8092 편의 논문
이 논문은 지상 및 위성 이미지 간의 시점 차이를 극적으로 줄이기 위해 극좌표 변환과 컨텍스트 강화 위치 어텐션을 결합한 'VIRD'라는 새로운 교차 시점 포즈 추정 방법을 제안하고, KITTI 및 VIGOR 데이터셋에서 기존 최첨단 방법보다 훨씬 높은 정확도를 입증했습니다.
이 논문은 생성형 AI 를 활용한 이해관계자 시뮬레이션을 통해 학생들이 애자일 요구사항 공학 실무를 습득하고 AI 의 기술적·윤리적 한계를 이해하도록 돕는 교육 방법론을 제시합니다.
이 논문은 고위험 추천 시스템에서 대규모 언어 모델 (LLM) 의 편향을 완화하기 위해 모델 가중치 접근 없이도 적용 가능한 경량 프롬프트 기반 편향 제거 전략을 제안하며, 실험을 통해 제안된 방법이 추천 효과성을 유지하면서 공정성을 최대 74% 까지 향상시킬 수 있음을 입증했습니다.
이 논문은 시뮬레이션 준비가 된 디지털 트윈을 생성하기 위해 물리 기반의 SP4D 사전 지식을 활용하여 VLM 의 운동학적 환각을 제거하고 충돌 없는 관절 추정을 보장하는 자동화된 제로샷 프레임워크인 MotionAnymesh 를 제안합니다.
이 논문은 비강체 3D 형상 매칭의 정확도를 높이기 위해 시각 기반 모델의 의미 정보를 통합한 국소 교차 어텐션 모듈과 조건부 흐름 매칭 기반의 정규화 목표를 제안하는 SGMatch 프레임워크를 소개합니다.
이 논문은 비전 - 언어 모델 기반 로봇 계획이 장기 작업 수행 시 공간 - 시간적 추론과 인과적 기억 부재로 인한 실패를 겪는 문제를 해결하기 위해, 추가 학습 없이 3D 기하학적 속성을 시각 증거에 결합하는 '공간 - 시간 융합 토큰'과 행동 유발 상태 전이를 기록하는 '인과적 공간 - 시간 그래프'를 도입한 RoboStream 프레임워크를 제안하고, 이를 통해 장기 작업 및 실제 환경에서의 성능을 획기적으로 개선했음을 보여줍니다.
이 논문은 변형 가능한 선형 요소와 강체 요소로 구성된 하이브리드 물체를 제약된 환경에서 조작하기 위해 변형률 기반 코세라 막대 모델을 활용한 최적화 기반 계획 알고리즘을 제안하고, 이를 통해 기존 방법 대비 계산 속도를 획기적으로 향상시키며 시뮬레이션 및 실증 실험을 통해 그 유효성을 입증했습니다.
이 논문은 단기 및 장기 기억을 위해 프레임 수준과 청크 수준의 순환 쿼리를 도입하고 과거 관측 예측 보조 목표를 통해 기존 비기억 VLA 모델의 한계를 극복하고 다양한 기억 의존적 작업에서 뛰어난 성능을 보이는 ReMem-VLA 모델을 제안합니다.
이 논문은 암호학적 비용 증가 없이 우선순위가 높은 입력을 배치 추론에 효율적으로 통합하여 대기 중인 요청의 지연을 획기적으로 줄이는 새로운 프라이버시 보호 큐 점프 프레임워크 'PrivQJ'를 제안합니다.
이 논문은 고수준의 언어 이해와 저수준의 로봇 제어 간의 간극을 해소하기 위해 번역, 회전, 그리퍼 제어라는 세 가지 해석 가능한 행동 원시 (primitives) 를 중간 계층으로 도입하고, 의미 기반 소프트 라벨 대비 학습 및 적응형 가중치 전략을 통해 새로운 작업에 대한 강력한 일반화 성능을 달성하는 'LaDA' 프레임워크를 제안합니다.
이 논문은 IoT, IoV, 의료 등 동적 환경에서 변화하는 맥락적 요인과 보안 위험을 실시간으로 분석하여 요구사항 충족과 위험 감소를 최적화하는 적응형 인증 방법을 동적으로 선택하는 요구사항 기반 프레임워크를 제안하고 평가합니다.
이 논문은 LVLM 의 백도어 공격이 텍스트 컨텍스트에서 시각 토큰의 주의를 빼앗는 '주의 도난' 현상에 기인한다는 통찰을 바탕으로, 재학습 없이 테스트 시 입력을 정제하여 공격을 방어하는 'CleanSight'라는 새로운 방법을 제안합니다.
이 논문은 사용자가 협력하지 않아도 부정한 거래소 운영자를 탐지할 수 있도록 허가된 벡터 약속 (PVC) 과 KZG/BLS 암호 기술을 결합한 새로운 '허가형 증명 (Permissioned PoL)' 모델을 제안하여, 기존 증명 방식의 결함을 해결하고 서버 성능을 최대 10 배까지 향상시켰음을 보여줍니다.
이 논문은 농업 환경의 공간적 병목 현상을 해결하기 위해 자원 중심 우선순위 기반 경로 분할 전략을 도입한 새로운 다중 로봇 경로 계획 알고리즘을 제안하고, 기존 방법 대비 작업 처리량을 크게 향상시켰음을 시뮬레이션을 통해 입증합니다.
이 논문은 학습 데이터에서 파생된 편향을 교정하면서도 모델의 유용성을 이론적으로 보장하는 폐형식 (closed-form) 해법을 제시하여, 주석 데이터 없이 시각 및 텍스트 모달리티의 교차적 편향을 제거하고 다양한 다운스트림 작업에서 편향 완화와 성능 유지 간의 최적 균형을 달성하는 훈련 없는 방법을 제안합니다.
이 논문은 ETH 와 SETH 를 기반으로 배낭 문제 및 다중 머신 스케줄링 문제들에 대한 기존 의사다항 시간 알고리즘의 하한을 엄밀하게 증명하여, 수십 년 전의 고전 알고리즘이 최적임을 확인하고 Jansen 등 및 Fischer 와 Wennmann 의 오픈 문제를 해결합니다.
이 논문은 2020 년부터 2024 년 5 월까지의 연구를 분석하여, 정서적 지원을 위한 AI 대화 시스템이 과업 특화형 딥러닝 모델에서 대규모 언어 모델 (LLM) 기반 접근법으로 전환됨에 따라 언어적 유연성과 일반화 능력이 향상되었으나 신뢰성과 안전성 문제가 대두되었음을 규명하고 향후 발전 방향을 제시합니다.
이 논문은 주석 없는 도메인에서도 혈관 및 도로 네트워크와 같은 관형 구조물의 위상적 결함을 효과적으로 탐지하기 위해, 자동화된 데이터 수집 파이프라인과 위상 인식 보상 메커니즘을 활용한 강화 학습 기반의 새로운 프레임워크인 Topo-R1 을 제안합니다.
이 논문은 지상참조 이미지 없이도 인간 지각과 정렬된 가상 의상 착용 (VTON) 이미지 품질 평가를 가능하게 하는 참조 없는 프레임워크 'VTON-IQA'와 대규모 인간 주석 데이터셋 'VTON-QBench'를 제안하고, 이를 통해 14 개의 대표 VTON 모델에 대한 포괄적인 벤치마크 평가를 수행합니다.
이 논문은 문자열과 SLP(직선 프로그램) 로 압축된 문자열에 대한 MSO 쿼리의 번째 해를 선형 시간 전처리 후 로그 시간으로 직접 접근할 수 있는 동적 알고리즘을 제안하며, 기존 연구보다 접근 시간을 개선하고 복잡한 편집을 지원하도록 확장했습니다.