10069 편의 논문
이 논문은 확산 및 흐름 매칭 모델의 다단계 생성 과정이 초래하는 비효율성을 해결하기 위해, 자코비안-벡터 곱 (JVP) 계산 없이 Classifier-Free Guidance 를 지원하며 ImageNet 에서 MeanFlow 보다 우수한 성능을 보이는 새로운 원스텝 생성 프레임워크인 'Solution Flow Models (SoFlow)'를 제안합니다.
이 논문은 가족력 데이터를 임상 이미지와 결합한 해석 가능한 다중 모달 AI 프레임워크를 개발하여 피부 질환의 진단 정확도를 향상시키고, 향후 다양한 의료 환경에서의 전향적 임상 검증을 통해 임상 현장에 효과적으로 적용할 수 있는 포괄적인 체계를 제시합니다.
이 논문은 제한된 라벨 데이터 환경에서 3D 객체 감지 성능을 향상시키기 위해, 교사 모델의 기하학적 지식을 전달하는 키포인트 기반 기하 관계 감독 모듈과 거리 감쇠 메커니즘을 포함한 볼륨 단위 데이터 증강 전략을 제안하는 'GeoTeacher'를 소개합니다.
본 연구는 심층 학습 모델 (UNet, ResUNet, AttentionUNet 등) 과 객체 기반 이미지 분석 (OBIA) 을 결합한 'ForCM'을 제안하여 아마존 열대우림의 Sentinel-2 위성 영상을 활용한 산림 피복 매핑 정확도를 기존 OBIA 방법 대비 95.64% 까지 향상시켰음을 보여줍니다.
이 논문은 확산 트랜스포머 (DiT) 가속화 시 발생하는 누적 오차를 최소화하는 동적 프로그래밍 기반의 플러그인 'CEM'을 제안하여, 기존 오차 보정 방법의 성능을 획기적으로 향상시키고 다양한 생성 모델에서 원본 수준의 생성 품질을 유지하거나 초과하는 것을 입증합니다.
이 논문은 예측의 근거가 되는 설명을 보장하는 '설명 정렬성'을 실현하기 위해 통계적 지능과 유사 선형 구조를 결합한 새로운 모델링 프레임워크인 'PiNets'를 제안하며, 이미지 분류 및 분할 작업에서 의미성, 강건성, 충분성 측면에서 정렬된 설명을 생성함을 입증합니다.
이 논문은 새로운 객체와 스타일을 동시에 정밀하게 혼합하기 위해 교차 주의력 기반 객체 융합과 자기 주의력 기반 스타일 융합을 결합한 경량화 훈련 없는 프레임워크인 TP-Blend 를 제안합니다.
이 논문은 사전 학습된 모델의 재학습 없이 CLIP 기반의 그라디언트와 기하학적 제약 조건을 결합하여 텍스트 프롬프트로 설명된 3D 객체 간의 제로샷 공간 정렬을 수행하는 새로운 프레임워크를 제안하고, 이를 통해 의미론적으로 정확하고 물리적으로 타당한 정렬 결과를 도출함을 보여줍니다.
이 논문은 Wachter 등 의 기존 방법론이 가진 거리 측정의 모호성과 오프-매니폴드 문제를 해결하기 위해, 견고한 비전 특징에서 유도된 지각적 리만 계량 하의 측지선을 따라 반사실 설명을 생성하는 '지각적 반사실 측지선 (PCG)'을 제안하고, 이를 통해 인간 지각과 정렬된 매끄럽고 의미 있는 전환을 가능하게 함을 보여줍니다.
이 논문은 복잡한 시각적 노이즈와 다양한 정보 소스가 필요한 현실 세계의 문제를 해결하기 위해, 다중 턴·다중 엔티티·다중 스케일의 검색을 수행하고 강화학습을 통해 심층 연구 능력을 내재화한 새로운 멀티모달 딥러닝 모델 'Vision-DeepResearch'를 제안합니다.
이 논문은 관측치의 이상 여부가 내재적 속성이 아닌 맥락에 의존한다는 가정을 재조명하여, 시각적 맥락과 객체의 호환성을 학습하는 새로운 프레임워크와 CAAD-3K 라는 벤치마크를 제안하고 기존 방법론보다 우수한 성능을 입증합니다.
이 논문은 이론적 마음 (ToM) 을 기반으로 한 계층적 벤치마크 'HitEmotion' 과 ToM 기반 추론 체인 및 TMPO 강화 학습 방법을 제안하여, 멀티모달 대규모 언어 모델의 감정 이해 능력을 진단하고 향상시키는 프레임워크를 제시합니다.
이 논문은 확산 모델의 포스트 트레이닝 양자화 (PTQ) 성능을 향상시키기 위해, 각 타임스텝의 특성에 맞춰 칼리브레이션 샘플에 가중치를 학습하여 그래디언트 정렬을 수행하는 새로운 방법을 제안합니다.
이 논문은 비디오 토큰의 실제 기여도를 기반으로 강화 학습을 통해 최적의 토큰 조합을 능동적으로 탐색하는 'CaCoVID' 알고리즘을 제안하여 비디오 이해 모델의 추론 효율성을 크게 향상시킵니다.
이 논문은 물리적 속성 정보가 없는 미지의 환경에서 다중 시점 영상 관측만으로 천의 역학을 학습할 수 있도록, 비디오-기하학적 정합과 역학 모델 훈련을 결합한 비지도 학습 프레임워크인 CloDS 를 제안합니다.
이 논문은 기존 벤치마크의 한계를 극복하고 현실적인 조건을 반영한 '비전-딥리서치 벤치마크 (VDR-Bench)'를 구축하고, 이를 통해 현재 멀티모달 모델의 시각적 검색 능력을 향상시키기 위한 다중 라운드 크롭 검색 워크플로우를 제안합니다.
본 논문은 Stable Diffusion XL 및 DALL-E 3 를 분석하여 텍스트 - 이미지 생성 모델이 장애인을 어떻게 표현하는지, 그리고 완화 전략이 이러한 표현에 미치는 영향을 감정 분석과 인간 평가를 통해 조사하여 지속적이고 포용적인 장애 묘사를 위한 개선의 필요성을 강조합니다.
이 논문은 2D 이미지 모델의 계산 효율성을 유지하면서 가변 길이의 비디오를 프레임 단위로 편집할 수 있도록 잔차 흐름을 학습하는 'RFDM'을 제안하고, 이를 통해 기존 방법들보다 효율적이면서도 성능이 우수한 비디오 편집 솔루션을 제시합니다.
이 논문은 자연물 이미지로 훈련된 3D 생성 모델들이 의료 단층 촬영 데이터에서는 심층적 모호성으로 인해 부피 재구성에 실패하지만, SAM3D 가 다른 모델들보다 해부학적 위상 구조를 더 잘 포착한다는 것을 다양한 벤치마크를 통해 규명하고, 의료용 3D 재구성을 위해서는 도메인 특화 적응과 해부학적 제약이 필수적임을 강조합니다.
이 논문은 실시간 스트리밍 환경에서 발생하는 지연과 시간적 불안정성을 해결하기 위해, 다중 교사 학습, 적응형 CFG 보정, 하이브리드 롱 테일 포싱, VAE 디코더 정제라는 네 가지 핵심 기법을 도입하여 저지연·고품질·동기화된 멀티모달 비디오 생성을 가능하게 하는 'EchoTorrent' 모델을 제안합니다.