우리는 Multi-view Pyramid Transformer (MVP)라는 확장 가능한 멀티뷰 트랜스포머 아키텍처를 제안한다. 이 아키텍처는 수십에서 수백 개에 이르는 대규모 3D 씬을 직접 재구성한다.

실제 영상에서 스토리텔링은 종종 여러 샷을 통해 전개됩니다—불연속적이지만 의미적으로 연결된 클립들이 함께 일관된 내러티브를 전달합니다.

대부분의 시각 생성 모델은 이미지를 잠재 공간(latent space)으로 압축한 뒤 diffusion이나 autoregressive 모델링을 적용합니다. 그러나 VAEs와 같은 기존 접근법은 …

멀티모달 대형 언어 모델(MLLMs)은 시각‑언어 이해 작업에서 놀라운 능력을 보여주었습니다. 이러한 모델은 종종 ling...

DreamerV3는 놀라운 샘플 효율성으로 알려진 최첨단 온라인 모델 기반 강화 학습(MBRL) 알고리즘입니다. 동시에, Kolmogorov-Arno…

Lottery Ticket Hypothesis은 조밀하고 무작위 초기화된 신경망 내에 매우 희소하고 학습 가능한 서브네트워크('winning tickets')가 존재한다는 것을 주장한다.

이 논문은 ArcGD 옵티마이저의 공식화, 구현 및 평가를 제시한다. 평가는 처음에 비볼록 벤치마크 함수에 대해 수행된다.

Instruction-based image editing은 눈에 띄는 연구 분야로 부상했으며, image generation foundation models의 혜택을 받아 높은 미학적…

수중 이미지는 파장에 따라 달라지는 빛의 흡수와 산란 때문에 색 왜곡이 심하고, 대비가 낮으며, 흐릿한 외관을 자주 보입니다. Si...

비전-언어 모델(VLM)은 시각 질문 응답(VQA)에서 강력한 성능을 달성했지만, 여전히 정적인 학습 데이터에 제한을 받고 있습니다. Retrieva...

Vision-Language Models (VLMs)는 놀라운 상식 및 의미론적 추론 능력을 보여줍니다. 그러나 이들은 물리적 역학에 대한 근거 있는 이해가 부족합니다…

Grounding은 그래픽 사용자 인터페이스(GUI) 에이전트를 구축하기 위한 기본적인 능력입니다. 기존 접근 방식들은 대규모 바운딩 박스 감독에 의존하지만…

딥러닝을 위한 설명 가능한 AI(XAI)의 일반적인 접근 방식은 주어진 모델에서 분류 작업에 대한 입력 특징의 중요성을 분석하는 데 초점을 맞춥니다: sal...

본 논문에서는 traffic sign recognition 작업에서 d...의 장점을 결합한 synthesis pipeline 및 dataset을 제시하여 training / testing 데이터를 제공합니다.

우리는 blooming, echo pulse width, ambient light를 포함한 자동차용 time-of-flight (ToF) LiDAR 시뮬레이션을 위한 분석 모델을 제시하며, 단계와 함께 ...

Facial recognition은 인증 및 식별을 위한 널리 사용되는 방법이 되었으며, 보안 접근 및 실종자 찾기에 활용됩니다. Its ...

최근 생성 비디오 모델의 발전으로 고품질 비디오 합성에서 큰 돌파구가 마련되었으며, 특히 제어 가능한 비디오 생성 분야에서 눈에 띄는 진전이 이루어졌습니다.

Orthognathic surgery는 dentofacial skeletal 변형을 교정하여 occlusal 기능과 facial aesthetics를 향상시키는 중요한 중재입니다. 정확한…

Long video understanding (LVU)은 실제 세계의 질의에 답변하기 위해서는 대부분 …에 묻혀 있는 희소하고 시간적으로 분산된 단서에 의존해야 하기 때문에 어려운 과제입니다.

YOLOv1 아키텍처와 처음부터 구현한 PyTorch 구현에 대한 자세한 walkthrough. 게시물: YOLOv1 Paper Walkthrough: YOLO가 처음 세상을 본 날.

우리는 다양한 작업에 대해 학습된 딥 뉴럴 네트워크가 놀라울 정도로 유사한 저차원 파라메트릭 서브스페이스를 나타낸다는 것을 보여준다. 우리는 최초의 대규모…

최근 조명 제어 분야의 발전은 이미지 기반 방법을 비디오로 확장했지만, 여전히 조명 충실도와 시간적 일관성 사이의 트레이드오프에 직면하고 있다. Mo...

흐름 매칭 모델—인기 있고 효과적인 생성 모델 클래스—을 인간 선호와 정렬하기 위한 방법이 존재하지만, 기존 접근 방식은 …

자기공명영상(MRI)의 분할은 해부학적 구조를 구분함으로써 인간 뇌 발달 분석을 용이하게 합니다. 그러나 영아와 ...