2305 편의 논문
이 논문은 의미를 보존하는 유의어 치환 하에서 기여도 일관성을 강제하는 훈련 단계 방법론인 잠재 기여도 정규화(Latent Attribution Regularization, LAR)를 소개하며, 이 방법이 모델의 정확도를 저해하지 않으면서 미세 조정된 트랜스포머의 그래디언트 기반 설명의 안정성을 유의미하게 향상시킨다는 것을 입증하는 동시에, 이러한 안정성을 정확하게 측정하기 위해서는 적절한 토큰 정렬이 필수적임을 확립한다.
이 논문은 기존의 중앙 집중식 시스템의 한계를 해결하면서 클라우드 환경에서의 보안 가상 머신(VM) 관리, 사용자 인증 및 실시간 위협 탐지를 강화하기 위해 블록체인 기술과 앙상블 학습을 통합한 새로운 프레임워크인 TMB-CMSBT를 제안한다.
본 논문은 코드 난독화가 정적 특징에 미치는 영향을 분석하고, 회복력이 있는 정적 뷰를 이미지 표현으로 변환하기 위해 다중 특징 융합 네트워크를 채택함으로써, 난독화된 학습 샘플을 요구하지 않고도 다양한 난독화 기법에 대해 높은 정확도와 일반화 성능을 달성하는 강력한 안드로이드 악성코드 탐지 체계인 TriFuseDroid를 제안한다.
본 연구는 다중 뷰 어텐션 메커니즘을 활용한 CNN 및 비전 트랜스포머를 포함한 10가지의 다양한 딥러닝 모델이 엑스레이 상의 무릎 골절에 대해 높은 진단 정확도와 빠른 처리 속도를 달성함을 입증하며, 이는 자원이 제한된 환경에서도 이들이 임상 의사 결정 지원 도구로서 강력한 잠재력을 가지고 있음을 시사한다.
본 연구는 제약 조건을 고려한 규칙 기반 워크플로를 통해 수업 및 학위 논문/캡스톤 방어 일정을 통합하는 웹 기반 의사결정 지원 시스템을 제시하며, 두 곳의 고등 교육 기관에 도입하여 높은 사용자 만족도와 운영 효율성을 입증하였다.
본 논문은 단일 모달리티 접근 방식의 일반화 한계를 극복하기 위해 CNN 기반의 시각적 균열 탐지와 LSTM으로 처리된 센서 시계열 데이터를 결합한 강건한 멀티모달 딥러닝 프레임워크를 제안하며, 이를 통해 스마트 시티의 지속 가능한 교량 상태 모니터링을 위한 94%의 전체 정확도와 향상된 재현율을 달성한다.
이 논문은 클라우드 기반의 적응형 접근성 인터페이스인 "Ctrl+You"를 제시하며, 이는 단일 사용자 프로필을 통해 웹, 데스크톱, 모바일 플랫폼 전반에 걸쳐 보조 도구를 통합하고, 뭄바이 UMED 장애 센터에서의 2주간의 현장 평가를 통해 이러한 방식이 다양한 장애를 가진 개인들을 위한 데이터 입력 오류와 보호자 개입을 유의미하게 감소시킨다는 것을 입증한다.
본 논문은 추가적인 학습 없이 노이즈를 효과적으로 억제하고, 구조적 세부 사항을 보존하며, 측정 일관성을 보장하기 위해 사전 학습된 확산 모델을 사전 지식으로 활용하고 푸리에 위상 제약 조건 하에서 해밀토니안 몬테카를로 샘플링을 통해 예측을 정제하는 제로샷 저조도 이미지 개선 프레임워크를 제안한다.
본 논문은 멀티모달 고해상도 교사 모델로부터 변별적 지식을 저해상도 학생 모델로 전이함으로써 저해상도 비디오에서의 고립 수어 인식을 개선하는 특권 지식 증류 프레임워크(PKD-ISLR)를 제안하며, 이는 WLASL 및 ASLCitizen 벤치마크에서 기존 베이스라인들을 능가한다.
본 논문은 공유-개별(shared-private) 의미론을 모델링하고 제어된 사전 가이드와 유계 잔차 정교화(bounded residual refinement)를 통해 검색 증거를 활용함으로써, 결측 모달리티에 대한 강건성을 향상시키고 불완전한 멀티모달 감정 인식을 해결하는 메커니즘 분리형 검색 가이드 조건부 복구 프레임워크인 MDRC를 제안한다.