을 입증했습니다.
이 논문은 개별 등자이로트 (isochromats) 를 그룹화하여 시뮬레이션 과정을 공유함으로써 기존 MR 시뮬레이션 방법보다 3 배에서 72 배까지 속도를 획기적으로 단축한 새로운 '결합 업데이트 기반 그룹화 등자이로트' 기법을 제안합니다.
이 논문은 시각적 장면과 무관하고 인과 변수에 대해 희소한 '인과 델타 임베딩 (Causal Delta Embedding)'을 제안하여 개입 표현을 학습함으로써 분포 외 (OOD) 환경에서의 모델 강건성을 크게 향상시키는 방법을 제시합니다.