8157 편의 논문
이 논문은 저자기장 MRI 를 고자기장 MRI 로 변환할 때 구조적 불확실성으로 인한 인공물을 방지하고 신뢰할 수 있는 생성을 보장하기 위해, 신뢰도 기반 샘플링과 불확실성 인식 다중 후보 선택 방식을 통합한 'ReDiff'라는 새로운 확산 모델을 제안합니다.
이 논문은 다항식 파라미터화와 시공간 할당 그래프 기반의 ADMM 을 결합하여 비볼록 환경에서 이산적 공간과 연속적 시간을 동시에 최적화함으로써 기존 접근법보다 우수한 궤적을 효율적으로 생성하는 수치 솔버를 제안합니다.
이 논문은 물리 기반 시뮬레이션에서 인간 간의 상호작용과 힘 전달을 모방하기 위해 파트너 인식 정책을 공동으로 학습하는 다중 에이전트 강화학습 프레임워크인 AssistMimic 을 제안하여, 기존 단일 동작 추적을 넘어 돌봄 및 보조 시나리오에 적합한 인간형 로봇 제어를 가능하게 합니다.
본 논문은 외부 신호 주입 없이 가동식 평면 거울을 이용해 LiDAR 스캔에 유령 포인트를 생성하고 스캔 매칭을 교란하여 최신 보안 LiDAR 시스템에서도 심각한 위치 추정 오차를 유발하는 'MirrorDrift'라는 새로운 물리적 공격 기법을 제안하고 그 유효성을 실증합니다.
이 논문은 기존 LiDAR 스푸핑 기법의 한계를 극복하여 환경에 구애받지 않는 새로운 공격 방식인 D-SLAMSpoof 를 제안하고, 자율주행 시스템의 표준 센서만 활용하여 이를 탐지하고 보정하는 실용적 방어 메커니즘 ISD-SLAM 을 제시합니다.
이 논문은 자율주행의 악천후 및 센서 고장 상황을 이해하기 위해 4 가지 시각 모달리티와 다양한 시나리오를 포함한 대규모 데이터셋 'DriveXQA'와 모달리티 간 중복을 줄여 성능을 향상시킨 'MVX-LLM' 아키텍처를 제안합니다.
이 논문은 고정된 전역 프로젝터와 위상 기반 PnP 재투사 기법을 도입하여 기존 ICP 등록의 한계를 극복하고, 대규모 3D 매핑에서 서브밀리미터 수준의 고정밀 6 자유도 포즈 추정과 균질한 표면 및 낮은 중첩 영역에서도 견고한 성능을 달성하는 새로운 방법을 제안합니다.
이 논문은 제한된 도메인 내 레이블 데이터와 다른 도메인의 레이블 데이터를 활용하여, 임베딩 표현을 기반으로 도메인 간 효율적인 샘플 선택을 수행하는 저자원 엔티티 매칭을 위한 BEACON 프레임워크를 제안하고 그 우수성을 입증합니다.
이 논문은 생성형 AI 의 사실성 판단을 지원하기 위해 다양한 정보 도구 (전체 소스 텍스트, 발췌, LLM 설명) 를 비교한 사용자 연구를 통해, 발췌가 정확성과 속도 간 균형을 이루는 반면 LLM 설명은 부적절한 신뢰를 유발해 오류 탐지 능력을 저하시킨다는 점을 규명했습니다.
이 논문은 에지 장치의 제한된 리소스와 프라이버시 문제를 해결하면서도 정서적 정확도를 높이기 위해, 에지 모델이 초안 작성과 불확실성 기반의 클라우드 검증을 결합한 '불확실성 유도 추측 디코딩 (UGSD)' 방식을 제안하여 음성 감정 캡셔닝 시스템의 품질과 효율성을 동시에 개선한 연구입니다.
이 논문은 조인 결과의 물리적 생성 없이도 효율적인 샘플링과 카운팅 기법을 활용하여 RBBD 트리를 온더플라이로 확장하는 프레임워크를 제안함으로써, 관계형 데이터베이스 환경에서 -센터/평균/중앙값 클러스터링 알고리즘의 실행 시간을 기존 대비 배 개선하면서도 동일한 근사 보장을 유지하는 방법을 제시합니다.
이 논문은 조직병리학적 이미지 분석을 위한 해석 가능한 비전 트랜스포머 프레임워크인 DeepHistoViT 를 제안하며, 폐암, 대장암, 급성 림프구성 백혈병 데이터셋에서 99.85% 이상의 높은 정확도와 진단적 관련 영역의 시각화를 통해 임상 의사결정을 지원할 수 있음을 입증합니다.
이 논문은 CMA-ES 진화 최적화 알고리즘과 배치 렌더링을 결합하여 시야 가시성 저하 및 데이터 부족 문제를 해결하고, 로봇 보조 최소 침습 수술에서 기존 방법보다 정확도와 실시간 성능이 뛰어난 수술 기구 추적 프레임워크를 제안합니다.
이 논문은 민감한 환자 데이터를 공유하지 않고도 간질 발작 빈도 정보를 효과적으로 추출할 수 있도록, 구조화된 레이블과 근거가 포함된 합성 임상 편지 데이터를 활용한 재현 가능한 프라이버시 보호 프레임워크를 제안하고 그 유효성을 입증했습니다.
이 논문은 기존 벤치마크가 방향성 이해를 제대로 평가하지 못한다는 점을 지적하며, 인간 인지에 기반한 계층적 벤치마크 'DORI'를 제안하고 최신 멀티모달 모델들이 객체 중심 방향성 추론에서 체계적인 실패를 보임을 입증했습니다.
이 논문은 텍스트 기반 영상 생성의 카메라 제어 한계를 극복하기 위해, 비전 - 언어 모델 기반의 플래너와 컨트롤러를 결합한 'ShotVerse' 프레임워크와 정교한 데이터셋을 제안하여 텍스트 설명을 기반으로 정밀하고 일관된 다중 샷 영화적 영상을 자동 생성하는 새로운 패러다임을 제시합니다.
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.