TP-Spikformer: Token Pruned Spiking Transformer
이 논문은 정보 보존을 위한 휴리스틱 시공간 기준과 블록 단위 조기 종료 전략을 도입하여, 학습 없이도 다양한 스파이킹 트랜스포머 아키텍처의 계산 및 저장 오버헤드를 줄이면서 경쟁력 있는 성능을 유지하는 'TP-Spikformer'를 제안합니다.
👁️ Category
cs.CV
5788 편의 논문
CaptionFool: Universal Image Captioning Model Attacks
이 논문은 이미지 캡션 생성 모델의 약점을 악용하여 적은 양의 패치 수정만으로도 임의의 캡션 (심지어 모욕적이거나 콘텐츠 필터를 우회하는 은어 포함) 을 생성할 수 있는 범용 적대적 공격 'CaptionFool'을 제안하고, 이를 통해 배포된 비전 - 언어 모델의 심각한 취약점을 경고합니다.
RAFM: Retrieval-Augmented Flow Matching for Unpaired CBCT-to-CT Translation
이 논문은 소규모 의료 데이터셋에서 비쌍합 CBCT-to-CT 변환의 불안정성을 해결하기 위해 DINOv3 인코더와 글로벌 CT 메모리 뱅크를 활용한 검색 기반 가짜 쌍 (retrieval-guided pseudo pairs) 구성 전략을 도입한 '검색 증강 흐름 매칭 (RAFM)'을 제안하고, SynthRAD2023 벤치마크에서 기존 방법들을 능가하는 성능을 입증했습니다.
Multiple Inputs and Mixwd data for Alzheimer's Disease Classification Based on 3D Vision Transformer
이 논문은 3D 비전 트랜스포머를 활용하여 연속적인 MRI 슬라이스, 다중 관심 영역, 그리고 인구통계학적 및 인지 평가 데이터를 통합하는 'MIMD-3DVT'라는 새로운 방법을 제안함으로써 알츠하이머병 진단 정확도를 97.14%까지 향상시켰음을 보여줍니다.
Advancing Multimodal Judge Models through a Capability-Oriented Benchmark and MCTS-Driven Data Generation
이 논문은 MLLM 기반 평가 모델의 신뢰성을 진단하기 위한 10 차원 능력 중심 벤치마크인 M-JudgeBench 와 이를 개선하기 위한 MCTS 기반 데이터 생성 프레임워크 Judge-MCTS 를 제안하여, 더 강력한 평가 모델 M-Judger 를 개발하고 그 우수성을 입증했습니다.
Weakly Supervised Video Anomaly Detection with Anomaly-Connected Components and Intention Reasoning
이 논문은 약한 감독 비디오 이상 탐지 (WS-VAD) 의 한계를 극복하기 위해 이상 연결 성분 메커니즘과 의도 인식 전략을 결합하고 이상 속성 정보를 활용하여 프레임별 의미 정보를 효과적으로 학습하는 새로운 프레임워크 'LAS-VAD'를 제안하고, XD-Violence 와 UCF-Crime 데이터셋에서 기존 최첨단 방법들을 능가하는 성능을 입증합니다.
Geometry OR Tracker: Universal Geometric Operating Room Tracking
이 논문은 수술실 환경에서 카메라 보정 및 RGB-D 등록의 불확실성으로 인한 3D 추적 오류를 해결하기 위해, 다중 뷰 메트릭 기하 보정 모듈을 통해 스케일 일관성을 확보한 후 가림에 강인한 3D 포인트 추적을 수행하는 'Geometry OR Tracker'를 제안합니다.
MIDAS: Multi-Image Dispersion and Semantic Reconstruction for Jailbreaking MLLMs
이 논문은 단일 이미지의 제약을 넘어 여러 이미지에 해로운 의미를 분산 배치하고 시각적 단서를 활용한 추론을 통해 MLLM 의 안전 장치를 우회하는 새로운 자일브레이크 프레임워크 'MIDAS'를 제안하며, 실험을 통해 폐쇄형 상용 모델에서 평균 81.46% 의 높은 공격 성공률을 입증했습니다.
Decoupling Stability and Plasticity for Multi-Modal Test-Time Adaptation
이 논문은 편향된 모달리티의 가소성과 편향되지 않은 모달리티의 안정성을 분리하여 적응하는 비대칭 아키텍처인 DASP 를 제안함으로써, 멀티모달 테스트 시간 적응에서의 부정적 전이와 catastrophic forgetting 문제를 해결하고 성능을 크게 향상시킵니다.
MicroVerse: A Preliminary Exploration Toward a Micro-World Simulation
이 논문은 미시적 현상 시뮬레이션을 위한 벤치마크 'MicroWorldBench'와 고품질 데이터셋 'MicroSim-10K'를 구축하고, 이를 기반으로 생물학적 메커니즘을 정확하게 재현하는 비디오 생성 모델 'MicroVerse'를 제안하여 미시 세계 시뮬레이션의 가능성을 입증했습니다.
LangGap: Diagnosing and Closing the Language Gap in Vision-Language-Action Models
이 논문은 기존 비전 - 언어 - 행동 (VLA) 모델이 언어 지시를 제대로 이해하지 못한다는 점을 'LangGap' 벤치마크를 통해 규명하고, 데이터 증강으로 부분적인 개선은 가능하지만 언어 다양성이 증가할수록 모델의 학습 한계가 드러난다는 근본적인 문제를 제시합니다.
UNICBench: UNIfied Counting Benchmark for MLLM
이 논문은 이미지, 텍스트, 오디오를 아우르는 5,300 개 이상의 멀티모달 데이터로 구성된 UNICBench 를 제안하여 MLLM 의 계수 능력을 엄격하게 평가하고, 현재 모델들이 기본 과제는 잘 수행하지만 추론 및 난이도 높은 작업에서는 큰 격차가 있음을 밝혔습니다.
Data-Centric Benchmark for Label Noise Estimation and Ranking in Remote Sensing Image Segmentation
이 논문은 원격 탐사 이미지 분할에서 레이블 노이즈를 식별하고 정량화하며 순위 매기기 위한 새로운 데이터 중심 벤치마크, 공개 데이터셋, 그리고 모델 불확실성과 예측 일관성 등을 활용한 두 가지 기법을 제안하여 기존 베이스라인을 능가하는 성능을 입증합니다.
IdGlow: Dynamic Identity Modulation for Multi-Subject Generation
이 논문은 유동 매칭 확산 모델을 기반으로 한 가림막 없는 점진적 2 단계 프레임워크인 IdGlow 를 제안하여, 다중 주제 생성 시 발생하는 안정성 - 가소성 딜레마를 해결하고 얼굴 충실도와 미적 품질을 동시에 극대화하는 방법을 제시합니다.
Linking Modality Isolation in Heterogeneous Collaborative Perception
이 논문은 이질적인 협업 지각에서 모달리티 격리를 해결하기 위해 공간적 중첩 없이도 다양한 모달리티 간의 특징을 정렬하는 새로운 프레임워크인 CodeAlign 을 제안하며, OPV2V 와 DAIR-V2X 데이터셋에서 기존 방법보다 훨씬 적은 파라미터와 통신 부하로 최첨단 성능을 달성함을 보여줍니다.
Exploring Spatiotemporal Feature Propagation for Video-Level Compressive Spectral Reconstruction: Dataset, Model and Benchmark
이 논문은 동적 초분광 영상 재구성을 위해 최초의 고화질 동적 데이터셋 (DynaSpec) 과 시공간 특징 전파를 활용한 효율적인 트랜스포머 모델 (PG-SVRT) 을 제안하고, 이를 통해 기존 이미지 기반 방법의 한계를 극복하여 재구성 품질과 시간적 일관성을 동시에 향상시켰음을 보여줍니다.
Exploring 3D Dataset Pruning
본 논문은 3D 데이터의 긴 꼬리 분포로 인해 발생하는 최적화 난제를 해결하기 위해, 대표성 있는 부분집합 선택과 교정된 소프트 레이블을 활용한 교사 지도 방식을 제안하여 전체 정확도와 평균 정확도 간의 균형을 이루면서 3D 데이터셋 가지치기 성능을 향상시키는 방법을 제시합니다.
RC-GeoCP: Geometric Consensus for Radar-Camera Collaborative Perception
이 논문은 4D 레이더와 카메라의 협업 지각을 위해 레이더 기반의 기하학적 합의를 정립하여 정합 오류를 해결하고 통신 오버헤드를 줄인 최초의 프레임워크인 RC-GeoCP 를 제안하며, 새로운 벤치마크에서 최첨단 성능을 입증합니다.
Stateful Cross-layer Vision Modulation
이 논문은 기존 멀티모달 모델의 시각적 특징 융합 한계를 극복하기 위해, 재귀적 메모리 상태와 피드백 조절 메커니즘을 통해 시각 표현의 진화 경로를 구조적으로 제어하는 'SCVM' 프레임워크를 제안하며, 언어 모델을 수정하거나 추가 학습 없이도 다양한 벤치마크에서 일관된 성능 향상을 달성함을 보여줍니다.
Act Like a Pathologist: Tissue-Aware Whole Slide Image Reasoning
이 논문은 병리학자가 슬라이드를 분석할 때 보이는 조직을 먼저 파악한 후 세부 영역을 선택적으로 확대하는 인간의 방식을 모방하여, 질문 기반의 조직 인식 및 coarse-to-fine 검색 프레임워크인 HistoSelect 를 제안함으로써 전체 슬라이드 이미지 기반의 병리학 질문 응답 정확도를 높이고 시각 토큰 사용량을 대폭 줄인다고 요약할 수 있습니다.