8809 편의 논문
이 논문은 기존 인간과 모델의 협력 방식을 넘어 다중 에이전트 시스템과 전통적 모델이 협력하는 'ProvAgent' 프레임워크를 제안하여, 정교한 신원 - 행동 바인딩과 가설 검증 기반의 자율 조사를 통해 고급 지속 위협 (APT) 의 탐지 및 재구성을 효율적으로 수행함을 보여줍니다.
이 논문은 뇌졸중 평가용 CT 관류 이미징의 비정형 역문제 해결을 위해 물리 법칙과 증거론적 딥러닝을 결합하여 물리 제약 위반에 따른 불확실성을 정량화하고 정확도와 신뢰성을 동시에 향상시킨 'EPPINN' 프레임워크를 제안하고 임상 데이터에서 우수한 성능을 입증했습니다.
이 논문은 고정된 시야각 (FoV) 에 의존하는 기존 방법의 한계를 극복하고, 이중 판별 학습과 커리큘럼 학습 전략을 통해 단일 모델만으로도 다양한 시야각과 방향 변화에 강인한 교차 뷰 지리 위치 추정 (CVGL) 을 가능하게 하는 'SinGeo'프레임워크를 제안합니다.
이 논문은 최소 회로 크기 문제의 암시적 관찰을 명시적으로 정립하여 진리표의 한 점 변경 시 최적 회로 크기가 이내로만 변함을 증명하고, 이를 일반화하며 에서의 AIG 기반 실험을 통해 이 상한이 최적임을 확인했습니다.
이 논문은 메타 픽셀의 구성을 역공학적으로 분석하는 'PixelConfig' 프레임워크를 제시하고, 2017 년부터 2024 년까지의 데이터를 통해 건강 관련 웹사이트를 포함한 웹상에서 민감한 정보 수집을 위한 추적 기능이 기본 설정에 의해 광범위하게 활성화되어 있으며, 제한 설정이 존재하더라도 실제 보호 효과는 미미함을 규명했습니다.
본 논문은 이벤트 카메라의 고유한 시간적 연속성을 활용하여 비주얼 지오메트리 기반 트랜스포머 (VGGT) 로부터 시공간 및 다중 뷰 기하학적 사전 지식을 3 단계 증류 전략을 통해 전이함으로써, 기존 방법론의 시간적 불일치 문제를 해결하고 정밀한 단안 깊이 추정을 가능하게 하는 새로운 프레임워크인 EventVGGT 를 제안합니다.
이 논문은 기존 커버리스 스테가노그래피 방법의 접근 제어 한계를 해결하기 위해, 무작위 기저 메커니즘과 잠재 벡터 융합 모듈을 도입하여 사용자별 접근 제어가 가능한 훈련 없는 확산 기반 다중 이미지 스테가노그래피 프레임워크 'MIDAS'를 제안합니다.
이 논문은 사이클링, 항공, 해상 추적 등 다양한 실제 응용 분야의 워크로드를 반영하여 시공간 데이터베이스 플랫폼의 성능을 종합적으로 평가할 수 있는 오픈소스 애플리케이션 중심 벤치마크 스위트인 'GeoBenchr'를 제안합니다.
이 논문은 비전 기반 CNN 을 통해 마찰력 사전 지식을 제공하고 S4 모델을 활용하여 동적 잔차를 보정하는 새로운 프레임워크를 제안함으로써, 자율 레이싱 차량의 비선형 타이어 동역학 식별 정확도를 획기적으로 향상시키고 콜드스타트 수렴 시간을 단축하는 방법을 제시합니다.
이 논문은 YOLO 기반 객체 탐지 모델의 아키텍처 탐색 비용을 획기적으로 줄이기 위해, COCO-mini 데이터셋으로 학습된 1,500 개의 아키텍처와 자기 진화 메커니즘을 통해 정밀도를 높인 예측 모델을 포함한 'YOLO-NAS-Bench'라는 최초의 대리 벤치마크를 제안합니다.
이 논문은 방향성 객체 탐지 (OBB) 의 고유한 도전 과제를 해결하면서도 실시간 효율성을 유지하는 최초의 실시간 방향성 탐지 트랜스포머인 RiO-DETR 을 제안하고, DOTA-1.0, DIOR-R, FAIR-1M-2.0 등 다양한 데이터셋에서 속도 - 정확도 균형을 크게 개선했음을 입증합니다.
이 논문은 부호화된 텐서 네트워크에 대한 모든 복잡도 이분화 정리를 통합하는 새로운 프레임워크를 제안하여, 해결되지 않은 문제들을 2x2 복소수 행렬로 구성된 유한 군의 범주에 따라 9 가지 경우로 분류하고, 군의 전치 닫힘 성질에 따른 행렬 형식의 단순화, 사원수 부분군 관련 장벽, 그리고 순환군 사례에 대한 정리를 다룹니다.
이 논문은 시각적 맥락의 허위 상관관계로 인한 비합리적인 예측 문제를 해결하기 위해 인과적 개입 모듈과 계층적 그래프 신경망을 결합한 CIGPose 프레임워크를 제안하여 COCO-WholeBody 데이터셋에서 새로운 최고 성능을 달성했습니다.
이 논문은 메타 학습을 통한 사전 훈련과 테스트 시 데이터에 적응적으로 학습률 및 업데이트 빈도를 조정하는 메커니즘을 도입하여, 분포 변화 하에서도 강건하고 정확한 궤적 예측을 가능하게 하는 MetaDAT 방법을 제안합니다.
이 논문은 웹어셈블리 (WASM) 모듈 내의 바이너리 취약점이 웹 애플리케이션의 보안 메커니즘을 무력화하여 SQL 주입이나 XS-Leaks 와 같은 웹 보안 위협으로 이어질 수 있음을 증명하고, 이를 완화하기 위한 최선의 실천 방안과 방어 전략을 제시합니다.
이 논문은 람다 계산과 그 적용을 통해 Fontana 와 Buss 의 AlChemy 모델을 일반화하는 함자를 구성하여 상호작용 구성 요소의 역학을 부여하고, 대수적 인공 화학 모델의 대수적 및 역학적 측면 간의 연결을 형식화하는 범주론의 활용 방향을 제시합니다.
이 논문은 다양한 의료 영상 모드에서 단일 뷰 내의 이상 징후 간 관계와 뷰 간 역동적 변화를 동시에 모델링하고 결측 데이터를 처리하여 진단 정확도와 견고성을 향상시키는 새로운 그래프 기반 학습 프레임워크인 GIIM 을 제안합니다.
이 논문은 확산 모델의 출력물에 대한 지적 재산권 보호를 위해 기존 노이즈 기반 워터마킹의 취약점을 해결하고, 구조화된 노이즈 패턴 인코딩과 무작위화 설계를 통해 강인성과 생성 다양성을 동시에 확보한 'ShapeMark' 방법을 제안합니다.
이 논문은 복잡한 3D 표면을 정밀하게 커버하기 위해 SE(3) 기하학적 구조를 보존하면서 수렴 속도를 향상시킨 사전 조건부 SE(3) 스타인 변분 경사 하강 (SVGD) 기반의 샘플링 최적화 프레임워크를 제안하고, 이를 시뮬레이션 및 실제 로봇 실험을 통해 검증합니다.
이 논문은 차분 가능한 제어 장벽 함수 (CBF) 기반의 보호 장치, 적응형 충돌 재생 메커니즘, 위험 탐험 보상 등을 결합한 강화 학습 프레임워크 'SEA-Nav'를 제안하여, 밀집된 장애물 환경에서 안전성과 민첩성을 유지하면서도 단 몇 분의 훈련 시간으로 실제 4 족 보행 로봇의 항법을 가능하게 합니다.