3657 편의 논문
본 논문은 제로 초기화 잔차(zero-initialized residuals)와 게이팅 메커니즘을 통해 다중 스케일 특징을 탐지 출력에 직접 통합함으로써 소형 객체 탐지에서의 의미론적 희석을 완화하고, 베이스라인 모델의 초기 출력을 변경하지 않으면서 SODA-D 및 VisDrone과 같은 데이터셋에서의 평균 정밀도(mAP)를 향상시키는 경량 크로스 레이어 모듈인 제로 초기화 잔차 융합(ZIRF)을 제안한다.
데이터 부족 및 색상 왜곡과 같은 수중 문화유산 탐지의 과제를 극복하기 위해, 본 논문은 RGB와 깊이 정보를 효과적으로 융합하여 기존 베이스라인을 크게 능가하는 물리 기반 듀얼 스트림 탐지기인 WRF 데이터셋과 UCH-Net을 소개한다.
NK 랜드스케이프를 이용한 이 계산 연구는 대부분의 네트워크 재구조화 규칙이 조직적 탐색을 개선하는 데 실패하는 반면, 설계자 주도의 단계 기반 재구조화는 특히 고도로 복잡한 문제 환경에서 성능을 유의미하게 향상시킨다는 것을 밝혀냈다.
본 연구는 검색 증강 생성과 지식 그래프 그라운딩을 결합하는 것이, 비그라운딩 방식이나 단일 방식에 비해 환자 안전 추론 시 환각을 실질적으로 줄이고 근거 추적성을 개선함으로써 대규모 언어 모델의 사실적 정확성, 안전성 및 임상적 유용성을 유의미하게 향상시킨다는 것을 입증한다.
64개의 연구를 대상으로 한 이 체계적 문헌 고찰은 차분 프라이버시(Differential Privacy)가 구문적 익명화 모델을 대체하기보다는 이를 감사하는 데 점점 더 많이 사용되고 있음을 밝히며, 섀넌 엔트로피(Shannon Entropy)가 하이브리드 프라이버시 프레임워크의 해석 가능성과 투명성을 향상시키기 위한 유망한 의미론적 가교임을 강조한다.
이 논문은 비디오 이해 작업에서 상태 공간 모델(SSM)의 효율성과 성능을 향상시키기 위해, 콘텐츠 특화된 정보에 기반하여 비디오 토큰의 공간적 세밀도, 영역 선택 및 직렬화 순서를 동적으로 최적화하는 정보 가이드형 적응형 스캐닝 프레임워크인 AdaScan을 소개한다.
본 논문은 자원이 제한된 클라우드-에지 협업 아키텍처 내에서 암호화된 트래픽에 대한 고정밀, 저지연 침입 탐지를 달 수 있도록 다중 스케일 시간 합성곱, 교차 주의 집중 융합 및 적응형 투표를 통합한 새로운 딥 앙상블 프레임워크인 DETECX를 제안한다.
본 연구는 나이지리아 중소기업의 AI 도입을 분석하기 위해 부분최소제곱 구조방정식 모델링(PLS-SEM)과 합성곱 신경망(CNN)을 결합한 통합 2단계 프레임워크를 도입하며, 두 모델이 동일한 데이터 폴드에서 엄격하게 벤치마킹될 때 PLS-SEM은 이론적 관계를 확인하는 한편 CNN은 표본 외 예측 정확도를 유의미하게 향상시킨다는 점을 입증한다.
본 논문은 다중 스케일 추출, 고주파 향상 및 적응형 어텐션 메커니즘을 갖춘 계층적 프레임워크를 활용하여 공간적 세부 사항 복원과 분광 충실도 사이의 균형을 효과적으로 맞춤으로써 여러 원격 탐사 데이터셋에서 최첨단 성능을 달달성하는 다중 스케일 공간-분광 특징 융합 네트워크인 MSPF-Net을 제안한다.
이 체계적 문헌 고찰은 딥러닝 기반의 비파괴 수산물 신선도 평가 기술을 평가하며, 높은 예측 성능을 강조하는 동시에 생물학적 타당성, 방법론적 엄밀성 및 산업적 현장 적용 준비성 측면에서의 결정적인 격차를 식별한다.