7855 편의 논문
이 논문은 단일 샘플 기반의 불안정한 교사를 대체하여 교사의 샘플링 변이를 명시적으로 모델링하고 질감지향 신호 매칭과 적대적 증류 목표를 통합한 'R-MSD' 프레임워크를 제안함으로써, 4B 규모의 비디오 이해 모델에서 VideoMME, Video-MMMU, MathVerse 등 주요 벤치마크에서 기존 방법보다 우수한 성능을 달성함을 보여줍니다.
이 논문은 평가 작업과 학습 데이터를 직접 비교하여 로봇 정책의 일반화 유형을 해석 가능하게 분류하는 확장 가능한 프레임워크인 RADAR 를 제안하며, 이를 통해 일반화 평가의 정밀성을 높이는 방법을 제시합니다.
이 논문은 다중 독립 폐쇄 운동 사슬로 구성된 중복 구동 로봇 시스템에서 강체에 가해지는 하중 분포를 설명하는 일반화된 이론을 제시하고, 기존 방법론의 한계를 보완하며 선형 시간 복잡도로 계산 가능한 명시적 해법을 도출하여 다중 그리퍼, 보행 로봇, 협력 로봇 등의 힘 제어에 중요한 시사점을 제공합니다.
NCCLbpf 는 NCCL 의 주소 공간 내에서 실행되는 검증되지 않은 네이티브 플러그인의 위험을 해결하기 위해, NCCL 자체를 수정하지 않고도 eBPF 런타임을 내장하여 부하 시 정적 검증을 통한 안전성 보장, 정책의 구성 가능성 및 실시간 업데이트를 가능하게 하며, 8 개 NVIDIA B300 GPU 환경에서 0.03% 미만의 오버헤드로 최대 27% 의 AllReduce 처리량 향상을 입증한 검증된 고성능 확장 프레임워크입니다.
이 논문은 밀집 비디오 캡셔닝의 다중 작업 간섭과 시간적 중복성을 해결하기 위해 국소화와 캡션 생성을 위한 역할별 쿼리를 분리하고, 의미적 일관성을 위한 대비 정렬, 시간적 중복을 억제하는 새로운 손실 함수, 그리고 개념 수준의 표현을 강화하는 경량 모듈을 제안합니다.
이 논문은 SAM3 의 비전 백본이 클래스와 무관하다는 구조적 불변성을 활용하여 가중치 수정 없이 실시간 다중 클래스 검출을 가능하게 하는 훈련 없는 프레임워크인 DART 를 제안함으로써, 기존 오픈-보카불러리 검출기보다 뛰어난 성능과 속도를 달성함을 보여줍니다.
이 논문은 대규모 온라인 강의를 위한 초보 교사들의 교수법 연수를 위해 생성형 에이전트를 활용한 대화형 시뮬레이션 프레임워크인 'EducaSim'을 제안하고, 20,000 명의 학생을 지원하는 6 주간의 CS1 과정에서 이를 실험적으로 적용하여 긍정적인 효과를 확인한 내용을 다룹니다.
이 논문은 사회적 준수 내비게이션을 위한 경량 비전 언어 모델의 추론 능력을 향상시키기 위해 그룹 경쟁 학습 (GCL) 전략을 제안하며, 이를 통해 소형 모델이 대규모 모델보다 뛰어난 성능을 달성하고 실시간 배포의 효율성과 정확성을 동시에 확보할 수 있음을 입증합니다.
이 논문은 기존 검색 기반 밀도 비디오 캡셔닝의 한계를 극복하기 위해, DVC 지상 진실 주석을 기반으로 추가 주석 없이 학습된 하이라이트 감지 모듈을 통해 프레임 수준의 중요도 (saliency) 를 지도 학습하고, 이를 검색 및 캡션 생성에 통합하여 시간적 일관성을 높인 STaRC 프레임워크를 제안하며 YouCook2 와 ViTT 벤치마크에서 최첨단 성능을 달성함을 보여줍니다.
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.