Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
arXiv논문
AEGIR: Gaussian Splatting을 이용한 실내 역렌더링을 위한 면 광원 (Area Emitters) 모델링
AEGIR은 Gaussian Splatting 환경에서 국부 면 광원(Area Emitters)을 명시적으로 모델링하여 실내 역렌더링 성능을 높이는 프레임워크입니다. 미분 가능한 지연 렌더링과 다중 중요도 샘플링을 통해 조명, 재질, 기하 구조를 정밀하게 분리하고 재조명 성능을 개선합니다.
4일 전0
arXiv논문
단색 제작을 위한 생성된 3D 에셋의 외형 보존 정밀화
3D 메쉬 생성 시 텍스처 정보가 손실되는 문제를 해결하기 위해, 외형을 기하학적 구조로 변환하는 GenMF 프레임워크를 제안합니다. 시각적 세부 사항을 보존하면서도 제작 시 응력 집중을 방지하는 미분 가능한 정규화 기술을 도입했습니다.
4일 전0
arXiv논문
스펙트럼 정확한 Koopman 근사를 위한 잔차 유도 사전 학습 (Residual-Guided Dictionary Learning)
Koopman 이론을 활용한 비선형 동역학 분석 시 발생하는 스펙트럼 신뢰성 문제를 해결하기 위한 새로운 사전 학습 방법을 제안합니다. 잔차 최소화와 조건수 패널티를 결합하여 수치적으로 안정적이고 정확한 Koopman 스펙트럼을 도출합니다.
4일 전0
arXiv논문
통계적으로는 구별 불가능하나 운영상으로는 구별됨: 표 형식 파운데이션 모델 (Tabular Foundation Models)을 위한 공식적 장벽
표 형식 파운데이션 모델이 시스템의 규칙을 모를 때 발생하는 '운영적 장벽'을 정의하고 검증합니다. 통계적으로는 구별이 불가능하더라도 규칙 기반의 감사 없이는 모델이 데이터의 합법성을 식별할 수 없음을 증명했습니다.
4일 전0
arXiv논문
말려 있는 헤르쿨라네움 파피루스의 완전한 가상 언랩핑(Virtual Unwrapping) 및 판독
고해상도 μCT 스캔과 머신러닝을 결합하여 탄화된 헤르쿨라네움 파피루스를 물리적 손상 없이 디지털로 완전히 펼치고 판독하는 데 성공했습니다. 이번 연구는 미개봉 두루마리들을 체계적으로 복원할 수 있는 확장 가능한 프레임워크를 제시합니다.
4일 전0
arXiv논문
최적의 면(Optimal Faces)을 통한 가격이 책정된 움직임: 비정상적 적대적 MDP를 위한 노멀 팬(Normal-Fan) 기하학
비정상적 적대적 MDP 환경에서 손실 변화가 제어 문제에 미치는 실제 비용을 분석하기 위해 노멀 팬(Normal-Fan) 기하학을 제안합니다. 손실의 움직임을 다면체의 최적 면(optimal face) 관점에서 해석하여, 무해한 비정상성과 결과적인 비정상성을 구분하는 이론적 틀을 제공합니다.
4일 전0
arXiv논문
DiLaServe: 확산 언어 모델(Diffusion Language Models)을 위한 높은 SLO 달성 서빙 기술
확산 언어 모델(DLM)의 추론 처리량을 높이면서 지연 시간 SLO를 충족하기 위한 클러스터 수준의 서빙 시스템 DiLaServe를 제안합니다. 신뢰도 임계값 조정과 적응형 부하 제어를 통해 품질 저하를 최소화하며 서빙 효율을 극대화합니다.
4일 전0
arXiv논문
HorizonRelight: Diffusion Transformers를 통한 일관된 장기 비디오 재조명 (Relighting)
HorizonRelight는 Diffusion Transformer를 활용하여 장기 비디오의 일관된 재조명을 구현하는 연구입니다. 시간적으로 조건화된 잠재 도메인 변환 기술을 통해 비디오 청크 간의 불연속성 문제를 해결하고 시간적 일관성을 높였습니다.
4일 전0
arXiv논문
BTI-Net: 불확실성 인지 게이팅을 통한 다중 작업 의료 영상 분석용 양방향 디코더 레벨 작업 상호작용
BTI-Net은 의료 영상의 분할과 분류를 동시에 수행할 때 작업 간 시너지를 극대화하는 양방향 디코더 구조를 제안합니다. 불확실성 프록시 어텐션(UPA)을 통해 작업 간 상호작용의 신뢰도를 동적으로 조절하여 성능을 높였습니다.
4일 전0
arXiv논문
확률적 그래프 열 모델링(Stochastic Graph Heat Modelling)을 이용한 연결성 추정
확률적 그래프 열 모델링을 통해 뇌 연결성 등 공간 구조를 추정하는 새로운 프레임워크를 제안합니다. 기존 모델의 한계를 극복하기 위해 정규화를 추가하여 강건성을 높였으며, 실제 데이터셋 실험을 통해 공간 구조 포착 능력을 입증했습니다.
4일 전0
arXiv논문
확장 가능한 가능도 흐름 맵을 통한 소수 단계 볼츠만 생성기 (Few-Step Boltzmann Generators via Scalable
SCALLOP은 적은 수의 함수 평가로 샘플과 밀도를 동시에 생성하는 새로운 가능도 흐름 맵 모델입니다. 기존 F2D2 모델의 확률적 근사 방식 대신 확장 가능한 가능도 증류 목적 함수를 도입하여 학습 분산과 시간을 크게 단축했습니다.
4일 전0
arXiv논문
새로운 잠재 클래스 공격(Latent-Class Attack)과 클래스 부공간 직교화(Class Subspace
딥러닝 모델의 데이터 오염 공격에 대한 새로운 유형인 '잠재 클래스 공격(Latent-Class Attack)'을 제안합니다. 알려지지 않은 새로운 클래스를 타겟 클래스의 하위 클래스로 오인하게 만들어 모델을 무력화하는 공격 방식입니다.
4일 전0
arXiv논문
허리케인 이후의 신속한 피해 식별 및 복구 일정 수립을 위한 통합 2단계 딥러닝 도구
허리케인 발생 후 신속한 피해 식별과 복구 일정 수립을 위한 통합 2단계 딥러닝 도구를 제안하는 연구입니다. ResMLP와 Set Transformer를 결합한 파이프라인을 통해 높은 정확도로 손상 선로를 식별하고 복구 시간을 예측합니다.
4일 전0
arXiv논문
KoAT: 정수 프로그램의 자동 복잡도 및 종료 분석
KoAT는 정수 프로그램의 복잡도 경계와 종료 여부를 자동으로 분석하는 도구입니다. 실행 시간 및 크기 상한을 교대로 추론하는 모듈식 방식을 사용하여 서브프로그램을 분석합니다.
4일 전0
arXiv논문
이벤트 기반 서사 추출에서의 복합 일관성(Composite Coherence)에 대한 정보 기하학적 정당화
이벤트 기반 서사 추출 시 사용되는 일관성 지표의 정보 기하학적 근거를 제시하는 연구입니다. 문서 임베딩의 각도 유사도와 젠슨-샤논 거리를 결합한 복합 일관성 지표가 기하 평균을 통해 최적화됨을 수학적으로 증명했습니다.
4일 전0
arXiv논문
토큰의 영향력이 거리에 따라 어떻게 감소하는가: 학습된 언어 모델의 그린 함수(Green-Function) 관점
Transformer 언어 모델에서 토큰 간의 영향력이 거리에 따라 어떻게 감소하는지 그린 함수 관점에서 분석한 연구입니다. 실험 결과, 토큰 간 민감도는 지수적 감소가 아닌 멱법칙(power-law) 유형을 따르며, 이는 학습된 모델의 고유한 특성임을 밝혀냈습니다.
4일 전0
arXiv논문
GPC: 전이 가능한 모터 제어를 위한 대규모 생성적 사전 학습 (Large-Scale Generative Pretraining for
GPC는 토큰화와 다음 토큰 예측 기술을 활용하여 물리 기반 캐릭터 애니메이션을 위한 범용 생성적 제어기를 구축하는 연구입니다. FSQ를 통해 동작 어휘를 모델링하고 GPT 스타일의 트랜스포머로 제어 신호를 생성하여 높은 재현율과 창발적 행동을 보여줍니다.
4일 전0
arXiv논문
LLM 학습을 위한 학습률 스케일링의 비선형성에 대하여
LLM 학습 시 모델 크기와 데이터 규모에 따른 최적 학습률의 비선형적 스케일링 법칙을 분석합니다. 기존의 로그-선형 가정 대신 유효 학습률(effective learning rate)과 데이터 규모 기반 외삽을 통해 더 정확한 학습률 전이가 가능함을 입증합니다.
4일 전0
arXiv논문
언어 모델의 잠재 궤적(Latent Trajectories) 내 불변 추론 방향
잠재 추론 모델의 은닉 상태 공간 내에서 안정적인 추론 방향을 식별하고 조작하는 TILR 프레임워크를 제안합니다. 연구 결과, 잠재 궤적 내에는 저차원 불변 구조가 존재하며 이를 활용해 추론 일관성을 크게 향상시킬 수 있음을 입증했습니다.
4일 전0
arXiv논문
GLACIER: 질량 분석 스펙트럼 예측을 객체 탐지(Object Detection) 문제로 재고하기
GLACIER는 질량 분석 스펙트럼 예측을 분자 그래프 상의 객체 탐지 문제로 재정의한 새로운 연구입니다. 기존의 2단계 패러다임 대신 단일 단계 트랜스포머 기반 모델을 사용하여 정확도와 추론 속도를 획기적으로 개선했습니다.
4일 전0