연구자료실

설비 연결, 품질 검사, 생산 분석과 제조 업무에 관련된 외부 논문입니다.

연구자료 검색

새 논문 요약

요점은 편집자가 정리한 메모입니다. 원저자의 표현과 다를 수 있으니 원문을 확인하세요. 2026-11-20 갱신.

  1. 640Computer Vision

    VideoChat3: Fully Open Video MLLM for Efficient and Generalist Video Understanding

    • 3D 비전 트랜스포머(I3D-ViT)로 프레임을 개별 이미지가 아닌 시공간 묶음으로 처리해 토큰 수를 크게 줄였다.
    • 중요도에 따라 프레임 해상도를 조절하는 적응형 메커니즘으로 실시간 스트리밍 처리 효율을 높였다.
    • 300만 건의 고품질 멀티모달 instruction 데이터(Academic2M + LV116K + OL617K)를 구축해 공개했다.
    • 4B로 기존 동급 오픈소스 모델들을 MotionBench, VideoMME, LVBench 등 12개 벤치마크에서 능가했다.
    • 모델, 코드, 학습 전략, 데이터셋, 파이프라인까지 전부 공개해 재현 가능한 기반을 제공한다.
  2. 639LLMs / NLP

    SEED: Self-Evolving On-Policy Distillation for Agentic Reinforcement Learning

    • 완료된 궤적에서 자연어 스킬을 자동 추출해 정책에 다시 주입하는 자기진화 루프를 만들었다.
    • 스킬 유무에 따른 행동 확률 변화를 밀집 토큰 단위 감독 신호(OPD)로 변환해 RL과 결합했다.
    • ALFWorld에서 91.8% 달성으로 기존 최고 대비 +7.4%p, 데이터 40%만 써도 GRPO 전체 데이터보다 높았다.
    • 새로운 환경(안 본 테스크)에도 강하게 일반화되어, 단순 암기가 아닌 실제 전략 학습을 확인했다.
    • 추론 시 추가 프롬프트나 외부 메모리 없이, 학습된 정책만으로 성능 향상을 달성했다.
  3. 638Computer Vision

    OvisOCR2 Technical Report

    • 문서 페이지 이미지를 받아 텍스트, 수식, 표, 시각 영역을 자연스러운 읽기 순서의 Markdown으로 한 번에 생성한다.
    • 실제 문서 주석과 같은 HTML에서 이미지와 정답을 만든 합성 페이지를 섞고, 지도학습·강화학습·온폴리시 증류·모델 융합을 적용했다.
    • 0.8B 모델이 OmniDocBench v1.6에서 96.58점, PureDocBench에서 Avg3 75.06으로 각각 가장 높은 성적을 기록했다.
    • 작은 단일 모델로 파이프라인 방식을 앞서 문서 검색과 지식화 시스템의 배포 구성을 단순화할 가능성을 보여준다.
    • 다만 검증 범위는 페이지 이미지에서 Markdown을 만드는 두 공개 벤치마크와 자체 벤치마크여서 다른 문서 처리 흐름의 성능까지 보장하지는 않는다.
  4. 637Computer Vision

    Let RGB Be the Language of Vision

    • 마스크, 깊이 지도, 자세 같은 구조화된 시각 정보를 모두 RGB 이미지로 바꾸고 여러 과제를 공통 RGB-to-RGB 편집 문제로 표현한다.
    • 과제별 인코더나 디코더를 추가하지 않고 일반 이미지 편집 백본 하나로 이해 과제와 조건부 생성 과제를 처리한다.
    • 세그먼테이션과 깊이 추정, 자세 기반 생성 등에서 별도 미세조정 없이 경쟁력 있는 제로샷 성능을 보였다.
    • 시각 이해와 생성을 같은 입출력 형식으로 연결해 범용 시각·언어 시스템의 공통 인터페이스로 활용할 수 있다.
    • 성능이 웹 규모로 학습된 이미지 편집 백본에 크게 의존하고 일부 전문 과제에서는 전용 모델과 격차가 남는다는 한계가 있다.
  5. 636AI / General

    Do AI Agents Know When a Task Is Simple? Toward Complexity-Aware Reasoning and Execution

    • 에이전트의 불필요한 작업량을 재는 ACRR을 정의하고, 범위를 추정한 뒤 최소 경로를 실행하며 검증 실패 때만 넓히는 E3를 제안했다.
    • 통제된 시뮬레이터의 MSE-Bench 121개 편집에서 가장 강한 기준선과 같은 100% 성공률을 유지했다.
    • E3는 비용을 85%, 토큰을 91%, 확인한 파일을 92% 줄였고 적응형 검색 기준선보다도 16% 나았다.
    • 작은 수정에 전체 저장소를 읽는 에이전트의 낭비를 줄이면서 검증을 안전장치로 유지하는 실행 정책으로 적용할 수 있다.
    • 주요 수치는 실제 배포 에이전트가 아닌 통제된 시뮬레이터에서 나왔고 실제 모델 검증도 gpt-4o 사례 연구에 그쳐 더 넓은 검증이 필요하다.
  6. 635Computer Vision

    From Pixels to States: Rethinking Interactive World Models as Game Engines

    • 인터랙티브 세계 모델을 기존 게임 엔진의 행동·상태·관측 반복 구조로 바라보고 관련 연구를 네 차원으로 분류했다.
    • 네 차원은 플레이어 행동 제어, 게임 상태 변화, 상태와 관측의 장기 지속성, 실시간 생성이다.
    • Black Myth: Wukong에서 90시간이 넘는 플레이를 프레임별 행동, 실제 게임 상태, 시각 관측과 함께 모으는 데이터 엔진을 제시했다.
    • 이 틀과 데이터는 화면 예측을 넘어 명시적 상태를 추적하는 차세대 생성형 게임 엔진 연구의 기준 자료로 쓸 수 있다.
    • 논문은 방법 분류와 데이터 수집에 초점을 두며 규칙 준수, 장기 결과 유지, 실시간 생성을 모두 만족하는 완성된 세계 모델을 제시하지는 않는다.
  7. 634Computer Vision

    VideoRAE: Taming Video Foundation Models for Generative Modeling via Representation Autoencoders

    • 동결된 비디오 파운데이션 인코더의 여러 계층 특징을 가벼운 1차원 자기어텐션 프로젝터로 압축한다.
    • 연속 잠재표현은 확산 Transformer에, 다중 코드북 양자화로 만든 이산 토큰은 자기회귀 모델에 사용할 수 있다.
    • UCF-101에서 자기회귀와 확산 생성기의 gFVD가 각각 40과 93을 기록했고 경쟁 오토인코더보다 약 5배 빨리 수렴했다.
    • 의미가 풍부한 동결 비디오 표현을 복원 가능한 생성 잠재공간으로 바꿔 비디오 생성 학습을 빠르게 할 수 있다.
    • 생성 결과는 주로 UCF-101과 통제된 2B 규모 텍스트-비디오 실험에서 확인됐으므로 더 큰 모델과 다양한 영상 영역의 검증이 남아 있다.
  8. 633Machine Learning

    TRACE: Turn-level Reward Assignment via Credit Estimation for Long-Horizon Agents

    • 도구 호출 경계의 상태마다 동결된 참조 모델로 정답 로그확률을 구하고 로그비 상태값의 시간차를 행동별 보상으로 사용한다.
    • 별도 비평가나 과정 라벨 없이 결과 보상보다 촘촘한 턴 단위 신용을 제공하며 불필요한 도구 호출 사이에서는 값이 상쇄된다.
    • BrowseComp-Plus에서 Qwen3-4B는 7.2에서 35.6으로, Qwen3-30B-A3B는 8.4에서 42.6으로 향상됐다.
    • 긴 검색 과정의 유용한 중간 행동을 학습시켜 순수 강화학습의 수렴을 앞당기고 공개 웹 평가로도 행동을 전이했다.
    • 현재 값 추정은 짧고 알려진 정답이 있는 검색에 맞춰져 있어 긴 코드 패치나 열린 답변에서는 같은 로그확률 기준이 적절한지 확인되지 않았다.
  9. 632Computer Vision

    Boogu-Image-0.1: Boosting Open-Source Unified Multimodal Understanding and Generation

    • Base, Turbo, Edit, Edit-Turbo 네 모델을 만들고 더 강한 멀티모달 인코더와 에이전트식 프롬프트 재작성을 결합했다.
    • 데이터 품질, 학습 절차, 추론 시간 확장을 함께 다듬어 이해 능력의 향상이 이미지 생성과 편집으로 이어지게 했다.
    • 2억 862만 장의 고유 이미지와 약 40만 달러의 이론상 기본 모델 학습비로 여러 공개 모델과 같거나 더 높은 벤치마크 성능을 보였다.
    • 가중치, 코드, 학습 방식을 Apache 2.0으로 공개해 적은 예산의 통합 이미지 생성·편집 연구에 재사용할 수 있다.
    • 선도 비공개 시스템에는 가까워졌지만 전반적으로 앞섰다고 보고하지는 않았으며, 비교 결과도 공개된 표준 평가 범위에 한정된다.
  10. 631LLMs / NLP

    Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning

    • 중요도 비율 자르기, 학습·추론 비율 보정, 혼합 정밀도 제어를 결합해 1조 파라미터 모델의 제로 강화학습을 안정화했다.
    • 모델 규모를 1조 파라미터로 늘리자 표본 효율과 성능 상한이 높아지고 학습이 발견 단계 뒤 정제 단계로 진행됐다.
    • 구조화된 형식, 자기 검증, 병렬 추론, 문맥 불안 같은 행동이 별도 규칙 없이 나타났다.
    • 정답률뿐 아니라 이해 가능성, 재현 가능성, 효율성으로 사고 과정을 평가하는 틀을 제시해 대규모 추론 학습 분석에 활용할 수 있다.
    • 실증은 일곱 개 수학 벤치마크와 1조 파라미터 설정에 집중되어 있어 다른 과제와 더 작은 계산 예산에 그대로 일반화되는지는 남은 문제다.
  11. 630Robotics

    GigaWorld-Policy-0.5: A Faster and Stronger WAM Empowered by AutoResearch

    • 훈련 때 미래 시각 변화와 행동을 함께 배우되 추론 때는 영상을 만들지 않고 행동만 디코딩하는 행동 중심 WAM을 사용한다.
    • AC-WM과 WAM을 섞어 사전학습하고 시각 변화와 행동 생성을 서로 다른 Transformer 전문가로 나눴다.
    • 로컬 RTX 4090 환경에서 행동 추론 지연을 85밀리초로 줄이면서 미래 시각 감독의 정책 학습 이점을 유지했다.
    • 에이전트 기반 AutoResearch로 학습 설정 탐색을 자동화해 실시간 폐루프 로봇 제어의 개발 부담을 줄일 수 있다.
    • 85밀리초 수치는 특정 RTX 4090 배포 환경에서 측정됐으므로 다른 하드웨어와 더 다양한 로봇 작업의 지연과 성능을 보장하지는 않는다.
  12. 629Computer Vision

    UniVR: Thinking in Visual Space for Unified Visual Reasoning

    • VR-GRPO는 전체 결과 보상과 오류가 나기 쉬운 단계에 주는 보상을 함께 사용해 시각 추론의 논리와 물리 일관성을 학습한다.
    • 장기 조작, 공간 퍼즐, 물리 추론을 순수 시각 형식으로 묶은 16개 출처의 VR-X 벤치마크를 구축했다.
    • UniVR는 VR-X에서 최대 25% 향상됐고 강화된 시각 추론은 여러 멀티모달 이해 벤치마크의 성능도 높였다.
    • 코드, 데이터, 모델을 공개해 텍스트 설명 없이 시각 공간에서 계획하고 추론하는 연구에 활용할 수 있다.
    • 34B 모델과 긴 영상 학습에는 큰 계산 자원이 들고 단계 보상도 세밀한 물리 지식이 부족한 범용 VLM에 의존한다.
  13. 628Robotics

    ChunkFlow: Towards Continuity-Consistent Chunked Policy Learning

    • 각 행동 청크를 고정, 수정 가능, 미래 구간으로 나누고 실행 때 겹치는 부분을 결정론적으로 섞는다.
    • 이음매 손실과 1·2차 연속성 손실을 학습하고 기록 오염, 예정 표본추출, AWAC 미세조정으로 실행 오차에 견디게 했다.
    • CALVIN, LIBERO와 실제 로봇 실험에서 낮은 추론 지연을 유지하면서 성공률과 동작 안정성의 균형을 개선했다.
    • 청크 경계의 떨림을 사후 필터가 아니라 학습 단계에서 줄여 실시간 VLA 로봇 제어에 적용할 수 있다.
    • 이음매 차이가 겹침 길이에 따라 줄어든다는 이론은 완만한 평활성 가정 아래 성립하며 실험 범위도 세 환경에 한정된다.
  14. 627Robotics

    DenseReward: Dense Reward Learning via Failure Synthesis for Robotic Manipulation

    • 시뮬레이션에서 충돌, 잡기 실패, 물체 낙하, 복구 같은 물리적 실패 궤적을 사람 라벨 없이 자동 합성했다.
    • 시각 관측과 언어 지시를 받아 매 프레임의 작업 진행도를 점수로 내는 촘촘한 보상 모델을 학습했다.
    • 시뮬레이션과 실제 조작 모두에서 범용 VLM과 기존 로봇 보상 모델보다 정확한 촘촘한 보상 예측을 보였다.
    • 이 보상은 모델 예측 제어와 강화학습에 세밀한 진행 신호를 제공해 모방학습 뒤의 로봇 정책 개선에 활용할 수 있다.
    • 현재 범위는 비교적 짧은 조작에 집중되며 도구 사용과 장기 작업, 사람 선호를 반영한 보상은 후속 과제로 남아 있다.
  15. 626LLMs / NLP

    PalmClaw: A Native On-Device Agent Framework for Mobile Phones

    • 스마트폰 안에서 세션, 기억, 기술, 도구와 에이전트 반복을 직접 관리하는 오픈소스 프레임워크를 구현했다.
    • 기기 기능을 명시적 인자, 구조화된 결과, 분명한 실행 경계를 가진 도구로 노출해 긴 화면 조작을 줄였다.
    • MobileTask 평가에서 가장 강한 기준선보다 작업 성공률이 상대적으로 11.5% 높고 완료 시간은 94.9% 짧았다.
    • 사용자 데이터와 센서에 가까운 모바일 자동화를 기기 안에서 실행하면서 권한과 작업 범위를 도구 단위로 통제할 수 있다.
    • 결과는 특정 Android 기기와 MobileTask 설정에서 확인됐고, 새 기기 기능을 쓰려면 안전한 전용 도구와 권한 경계를 따로 제공해야 한다.
  16. 625AI / General

    Function-Aware Fill-in-the-Middle as Mid-Training for Coding Agent Foundation Models

    • 코딩 에이전트의 행동·관측·계속 구조가 함수 호출·반환 구조와 닮았다는 점을 이용해 함수 인식 FIM 중간학습을 설계했다.
    • 프로그램 의존 그래프와 복잡도·추론 가능성 기준으로 가릴 함수를 골라 968개 GitHub 저장소의 26억 토큰으로 학습했다.
    • Qwen 계열 7B, 14B, 8B 모델에서 SWE-Bench-Verified가 각각 2.8점, 3.0점, 3.2점 향상됐다.
    • 여러 에이전트 후학습 절차에서 효과가 유지되고 일반 코딩과 비코딩 도구 사용의 능력 저하도 완화했다.
    • 학습 말뭉치와 평가는 Python에 집중됐고 사고 설명 생성은 교사 모델에 의존해 다른 언어와 교사 없는 설정은 검증되지 않았다.
  17. 624Computer Vision

    Self in Space: Benchmarking Self-Awareness and Spatial Cognition in UAV Embodied Intelligence

    • SIS-Bench는 공간과 자기 인식의 두 축을 지각, 기억, 추론의 세 단계와 교차해 UAV의 자기-공간 이해를 평가한다.
    • 전문가 검증을 거쳐 실제 UAV 영상 1,646개에서 13개 과제와 질문·답변 4,856쌍을 만들었다.
    • 현재 MLLM은 공간 인지보다 자기 인식이 약했고 지각에서 기억과 추론으로 갈수록 성능이 계속 낮아졌다.
    • 광학 흐름과 시각 특징을 결합한 SIS-Motion은 두 축의 지각·기억과 후속 UAV 의사결정 성능을 개선했다.
    • 평가는 주로 영상 기반 질문·답변에 머물며 여러 센서를 통합해 실제로 장시간 자율 비행하는 에이전트까지 다루지는 않는다.
  18. 623Computer Vision

    WanToFight: Real-Time Generative Game Engine for Multi-Player Combat Interaction

    • Wan-1.3B 비디오 확산 모델에 블록 인과 어텐션과 순환 KV 캐시를 넣어 스트리밍 자기회귀 생성을 구현했다.
    • 플레이어 연결 모듈이 각 키보드 입력을 캐릭터와 묶고, 국소 인과 키 입력 모듈을 단계별 교육과정으로 학습했다.
    • 4단계 DMD 증류 모델과 가지치기한 VAE가 RTX 5090 한 장에서 512×384 영상을 초당 30프레임으로 완전한 대전 동안 생성했다.
    • 두 플레이어의 적대적 상호작용과 복잡한 물리를 실시간 생성 엔진 하나에서 함께 다룰 가능성을 보여준다.
    • 현재는 KOF '97 한 게임에 한정되고 복잡한 동작의 세부 화질과 2분을 넘는 세션의 누적 오차가 남아 있다.
  19. 622Research

    Heisenberg Scaling in Many-Body Kinetic Uncertainty Relation via Quantum Feedback

    • 다체 운동학적 불확정성 관계와 피드백이 반영된 평균장 방정식으로 초방사 스핀 앙상블의 계수 정밀도를 분석했다.
    • 양자 점프 뒤의 피드백으로 일시적인 초방사 활동을 유지해 입자 수 N에 따른 집단 효과를 지속시킨다.
    • 해석 결과와 수치 모의실험 모두에서 계수 관측량의 분산이 1/N²로 줄어드는 하이젠베르크형 스케일링을 보였다.
    • 집단 소산을 잡음이 아니라 양자 시계와 계수 장치의 정밀도 자원으로 바꾸는 설계 원리를 제시한다.
    • 결과는 특정 초방사 스핀 모형의 이론과 수치 모의실험에 기반하며 실제 장치에서의 실험 검증은 제시하지 않았다.
  20. 621Research

    Quantum States Prepared by Wormholes: Long-Wavelength Deviations from Bunch-Davies

    • 와인잔 모양 웜홀이 새 우주를 만들 때 준비하는 텐서 섭동과 시험 스칼라장 섭동의 양자 상태를 계산했다.
    • 짧은 파장에서는 Bunch-Davies 진공을 재현하지만 긴 파장에서는 웜홀 전하에 따른 편차가 생김을 보였다.
    • 이 편차는 이어지는 급팽창이 만드는 각 파워 스펙트럼에 작은 이동과 진동을 남긴다.
    • 전하가 0으로 갈수록 스칼라와 텐서 편차가 억제되어 무경계 인스턴톤으로의 위상 전이가 매끄럽다는 근거를 제공한다.
    • 이는 이상화된 웜홀 기하와 시험장 계산에서 얻은 우주론적 예측으로 실제 관측 자료에서 신호를 검출한 결과는 아니다.
  21. 620Computer Vision

    Hy-Embodied-VLM-1.0: Efficient Physical-World Agents

    • 행동 관련 상태 이해, 행동 전이 추론, 순차·적응 추론의 세 단계 능력 분류에 맞춰 사전학습과 후학습 데이터를 구성했다.
    • Hy3-A3B 언어 백본, Hy-ViT2 시각 인코더, 전문가 혼합 구조로 활성 파라미터를 3B로 제한했다.
    • 38개 벤치마크 중 19개에서 비슷한 크기 모델 가운데 가장 높은 성능을 냈고 이전 Hy-Embodied-0.5보다 평균 8.4% 향상됐다.
    • 적은 활성 파라미터로 다중 턴 상호작용과 장기 추론을 지원해 지연에 민감한 물리 세계 에이전트의 기반 모델로 활용할 수 있다.
    • 3B 활성 모델은 이전 세대의 32B 활성 모델에 가까운 수준일 뿐 모든 평가에서 이를 넘지는 않았고 최고 성능도 38개 중 절반에 한정됐다.
  22. 619Robotics

    FlowWAM: Optical Flow as a Unified Action Representation for World Action Models

    • 광학 흐름을 RGB 영상과 같은 형식의 행동 표현으로 만들고 공유 비디오 생성기 안에서 RGB와 흐름을 함께 확산 모델링했다.
    • 정책 모드에서는 흐름으로 행동을 예측하고 월드 모델 모드에서는 목표 흐름으로 미래 영상을 안내하며, 행동 라벨 없는 영상도 사전학습에 쓴다.
    • RoboTwin 성공률은 Clean 92.94%와 Random 92.14%였고 WorldArena의 EWMScore는 63.71을 기록했다.
    • 하나의 영상 친화적 표현으로 로봇 정책과 미래 장면 예측을 연결해 대규모 일반 영상의 움직임 정보를 제어 학습에 이용할 수 있다.
    • 보고된 수치는 RoboTwin, WorldArena와 제한된 실제 로봇 과제에서 얻었으므로 다른 로봇 형태와 접촉 중심 작업의 일반성은 추가 검증이 필요하다.
  23. 618AI / General

    SCALECUA: Scaling Computer Use Agents with Verifiable Task Synthesis and Efficient Online RL

    • VeriGen은 Docker 상호작용과 여러 에이전트의 피드백으로 검증 가능한 컴퓨터 사용 과제를 자동 합성한다.
    • 과제별 현재 능력 경계에 실행을 배분하는 Frontier Sampling과 최근 화면만 나누어 처리하는 Visual Context Segmentation을 사용했다.
    • 2만4천 개가 넘는 검증 가능 과제와 약 3천 개의 고품질 강화학습 과제를 만들고 학습 속도를 2.83배 높였다.
    • ScaleCUA는 OSWorld 68.7%와 ScienceBoard 54.0%를 기록해 공개 컴퓨터 사용 에이전트의 대규모 온라인 학습에 쓸 수 있다.
    • 각 실행은 50턴으로 제한되고 평가는 Ubuntu 데스크톱 중심이어서 초장기 작업과 Windows·macOS로의 일반화는 확인되지 않았다.
  24. 617Research

    Operational Concealment of Measurement Incompatibility by Quantum Channels

    • 모든 입력 상태가 양자 채널을 거칠 때 비호환 측정을 더는 인증할 수 없는 현상을 작동적 은폐로 정의했다.
    • 유한 차원에서 채널의 하이젠베르크 수반이 자명하지 않은 핵을 가질 때에만 일부 이진 POVM 쌍이 정확히 은폐됨을 증명했다.
    • 수축만 있는 단사 동역학과 정보 순위가 줄어드는 경우를 구분하고, 큐비트 채널의 은폐 강건성에 대한 정확한 식을 구했다.
    • 몫공간 쌍대성을 이용해 이 강건성을 채널 출력 게임에서 실험적으로 접근 가능한 보상 이점으로 해석했다.
    • 분석은 유한 차원·유한 결과 측정, 채널의 정확한 지식, 완전한 입력 단층촬영과 단일 사용에 한정되며 적응형 다중 사용은 다루지 않는다.
  25. 616Research

    From Circuits to Hardware: Benchmarking Standard and Qubit-Efficient Quantum Optimization on Real Hardware

    • VQE, CVaR-VQE, 여러 QAOA 방식, PCE와 QRAO를 네 가지 NP-hard 문제의 같은 실하드웨어 절차로 비교했다.
    • IBM Heron r1·r2에서 247개 방법·문제 조합의 변환된 회로 크기, 실행 결과, 게이트 수 기반 충실도 추정치를 기록했다.
    • 중간 Heron-r2 오류율에서 약 770개 2큐비트 게이트에 해당하는 F_est≈0.1 부근부터 잡음이 실행을 지배했다.
    • QAP에서는 어떤 방법도 실행 가능한 답을 내지 못했고, 큐비트 절약 방식도 충실도 예산 안에서만 더 큰 문제를 실행했다.
    • 결론은 시험한 구현과 하드웨어에 관한 것이며 QAOA 계열 전체의 점근적 열세나 고전 방법 대비 양자 우위를 증명한 것은 아니다.
  26. 615Computer Vision

    Robustifying Vision-Language Models via Test-Time Prompt Adaptation

    • RITA는 시험 이미지의 여러 증강 특징 분포를 텍스트 원형 분포와 최적수송으로 맞춰 적대적 이상치를 줄인다.
    • 동적 캐시는 시험 흐름에서 신뢰할 수 있는 단서를 쌓아 프롬프트를 온라인으로 계속 다듬는다.
    • 여러 실험에서 깨끗한 이미지 정확도를 낮추지 않으면서 적대적 공격에 대한 VLM의 강건성을 높였다.
    • 모델을 다시 학습하거나 라벨 데이터에 접근하지 않아도 되어 기존 CLIP 계열 분류 시스템에 시험 시점 방어로 붙일 수 있다.
    • 현재 검증은 이미지 분류 중심이며 이미지 설명 같은 생성 과제로의 확장은 남아 있고 모든 새로운 공격 위험을 없애지는 못한다.
  27. 614Computer Vision

    FoundationGeo: Learning Spatial Pixel-Wise Fields for Monocular Metric Geometry

    • Stage 1: DINOv3 초기화 + 10.2M 멀티도메인 코퍼스로 affine-invariant 고품질 상대 기하학 학습
    • Stage 2: 픽셀 단위 scale field + ray-direction correction field로 공간적으로 변화하는 메트릭 보정
    • 초점 거리 분포 불일치가 zero-shot 메트릭 일반화의 핵심 병목임을 식별
    • Blender 기반 합성 데이터로 다양한 초점 거리 영역 보강하여 내부 파라미터 시프트에 대한 강건성 향상
    • 7개 zero-shot 벤치마크에서 평균 5.2%+ 리드하며 도메인 간 급락 방지
    • DepthPro, Metric3D V2, UniDepthV2, MoGe-2 등 기존 메트릭 방법들을 능가
  28. 613Computer Vision

    Evidence-Backed Video Question Answering

    • E-VQA: 답변 + 시간 증거 + 공간 증거(masklets)의 3중 출력을 요구하는 새 태스크 정의
    • ST-Evidence: 인간 검증된 최초의 시공간 grounding 벤치마크 (생성형/객관형 변체)
    • Qwen3-VL, OpenAI-o3, Gemini-2.5-Pro 등 최첨단 모델에서 QA 정확도와 grounding 능력이 분리됨을 입증
    • 160k 규모 ST-Evidence-Instruct 자동 생성 파이프라인으로 추론·grounding 갭 브릿지
    • UniPixel 7B 파인튜닝 시 t-mean +27.2, J&F +13.8 대폭 향상
    • 스케일링만으로는 해결 불가능; 아키텍처·데이터·훈련 목표의 근본적 발전 필요
  29. 612Research

    Qwen-Audio-VAE Technical Report

    • 12.5Hz 저비트레이트 잠재 공간으로 다운스트림 DiT 훈련 비용 절감
    • 비대칭 encoder-decoder + latency-aware encoder pruning으로 32분 인코딩 541ms (3.62× 가속)
    • 500만 시간 다영역 오디오로 학습하여 음성·음악·효과음 도메인 일반화
    • 4개 판별자(multi-period, multi-res STFT, multi-scale STFT, sub-band CQT)로 적대적 감독
    • LibriSpeech, AudioCaps, SongDescriber 공개 벤치마크에서 도메인 간 강건한 복원 품질
    • 기존 최고 VAE 대비 STFT 거리 SI-SDR 등에서 우수한 성능
  30. 611LLMs / NLP

    LightMem-Ego: Your AI Memory for Everyday Life

    • 시각·오디오 스트림을 타임라인 정합하여 이벤트 단위로 세그먼테이션
    • current/short-term/long-term 3계층 메모리 계층으로 증분 조직화
    • 질의의 시간 범위와 의도에 따라 동적 라우팅하는 memory router 설계
    • 물건 찾기, 대화 회상, 일일 요약, 루틴 발견 등 4가지 핵심 시나리오 데모
    • 스마트폰 및 AI 안경에 배포 가능한 경량 아키텍처
    • 검색·QA·지연시간에서 명시적 다중모달 메모리가 없는 베이스라인 대비 우위 입증

연구에서 제품 적용까지

운영 중인 기능, 시범 적용과 개발 중인 기술을 구분해 정리했습니다.

보유기술 보기