5724 편의 논문
이 논문은 2026 년 4 월 15 일 스페인 바르셀로나에서 열린 ACM CHI 컨퍼런스 부대행사로, 이데올로기를 통해 인간 - 컴퓨터 상호작용 (HCI) 의 분열된 정치, 가치 및 상상력을 해체하는 것을 주제로 한 'CHIdeology 2026'워크숍의 Proceedings 입니다.
이 논문은 불안정한 의사결정과 안전성-효율성 트레이드오프를 해결하기 위해 공유 지각 기반의 이중 에이전트 아키텍처와 하이브리드 메모리, 그리고 의미-기하학적 검증기를 도입하여 복잡한 3D 환경에서 자연어 지시를 따르는 무인기 (UAV) 의 제로샷 항공 비전 - 언어 항법을 안전하고 효율적으로 수행하는 온보드 프레임워크 'OnFly'를 제안합니다.
이 논문은 UniEdit-500K 데이터셋, Mixture of Transformer 모듈, 그리고 Mask Annealing 학습 전략을 통해 기존 방법론의 한계를 극복하고, 불명확한 마스크만으로도 임의의 객체를 정밀하게 편집할 수 있는 통합 인페인팅 프레임워크인 A-Edit 을 제안합니다.
이 논문은 겹치는 비조이뷰 (BEV) 특징 그리드 간의 지리적 일관성을 대비 학습 손실 함수에 통합하여, 라벨이 있는 소량의 데이터와 라벨이 없는 다중 주행 데이터를 활용한 반지도 학습 방식을 통해 온라인 벡터화 HD 맵 구성의 성능을 향상시키는 'MapGCLR' 모델을 제안합니다.
이 논문은 시각 피질의 경계 완성 문제를 수학적으로 모델링하여 개발한 'BorderNet'이라는 CNN 아키텍처가 다양한 데이터셋과 가림 조건에서 기존 모델보다 향상된 성능을 보인다는 것을 증명합니다.
이 논문은 이산적 토큰화의 정보 손실과 연속적 표현의 학습 불안정성이라는 기존 한계를 극복하기 위해, 압축된 연속적 의미 표현과 주시 기반 압축기를 활용하여 이해와 생성을 모두 최적화하는 통합 멀티모달 모델 'UniCom'을 제안합니다.
이 논문은 보행자 내비게이션을 위해 언어 추론과 분할을 통합하고 깊이 정보를 고려한 새로운 모델 'WalkGPT'와 대규모 벤치마크 'PAVE'를 제안하여, 기존 대형 비전 - 언어 모델의 한계를 극복하고 접근성 가이드의 정확성을 높이는 방법을 제시합니다.
이 논문은 240 명을 대상으로 한 실험을 통해 인간의 자기 효능감과 AI 능력에 대한 신념이 AI 의존도 결정에는 강력한 영향을 미치지만, 실제 인간-AI 팀의 성과에는 상대적으로 약한 영향을 준다는 '신념과 달성 간의 불일치'를 규명하고, 이를 해결하기 위한 새로운 설계 가이드라인을 제시합니다.
이 논문은 혈류 내 비균일 유동, 크기 의존성 이동성 및 적혈구 상호작용에 의한 가장자리 이동과 같은 생리학적 요인을 고려한 시뮬레이션을 통해, 모세혈관이 다양한 나노머신 크기에 걸쳐 암 바이오마커 검출 확률이 가장 높음을 규명했습니다.
FutureVLA 는 비전과 모션 정보를 구조적으로 분리한 후 물리적 사전 지식을 통합하는 새로운 예측 아키텍처를 통해 시공간 연속성과 시각적 조건 해리를 실현함으로써, 로봇의 미래 예측 능력을 향상시키고 다양한 Vision-Language-Action 모델의 성능을 개선합니다.
이 논문은 다양한 동적 변화 (최대 66.7% 의 질량 변화 및 70% 의 단일 로터 추력 손실) 에 대해 실시간으로 적응하여 견고한 항법이 가능한 단일 정책을 학습하는 메타 강화 학습 프레임워크 'MAVEN'을 제안하고, 시뮬레이션과 실제 환경 모두에서 뛰어난 성능을 입증했습니다.
이 논문은 케이블로 매달린 4 로터 시스템의 비부드러운 하이브리드 동역학 문제를 해결하고 극도로 희소한 보상 환경에서도 성공적인 역전 비행을 가능하게 하는 'ASTER'라는 효율적인 강화학습 프레임워크를 제안합니다.
이 논문은 보조 가정 없이 중앙 집중식 알고리즘을 사용하여 개의 아모보트 구조를 라운드 내에 표준 선형 구조로 재구성할 수 있음을 증명함으로써, 결합 이동 모델을 통한 아모보트의 선형 시간 미만 재구성 가능성을 입증했습니다.
이 논문은 해양 환경이 아닌 표준화된 조건에서 촬영된 7 종의 연골어류 이미지를 포함하며, 종 수준의 분류 및 생물다양성 모니터링을 위한 AI 시스템 개발을 지원하기 위해 공개된 'eLasmobranc' 데이터셋을 소개합니다.
이 논문은 Diffusion Transformer 의 추론 속도를 높이기 위해 기존 방법들이 간과한 공간적 중복성을 활용하여, 추가 학습 없이 어노커 토큰의 부분 집합을 기반으로 잠재 상태 진화를 가속화하는 'Just-in-Time (JiT)' 프레임워크를 제안하고 FLUX.1-dev 모델에서 기존 방법보다 뛰어난 성능과 7 배의 속도 향상을 입증합니다.
이 논문은 LLM 기반 에이전트가 자연어 요청을 직접 처리하는 대신 사용자의 정보 요구를 점진적으로 구체화하는 '관계적 재구현 (relational reification)' 스키마로 표현하고 이를 기반으로 정확한 답변을 생성하는 Pneuma-Seeker 시스템을 제안하여, 다양한 도메인에서 기존 기법보다 높은 정확도와 신뢰성을 입증했습니다.
이 논문은 단일 회전 광원과 이벤트 카메라를 활용하여 보정 없이도 고역동 범위 및 강한 환경광 조건에서 기존 방법보다 정밀도가 향상된 표면 법선 벡터를 추정하는 경량 퍼픽셀 학습 기반의 이벤트 기반 광학 스테레오 시스템을 제안합니다.
이 논문은 LLM 에이전트의 간접 프롬프트 주입 공격을 방어하기 위해, 외부 관찰 데이터에 대한 통제적 감쇠와 교반적 재실행을 결합하여 도구 호출의 인과적 기원을 검증하는 새로운 런타임 방어 시스템 'AttriGuard'를 제안합니다.
이 논문은 MLLM 의 STEM 시각 추론 한계가 추론이 아닌 지각 능력에 기인한다는 통찰을 바탕으로, 실행 가능한 코드를 지각 매체로 활용하여 대규모 데이터셋 (ICC-1M) 과 평가 벤치마크 (STEM2Code-Eval) 를 구축함으로써 시각 지각 능력을 체계적으로 향상시키는 'CodePercept' 프레임워크를 제안합니다.
이 논문은 임베딩, 색인, 검색, 재순위화, 생성 등 RAG 파이프라인의 각 모듈을 분리하여 구성 가능하게 하고, 다양한 데이터셋과 벡터 데이터베이스, LLM 을 지원하며 성능 및 정확도 지표를 자동 수집하는 종단간 벤치마킹 프레임워크 'RAGPerf'를 제안합니다.