4030 편의 논문
본 연구는 비자율 미분 방정식을 해결하기 위한 물리 정보 신경망 프레임워크 내에서 9가지 활성화 함수를 실증적으로 평가하며, GELU가 다른 함수들과 비교하여 잔차 손실을 최소화하는 데 있어 우수한 성능을 보임으로써 가장 견고한 선택임을 입증한다.
본 논문은 항공 전력선 점검 시 작고 가려진 안전 장비를 효과적으로 탐지하기 위해 게이트 어텐션 블록(Gated Attention Block), 적응형 특징 융합(Adaptive Feature Fusion), 그리고 집중 스케일 플로우 네트워크(Focused Scale Flow Network)를 통합한 경량 컨텍스트 인식 탐지기인 LiteFocus-DEIM을 제안하며, 이를 통해 자체 제작한 HAD 데이터셋과 VisDrone2019 벤치마크 모두에서 높은 정확도와 효율성을 달성하였다.
본 논문은 관절 간의 상관관계를 동적으로 모델링하기 위한 동작 인식 계층적 인접 행렬과 복잡도가 증가하는 동작을 단계적으로 분류하기 위한 단계적 캐스케이드 구조를 활용하여, 여러 데이터셋에 걸쳐 인식 정확도와 계산 효율성 사이의 우수한 균형을 달하는 캐스케이드 그래프 합성곱 네트워크(CGCN)를 제안한다.
이 논문은 텍스트의 종횡비에 맞춰 차원을 비등방적으로 할당하고 로터리 결합(rotary coupling)을 인코더-디코더 교차 주의 집중(encoder-decoder cross-attention)까지 확장함으로써 기존 방식의 한계를 해결하고, 이를 통해 곡선, 회전 및 원근 왜곡이 있는 텍스트 레이아웃에서의 정확도를 크게 향상시킨 장면 텍스트 인식(Scene Text Recognition)을 위한 파라미터가 없는 2D 로터리 위치 임베딩의 적응 방식인 \method{}를 소개한다.
자율주행을 위한 CNN, 트랜스포머 및 하이브리드 객체 탐지 아키텍처에 관한 142개 연구를 대상으로 한 이 PRISMA 가이드 기반 비판적 검토는 실제 환경 배포 증거의 상당한 공백을 식별하고, 벤치마크 성능뿐만 아니라 운용 준비성을 기준으로 탐지기를 재현 가능하고 증거 기반으로 선택할 수 있게 하는 AVOD-DRF 프레임워크를 도입한다.
본 논문은 소수 클래스에 다양하고 의미론적으로 검증된 증강 기법을 선택적으로 적용하여 클래스 불균형을 효과적으로 완화하고, 불균형한 감성 분류 작업에서 여러 트랜스포머 기반 모델의 성능과 강건성을 크게 향상시키는 클래스 인지적 의미론적 하이브리드 데이터 증강(CSHDA) 프레임워크를 제안한다.
본 논문은 정제된 생물학적 지식을 미분 가능한 인과 발견 알고리즘에 통합하는 보편적 사전 확률 규제 프레임워크를 제안하며, 이는 기존 방법론들이 어려움을 겪는 고차원 소표본 전사체 데이터에서 기존의 도메인 사전 지식을 활용하여 그래프 복구 정확도를 크게 향상시킨다.
이 논문은 CUDA 툴킷이나 빌드 단계 없이도 CPU 참조 모델 대비 최대 36.6배의 속도 향상을 달성하면서 기존 방식과 동일한 수치적 정밀도를 유지하는, 완전한 오픈 소스이자 pip 설치가 가능한 BM4D 볼륨형 디노이징 알고리즘의 CuPy 구현체를 소개한다.
본 연구는 단일 유도 ECG 신호로부터 다중 특징 형태를 분석하기 위해 정규화된 XGBoost 알고 true 알고리즘을 활용하여 무호흡 이벤트를 구분하는 데 있어 높은 정확도(96.1%), 특이도(100%) 및 민감도(92.1%)를 달성한 자동 수면 장애 분류 시스템을 제시한다.
본 논문은 최적화된 YCbCr 특징과 새로운 3SH-VSS 구조를 결합하여 국소적 압축 아티팩트와 전역적 위조 의존성을 동시에 모델링함으로써, 압축된 딥페이크 영상을 효과적으로 탐지하고 데이터셋 전반에 걸쳐 우수한 성능과 일반화 능력을 달성하는 통계적으로 유도된 하이브리드 국소-전역 학습 프레임워크를 제안한다.