4030 편의 논문
이 논문은 인도의 다언어 교실과 공식 교육과정을 연결하기 위해 여섯 가지 구성 요소를 통합하여 교사를 보조하고 AI 지원 학습을 2020년 국가 교육 정책과 정렬하는, 문화적 대응력과 정서 인지 능력을 갖춘 개념적 프레임워크인 SETU를 제안한다.
이 논문은 역순위 연산 정규화 규칙(inverse-rank compute normalization rule)이 극단적인 과소 학습을 통해 더 큰 순위(rank)에 인위적인 불이익을 가한다는 점을 입증함으로써, 관찰된 성능 순위가 내재된 모델 역량보다는 특정 예산 할당에 크게 의존한다는 것을 보여주는 LoRA 순위 비교 연구를 감사한다.
본 논문은 실제 결함 샘플 또는 새로운 다단계 슈퍼픽셀 방법(RASMS)을 통해 합성된 현실적인 의사 이상치(pseudo-anomalies)를 유연하게 활용함으로써 비지도 학습과 지도 학습을 통합하여 산업용 이상 탐지를 수행하는 이중 헤드 프레임워크인 RAUDI를 제안하며, 이를 통해 MVTec AD 및 KolektorSDD2 벤치마크 모두에서 최첨단 성능을 달성하였다.
이 논문은 ACL 2026 프로시딩을 감사하여 거의 모든 인용 문헌이 존재함을 확인했으나, 단일 실행 자동화된 주장 지원 검증이 기록되지 않은 모델 설정으로 인해 재현에 실패했음을 밝힘으로써, 엄격한 인용 검증을 위해서는 재현성을 보장하기 위한 철저한 운영 로깅이 필요함을 입증한다.
이 논문은 사이버 보안 운영에 대한 AI와 ML의 통합을 조사하며, 이들이 위협 탐지와 효율성을 향상시킬 수 있는 잠재력을 강조하는 동시에, 성공적인 배포를 위해서는 강력한 거버넌스, 투명성 및 감독을 통해 적대적 공격과 데이터 품질 같은 과제들을 해결해야 함을 강조한다.
본 논문은 데이터 불균형을 위한 ADASYN, 특성 선택을 위한 필터 방법, 강건성을 위한 앙상블 학습, 그리고 해석 가능성을 위한 SHAP을 통합하여 CICIDS2017 및 MQTT-IoT-IDS2020 데이터셋에서 우수한 성능을 입증한, IoT 및 컴퓨터 네트워크를 위한 설명 가능한 AI 기반의 하이브리드 침입 탐지 시스템을 제안한다.
본 논문은 이미지 수준의 주석을 활용하여 CAM 및 Grad-CAM을 통해 정교화된 의사 마스크(pseudo-masks)를 생성하고, 이를 사용하여 정확한 다중 도메인 구조적 균열 분할을 수행하는 하이브리드 OUR-Net–U-Net 모델을 학습시킴으로써, 기존 방식 대비 뛰어난 성능을 보이면서도 주석 비용을 크게 절감하는 약지도 학습 프레임워크를 제안한다.
본 연구는 849건의 AI 사고를 분석하여 자율/체화형(Autonomous/Embodied), 시각 인식(Vision Recognition), 생성형 AI(Generative AI)라는 세 가지 뚜렷한 위해 프로파일을 실증적으로 도출하며, 광범위한 거버넌스 원칙에서 벗어나 책임 및 모니터링 메커니즘을 이러한 특정 위험 패턴에 맞게 조정하는 맥락 중심적 프레임워크로의 전환을 주장한다.
본 논문은 밀집된 그래픽 배경 속에서 인쇄된 플레잉 카드의 작고 대비가 낮은 결함을 실시간으로 고정밀 탐지하기 위해 ResNet50 백본, DeCA, SPD-Conv가 적용된 개선된 BiFPN, 동적 적응형 디커플드 헤드 및 Wise-IoU v3로 강화된 결함 인지형 YOLOv8n 프레임워크를 제안하며, 이는 표준 YOLOv8n보다 mAP@50 측면에서 12.8% 더 높은 성능을 보이면서도 97 FPS의 추론 속도를 유지한다.
본 논문은 제한된 레이블 데이터로 우수한 성능을 달로하기 위해, 전경-배경 프로토타입 메모리를 분리하여 채널 선택과 공간 특징 정교화를 유도하는 교사-학생 프레임워크인 프로토타입 인식 채널 선택적 공간 상호작용(PCSI)을 제안한다.