7825 편의 논문
이 논문은 자연어 지시와 LLM 기반의 작업 계획, 객체 인식 기술을 결합하여 기존 규칙 기반의 한계를 극복하고 맞춤형 및 미처 보지 못한 제품 조립을 지원하는 적응형 인간 - 로봇 협업 프레임워크 'CoViLLM'을 제안하고 그 유효성을 검증합니다.
이 논문은 다중 모드 분포 모델링 능력을 갖춘 정규화 흐름 (Normalizing Flow) 을 로봇 정책 학습에 적용하되, 온라인 강화학습에서의 훈련 불안정성을 해결하여 NFPO 라는 안정화된 알고리즘을 제안하고 시뮬레이션 및 실제 로봇 환경에서 우수한 성능을 입증합니다.
이 논문은 영국의 실시간 버스 데이터를 활용하여 정시표 기반의 접근성 분석 한계를 극복하고, 대규모 공간적·시간적 범위에서 실제 운행 성능을 반영한 확장 가능한 접근성 분석 프레임워크를 제시합니다.
이 논문은 인간 동작 데이터를 로봇의 구조와 역학에 맞춰 보정하는 스키레톤 정렬 기법과 점진적 운동역학 궤적 최적화를 결합하여, 다양한 휴머노이드 로봇에 적용 가능한 자연스럽고 물리적으로 일관된 모션 참조를 생성하는 SPARK 프레임워크를 제안합니다.
이 논문은 LLM 과 유사한 통계적 특성과 높은 하드웨어 활용도를 보이는 생성형 추천 모델 OneRec-V2 에 FP8 양자화 기법을 적용하여, 추천 시스템의 성능 저하 없이 지연 시간을 49% 단축하고 처리량을 92% 증가시키는 효율적인 추론 프레임워크를 제안합니다.
이 논문은 고수준 의미 추론과 상태 공간 탐색을 통합한 3 단계 프레임워크인 AutoVeriFix+ 를 제안하여, LLM 기반 Verilog RTL 생성의 기능적 정확도를 80% 이상으로 높이고 불필요한 논리를 25% 제거하여 면적 최적화를 달성함을 보여줍니다.
이 논문은 장기적 CBT 상담 대화에서 기존 평가의 한계를 극복하고 추론 시 전략 및 생성형 보상 모델의 잠재력을 규명하기 위해, 다중 세션 상담을 위한 포괄적인 보상 모델 벤치마크인 PRMB 를 제안하고 그 유효성을 입증합니다.
이 논문은 활성 학습과 주파수 영역 분석을 통합하여 사용자의 개입을 최소화하면서도 의료 이미지 분할의 정확도를 극대화하는 새로운 프레임워크인 ActiveFreq 를 제안하고, 이를 통해 기존 방법 대비 분할 성능과 효율성을 크게 향상시켰음을 ISIC-2017 및 OAI-ZIB 데이터셋 실험을 통해 입증합니다.
이 논문은 고도화된 안내 스케일에서 발생하는 생성 품질 저하 문제를 해결하기 위해, 데이터 매니폴드 상의 기하학적 일치를 보장하는 리만 제어 관점의 'Manifold-Optimal Guidance (MOG)' 프레임워크와 자동 튜닝이 가능한 'Auto-MOG'를 제안합니다.
이 연구는 28 일간의 야생 데이터 수집을 통해 시그마 - 로그정규 모델 기반의 필기 동역학 특징을 활용하여 건강한 개인의 수면 회복 상태를 비침습적으로 탐지할 수 있음을 입증했습니다.
이 논문은 일본 학생들의 손글씨 운동 데이터를 시그마 - 로그정규 모델 등 다양한 특징 추출 기법과 머신러닝 모델을 활용해 분석한 결과, 손글씨 역학이 학년, 성별, 학업 성취도 예측에 유의미한 정보를 담고 있으며 특히 학년 예측에 효과적임을 입증했습니다.
이 논문은 기존 VQA 모델의 한계를 극복하고 데이터 중심의 효율적인 학습을 위해, 모델의 실패 예측과 심층 의미적 특징을 기반으로 난이도와 다양성을 균형 있게 고려한 unlabeled 비디오를 선별하는 'MDS-VQA' 프레임워크를 제안하며, 이를 통해 소량의 데이터로도 모델의 성능과 일반화 능력을 크게 향상시킬 수 있음을 입증합니다.
이 논문은 정렬 불필요 렌더링, 신경망 기반 뷰 의존성 향상, 그리고 신경 벡터 양자화 및 가지치기 기법을 통해 모바일 기기의 제한된 자원에서도 고품질의 실시간 3D 가우시안 스플래팅을 가능하게 하는 'Mobile-GS'를 제안합니다.
이 논문은 물리 기반 위험 모델링과 기하학적 정합성을 갖춘 RA-DPO 전략을 통해 자율주행 시스템의 안전성 평가에 필수적인 다양한 위험 시나리오를 능동적으로 생성하는 RiskMV-DPO 프레임워크를 제안합니다.
본 논문은 물리적 관절 한계를 극복하고 2.5cm 까지 접을 수 있는 무선 4 족 로봇 MiNI-Q^2 의 기계적 설계, 운동학적 분석, 및 다양한 주행 실험 결과를 제시합니다.
본 논문은 다중 프레임 노드 기반 4D 가우스 스플래팅 프레임워크인 Mango-GS 를 제안하여, 시계열 트랜스포머와 희소 제어 노드를 활용하여 동적 장면의 재구성 시 시간적 일관성과 사실적인 디테일을 동시에 확보함과 동시에 실시간 렌더링 속도를 달성함을 보여줍니다.
이 논문은 고차원 잠재 공간의 중복성을 줄이고 표현력을 향상시키기 위해 주성분 분석 (PCA) 과 그 역변환을 도입하여 모호한 의료 영상 분할의 불확실성을 효과적으로 처리하는 새로운 'PCA 기반 확률적 U-Net(PEP U-Net)'을 제안합니다.
이 논문은 다수의 프로젝터를 밀집 배치하여 계산 보정 없이 지연 없는 그림자 없는 프로젝션 매핑을 실현하고, 서브픽셀 오정렬로 인한 해상도 저하를 해결하며, 투사감 (SoP) 을 최소화하는 테이블톱 작업 공간용 증강 현실 시스템을 제안합니다.
이 논문은 모호한 미적 지시를 명확한 가이드로 변환하는 다중모달 미적 인식 (MAP) 과 완벽하게 짝지어지지 않은 데이터를 활용하는 이중-지도 학습 프레임워크를 도입한 '이중-지도 이미지 미적 향상 (DIAE)' 모델을 제안하여, 기존 방법들의 한계를 극복하고 이미지 미적 품질과 콘텐츠 일관성을 동시에 향상시켰음을 보여줍니다.
이 논문은 2021 년 미국 중서부 토네이도 피해 데이터를 기반으로 CNN 과 트랜스포머 아키텍처를 비교 분석하고, 손상 정도의 순차적 특성을 반영한 순차적 지도 학습을 도입하여 실시간 건물 손상 탐지 및 심각도 평가의 정확도를 향상시킨 'TornadoNet'을 제안합니다.