1개월 전 · ai

AI의 다음 도약은 더 큰 모델이 아니라: 더 나은 인터페이스

지난 몇 년간 AI 산업은 규모에 집착해 왔습니다—더 큰 모델, 더 많은 파라미터, 더 긴 컨텍스트 윈도우. 그 집중은 한동안 타당했지만, …

1개월 전 · ai

[Paper] Generative Refocusing: 단일 이미지에서 유연한 Defocus 제어

Depth-of-field 제어는 사진 촬영에서 필수적이지만, 완벽한 초점을 맞추려면 여러 번 시도하거나 특수 장비가 필요합니다. Single-image refocusing은 아직…

1개월 전 · ai

[Paper] 세상은 당신의 캔버스: 참조 이미지, 궤적 및 텍스트를 활용한 프롬프트 가능한 이벤트 그리기

우리는 WorldCanvas를 소개합니다. 이는 promptable world events를 위한 프레임워크로, 텍스트, trajectories, reference image를 결합하여 풍부하고 사용자 주도적인 시뮬레이션을 가능하게 합니다.

1개월 전 · ai

[Paper] 다음 임베딩 예측이 강력한 비전 학습자를 만든다

자연어에서 생성적 사전학습(generative pretraining)의 성공에 영감을 받아, 우리는 동일한 원칙이 강력한 자체 지도(self-supervised) 시각 학습자(visual learners)를 만들 수 있는지 묻는다. Inst...

1개월 전 · ai

[Paper] 중요한 차이점: Auditing Models for Capability Gap Discovery and Rectification

멀티모달 LLM(MLLM)용 기존 평가 방법은 해석 가능성이 부족하고, 종종 중요한 능력 격차를 완전히 드러내기에 충분하지 않다.

1개월 전 · ai

[Paper] DVGT: 드라이빙 비주얼 지오메트리 트랜스포머

시각 입력으로부터 3D 장면 기하학을 인식하고 재구성하는 것은 자율 주행에 매우 중요합니다. 그러나 아직도 운전 목표에 특화된 밀집 기하학이 부족합니다.

1개월 전 · ai

[Paper] EasyV2V: 고품질 명령 기반 비디오 편집 프레임워크

이미지 편집은 급속히 발전했지만, 비디오 편집은 덜 탐구된 상태이며 일관성, 제어 및 일반화에 대한 도전에 직면하고 있습니다. 우리는 디자인을…

1개월 전 · ai

[Paper] AdaTooler-V: 이미지와 비디오를 위한 적응형 툴 사용

최근 연구에 따르면 멀티모달 대형 언어 모델(MLLMs)은 비전 도구와의 상호작용을 포함한 멀티모달 인터리브 체인오브쓸(Chain-of-Thought, CoT)에서 이점을 얻는 것으로 나타났습니다.

1개월 전 · ai

[Paper] Generative Adversarial Reasoner: Adversarial Reinforcement Learning을 통한 LLM 추론 강화

명시적 추론 능력을 갖춘 Large language models (LLMs)은 수학적 추론에 뛰어나지만 여전히 잘못된 계산과 같은 process errors를 범합니다.

1개월 전 · ai

[Paper] StereoPilot: 생성적 사전 지식을 통한 통합적이고 효율적인 스테레오 변환 학습

VR 헤드셋과 3D 시네마를 포함한 스테레오스코픽 디스플레이의 급속한 성장으로 고품질 스테레오 비디오 콘텐츠에 대한 수요가 증가하고 있습니다. 그러나, pr...

1개월 전 · ai

[Paper] Constructive Circuit Amplification: LLMs의 수학적 추론 향상을 위한 Targeted Sub-Network Updates

이전 연구들에서 LLM의 내부 작동을 조사한 결과, 종종 회로(circuits)라고 불리는 희소 서브네트워크가 발견되었으며, 이들은 ... 수행하는 데 책임이 있다.

1개월 전 · ai

[Paper] Depth Any Panoramas: 파노라믹 깊이 추정을 위한 파운데이션 모델

본 연구에서는 다양한 장면 거리 전반에 일반화되는 파노라마 메트릭 깊이 파운데이션 모델을 제시합니다. 우리는 데이터‑인‑루프 패러다임을 …에서 탐구합니다.