8255 편의 논문
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.
SVLL 는 시각적 그라운딩과 시간적 추론을 분리하는 3 단계 학습 프레임워크와 절대적 확률 제약을 도입한 Bias-DPO 를 결합하여, 물리적 제약 위반을 줄이고 AI2-THOR 및 실제 로봇 환경에서 최첨단 모델보다 우수한 embodied 작업 계획 성능을 달성합니다.
본 논문은 절대 및 상대 깊이 간의 상호 보완, 차량 자세에 의존하지 않는 변형 가능 게이트 시계열 융합, 그리고 2D 인스턴스 기반의 동적 정제 모듈을 통해 4D 레이더와 카메라 데이터를 융합한 3D 객체 감지 성능을 획기적으로 향상시킨 R4Det 모델을 제안합니다.
본 논문은 무한 캔버스 환경에서 AI 조직화 에이전트를 활용한 현장 연구를 통해, AI 가 공간 관리의 인지적 부담을 줄이고 콘텐츠 큐레이션 및 관계적 구조화에 집중하게 하며, 생성과 큐레이션의 순환적 상호작용을 통해 초기에는 발산적 촉매제로, 후기에는 수렴적 큐레이터로 진화하는 인간-AI 공진화 모델을 제시합니다.
이 논문은 LED 디스플레이와 최적화된 비주기적 렌즈 어레이를 결합하여 주변 환경만 선택적으로 조명하고 투사 대상은 비추지 않는 새로운 조명 방식을 제안함으로써, 어두운 공간의 제약 없이도 고대비 프로젝션 매핑을 구현하는 기술을 소개합니다.
이 논문은 라벨링된 학습 데이터 없이 비반복식 솔리드스테이트 LiDAR 의 극도로 희소한 측정 환경에서도 UAV 를 탐지하고 추적할 수 있는 비지도 파이프라인을 제안하며, 확률적 데이터 연관 기법을 통해 다중 UAV 간 근접 시 식별 전환을 크게 줄인다는 것을 입증합니다.
이 논문은 차세대 무선 시스템의 정밀한 채널 추정과 빔포밍 등을 가능하게 하기 위해 전파의 공간적 분포와 방향성을 포착하는 '전파 방사선장 (RRF)' 개념을 제안하고, 이를 통해 공간 채널 상태 정보 (Spatial-CSI) 와 디지털 라디오 트윈을 구현할 수 있음을 설명합니다.
이 논문은 텍스트 중심 이미지 편집의 한계를 극복하기 위해 대규모 데이터셋, 표준 벤치마크, 그리고 글리프 기반의 두 단계 학습 전략을 포함한 체계적인 솔루션인 'WeEdit'을 제안하고 있습니다.
본 논문은 현대 멀티코어 CPU 환경에서 빈번한 업데이트와 저지연 분석을 동시에 효율적으로 처리하기 위해, 정점의 차수에 따라 경량 배열과 학습된 색인을 적응적으로 적용하는 새로운 인메모리 그래프 저장소 LHGstore 를 제안하고, 이를 통해 기존 최첨단 시스템 대비 5.9~28.2 배의 처리량 향상을 입증합니다.
이 논문은 LLM 의 심볼릭 추론을 통해 해석 가능하고 제어 가능한 인간 동작을 생성하는 새로운 프레임워크인 LaMoGen 과 이를 위한 라바노테이션 기반 표현법인 LabanLite 를 제안하고, 기존 방법론보다 뛰어난 성능과 설명력을 입증합니다.
이 논문은 단일 비디오에서 기하학적 및 운동학적 제약을 결합하여 관절형 객체의 고정밀 디지털 트윈을 구축하는 새로운 프레임워크인 Articulat3D 를 제안하며, 기존 다중 뷰 및 정적 상태 의존의 한계를 극복하고 실세계 적용 가능성을 크게 향상시킵니다.
이 논문은 확산 모델의 샘플링 속도를 획기적으로 개선하기 위해 기존 방법의 한계를 극복하고 학습 기반의 적응형 가중치를 통해 역사적 기울기를 동적으로 결합하는 새로운 다단계 솔버 'DyWeight'를 제안합니다.
이 논문은 사용자의 개인화된 데이터 공유 의사를 반영하고 공유된 데이터의 영향력을 제거할 수 있는 'FedShare'라는 새로운 연방 학습 및 언러닝 프레임워크를 제안하여, 기존 연방 추천 시스템의 한계를 극복하고 저장 오버헤드를 줄이면서 높은 추천 성능을 달성합니다.
이 논문은 칩릿 간 연결에서 엄격한 비트 오류율 목표를 달성하기 위해 오류 정정 부호의 오버헤드를 고려한 경로 탐색 흐름과 CP-SAT 기반 링크 할당 기법을 제안합니다.
이 논문은 다양한 기관의 CBCT 데이터에서 발생하는 라벨 부족과 도메인 간 차이를 해결하기 위해, 다중 소스 반지도 학습을 위한 'SemiTooth' 프레임워크와 새로운 데이터셋 'MS3Toothset'을 제안하여 치아 분할의 정확도와 일반화 성능을 획기적으로 향상시킨 연구입니다.
이 논문은 노이즈가 있는 레이블 환경에서 견고한 퓨샷 학습을 가능하게 하기 위해, 지역 인식 정렬과 양방향 프롬프트 설계, 최적 수송 기반의 선택적 정제 전략을 결합한 NA-MVP 프레임워크를 제안하고 그 유효성을 입증합니다.