10079 편의 논문
이 논문은 원격 탐사 이미지에서 의미 분할을 위해 적은 양의 사전 학습 데이터로도 기존 방법보다 빠른 수렴과 동등하거나 더 나은 성능을 달성하는 새로운 자기지도 학습 과제인 '서브이미지 중첩 예측 (Subimage Overlap Prediction)'을 제안합니다.
이 논문은 인간의 시각 지각을 모방한 계층적 coarse-to-fine 전략, 멀티모달 LLM 기반 전역 평가, 지역 인식 및 작업 인식 파이프라인, 그리고 내부 단서 재사용 메커니즘을 통해 기존 모든-하나 이미지 복원 방법의 한계를 극복하고 다양한 합성 및 실제 데이터셋에서 우수한 성능을 보이는 ClearAIR 프레임워크를 제안합니다.
이 논문은 수동 주석이 없는 LiDAR 데이터의 3D 지리학적 일관성과 텍스트 및 2D 비전 기반 모델을 결합하여 수동 개입 없이 3D 의미론적 라벨, 3D 바운딩 박스, 그리고 밀도 높은 LiDAR 스캔을 자동으로 생성하는 'UniLiPs'라는 통합된 비지도 가짜 라벨링 방법을 제안합니다.
이 논문은 Claude 3.7 기반의 LLM 을 활용하여 draw.io 의 구조화된 XML 형식으로 네트워크 아키텍처나 흐름도 등 다양한 다이어그램을 자연어, 코드 또는 이미지로부터 자동 생성 및 수정하는 'GenAI-DrawIO-Creator' 프레임워크를 제안하고, 이를 통해 다이어그램 제작 시간을 획기적으로 단축하면서도 높은 구조적 정확도를 달성함을 보여줍니다.
이 논문은 강화학습 기반 비디오 모델에서 직접 답변이 종종 사고 과정 (CoT) 보다 효율적이거나 동등한 성능을 보인다는 점을 발견하고, 초기 답변의 신뢰도에 따라 추론이 필요한 경우에만 사고를 수행하는 '한 번 사고, 두 번 답변' 전략을 도입한 VideoAuto-R1 을 제안하여 정확도를 유지하면서 응답 길이를 약 3.3 배 단축하는 새로운 비디오 이해 프레임워크를 제시합니다.
이 논문은 인간의 시각적 관찰을 바탕으로 물체의 미래 3D 운동과 궤적을 예측하는 'ObjectForesight'라는 3D 물체 중심 동역학 모델을 제안하고, 대규모 데이터셋을 통해 학습하여 기존 모델보다 정확성과 일반화 성능을 크게 향상시켰음을 보여줍니다.
이 논문은 텍스트나 목표 이미지보다 물리적 힘 벡터를 통해 목표를 명시함으로써, 단순한 물리 데이터 학습을 통해 복잡한 실제 세계의 물리 시나리오에 제로샷으로 일반화되는 'Goal Force'라는 새로운 비디오 생성 프레임워크를 제안합니다.
이 논문은 증거 기반 딥러닝을 활용한 인식 불확실성 정량화와 계층적 탐지 전략을 통해 미탐사 영역을 효과적으로 식별하고 고충실도 3D 장면을 효율적으로 재구성하는 능동적 신경 방사선 필드 프레임워크 'HERE'를 제안합니다.
이 논문은 의료 영상 이해에서 다중 모달 대형 언어 모델 (MLLM) 의 사고 과정 (Chain-of-Thought) 의 정확성, 효율성, 영향력 및 일관성을 평가하기 위해 24 가지 검사 유형과 13 가지 과제를 포함한 새로운 벤치마크인 M3CoTBench 를 제안합니다.
이 논문은 장기 기억을 활용한 신체적 탐구를 위한 벤치마크인 LMEE-Bench 와 강화 학습 기반의 멀티모달 LLM 프레임워크 MemoryExplorer 를 제안하여, 기존 작업 수행 중심의 평가에서 벗어나 탐구 과정과 기억 활용을 종합적으로 평가하고 장기적 과제의 성능을 크게 향상시켰음을 보여줍니다.