Computer Vision

Computer Science Model Learning Computer Vision

Factorized Learning for Temporally Grounded Video-Language Models

이 논문은 기존 비디오‑언어 모델이 “한 번에 전체 비디오를 요약하고 질문에 답한다”는 전통적인 패러다임을 탈피한다는 점에서 큰 의미가 있다. 기존 방법들은 종종 시간적 정보를 흐릿하게 처리하거나, 근거가 되는 시각적 증거를 명시적으로 제시하지 못해 해석 가능성이 낮았다. 저자들은 이러한 한계를 극복하기 위해 두 가지 핵심 아이디어를 제시한다. 첫 번째는 generation objective의 factorization 이다. 모델이 먼저 “어떤 시간 구간이 질문에 대한 근거가 되는가”를 판단하고, 그 구간에 해당하는 evidence

December 30, 2025

Leveraging Billions of Faces to Overcome Performance Barriers in Unconstrained Face Recognition

본 논문은 face.com에서 개발한 얼굴 인식 기술을 통해 제약 없는 환경에서의 얼굴 인식 성능을 크게 향상시킨 내용을 다룹니다. 특히, LFW(Labeled Faces in the Wild) 벤치마크를 이용해 이전 연구보다 높은 정확도를 달성한 점이 주목받습니다. 1. 벤치마크 및 결과 LFW는 제약 없는 얼굴 인식 분야의 표준 테스트 베드로, 3년 동안 100회 이상 인용되었습니다. 이 논문에서는 face.com의 r2011b1 엔진을 LFW에 적용하여, 사전 튜닝 없이도 평균 정확도 91.3% ± 0.3을 달성했습니다. 특히

March 19, 2015

A self-portrait of young Leonardo

: 본 논문은 레오나르도 다빈치의 작품 중 하나인 적색 연필 자화상 외에도, 그의 노트북에 숨겨진 다른 자화상을 찾아내는 과정을 소개하고 있습니다. 특히, 이 연구에서는 이미지 처리 기술을 활용하여 필기물로 가려져 있던 스케치를 복원하는 방법을 제시합니다. 레오나르도 다빈치의 작품은 그의 천재성과 예술적 능력을 보여주는 중요한 자료입니다. 그러나 일부 작품들은 시간이 지남에 따라 손상되거나, 필기물로 인해 원래의 이미지가 가려져 있는 경우가 많습니다. 이러한 문제를 해결하기 위해 본 논문에서는 디지털 복원 기술을 활용하여 숨겨진 자

November 22, 2011

Computer Science System Computer Vision

ABHIVYAKTI: A Vision Based Intelligent System for Elder and Sick Persons

ABHIVYA KTI는 말하거나 걸을 수 없는 노인이나 환자를 위한 손 제스처 인식 시스템으로, 컴퓨터 비전 기술을 활용하여 사용자의 제스처를 해석하고 필요한 동작을 수행하는 데 초점을 맞추고 있습니다. 이 연구의 핵심은 인간과 기계 간의 상호작용을 향상시키는 것입니다. 1. 시스템 구성 및 작동 방식 ABHIVYA KTI는 카메라를 통해 사용자의 손 제스처를 캡처하고, 이를 해석하여 필요한 동작을 수행합니다. 이 시스템은 미리 정의된 제스처 문법에 따라 작동하며, 유효한 제스처가 입력되면 해당 동작을 실행하고 완료 메시지를 사용자

October 24, 2011

A Novel comprehensive method for real time Video Motion Detection Surveillance

본 논문은 저렴하고 효율적인 실시간 비디오 모션 감지 보안 시스템(VMDss)의 설계와 구현을 다루고 있다. 이 시스템은 사용자 친화적이고 원격 제어가 가능하며, 미리 정의된 색상 객체 추적 기능을 포함하고 있어 다양한 환경에서 유용하게 활용될 수 있다. 1. 시스템 구성 전송 섹션 : 컴퓨터, RS232 인터페이스, 마이크로컨트롤러, RF 송신기, RF 비디오 수신기로 구성되어 있으며, 이들 요소는 시각 정보를 수집하고 제어 신호를 전송하는 역할을 수행한다. 수신 섹션 : 모바일 플랫폼, RF 수신기, 마이크로컨트롤러, RF 카메

October 03, 2011

Detection Computer Science Computer Vision

Advanced phase retrieval: maximum likelihood technique with sparse regularization of phase and amplitude

본 논문은 위상 회수 문제를 해결하기 위한 새로운 접근법을 제안하고 있습니다. 이는 기존 방법들과 비교해 복원 정확도와 이미지 품질을 크게 향상시키는 것으로 보입니다. 특히, 본 연구의 핵심 아이디어는 압축 감지 기법과 변분적 이미지 재구성 방법을 결합한 새로운 알고리즘을 개발하는 것입니다. 1. 위상 회수 문제의 배경 위상 회수는 빛의 강도 관측 데이터와 객체 파동장에 대한 사전 지식을 이용하여 위상을 복원하는 문제입니다. 이는 현미경, 천문학 등 다양한 분야에서 중요한 역할을 합니다. 그러나 전통적인 센서는 빛의 강도만 측정하므

August 17, 2011

Kunchenkos Polynomials for Template Matching

: 본 논문은 1차원 디지털 신호에서 특정 객체를 인식하는 문제에 대한 새로운 접근법을 제시하고 있다. 이는 컴퓨터 비전, 필기 문자 인식, 데이터 마이닝 등 다양한 분야에서 중요한 역할을 하는 템플릿 매칭의 한 형태로 볼 수 있다. 1. 기존 방법과 쿨첸코 다항식의 차별화 기존의 템플릿 매칭 방법은 크게 두 가지로 나눌 수 있다: 인공 신경망을 활용한 학습 방식과 특징 기반 또는 전체 템플릿 기반 비교 방식이다. 이 중 본 논문에서는 특히 전체 템플릿 검색에 초점을 맞추고 있으며, 이를 위해 쿨첸코 다항식이라는 새로운 접근법을 제

July 12, 2011

DrivingGen: A Comprehensive Benchmark for Generative Video World Models in Autonomous Driving

DrivingGen 논문은 현재 자율주행 분야에서 급증하고 있는 ‘생성 비디오 세계 모델’ 연구의 평가 체계가 부재함을 정확히 짚어낸다. 기존 벤치마크가 주로 PSNR, SSIM, LPIPS와 같은 전통적인 비디오 품질 지표에 의존하는데, 이러한 지표는 픽셀 수준의 차이를 정량화할 뿐, 자율주행에 필수적인 물리적 일관성이나 안전성을 반영하지 못한다. 예를 들어, 차량이 갑자기 사라지거나 보행자가 비현실적인 속도로 움직이는 경우, 시각적으로는 높은 SSIM을 기록하더라도 실제 주행 시나리오에서는 치명적인 오류가 된다. 논문은 이러한

Computer Science Model Computer Vision

EscherVerse: An Open World Benchmark and Dataset for Teleo-Spatial Intelligence with Physical-Dynamic and Intent-Driven Understanding

본 논문은 인공지능·로보틱스 분야에서 최근 주목받고 있는 “텔레오‑스페이셜 인텔리전스(TSI)”라는 새로운 개념을 제시한다. 기존의 대부분 연구는 물체‑중심(object‑centric) 접근을 취해, 물리‑동역학(Physical‑Dynamic) 모델링에 집중한다. 예컨대, 물체의 질량·마찰·충돌 법칙을 이용해 시뮬레이션하거나, 비전 기반 트래킹을 통해 움직임을 예측한다. 이러한 방법은 정량적 정확도에서는 뛰어나지만, 인간이 물체를 조작하거나 배치하는 근본적인 ‘의도’를 파악하지 못한다는 한계가 있다. TSI는 이러한 한계를 극복하기

Computer Vision Computer Science Data

SwinIFS: Landmark Guided Swin Transformer For Identity Preserving Face Super Resolution

SwinIFS는 얼굴 초해상도(Face Super‑Resolution, FSR) 분야에서 두 가지 핵심 문제, 즉 ‘세밀한 구조 손실’과 ‘아이덴티티 변형’에 동시에 대응하려는 시도로 눈에 띈다. 기존 CNN 기반 방법들은 지역적인 특징을 잘 포착하지만, 장거리 의존성을 모델링하기엔 한계가 있다. 반면 Vision Transformer(ViT) 계열은 전역 정보를 효율적으로 학습하지만, 얼굴과 같이 고정된 구조적 패턴을 다룰 때는 사전 지식이 부족해 세부 디테일 복원에 약점이 있다. SwinIFS는 이러한 딜레마를 ‘랜드마크 가이드

Computer Science Learning Computer Vision

Improved Object-Centric Diffusion Learning with Registers and Contrastive Alignment

본 논문은 객체 중심 학습(Object centric Learning, OCL) 분야에서 중요한 기술적 혁신을 제시하고 있습니다. CODA(Contrastive Object centric Diffusion Alignment)는 사전 학습된 디퓨전 모델을 활용하여 슬롯 엮임과 약한 정렬이라는 주요 도전 과제를 해결하는 새로운 접근 방식입니다. 기술적 혁신성: 1. 등록 슬롯(Register Slots): 등록 슬롯은 독립적인 입력 데이터로 추가되어 잔여 주의를 흡수하고 객체 슬롯 간의 간섭을 줄이는 역할을 합니다. 이는 슬롯 엮임 문

January 03, 2026

Detecting Performance Degradation under Data Shift in Pathology Vision-Language Model

본 논문은 최근 의료 영상 분야에서 각광받고 있는 비전‑언어 모델(VLM)의 실제 운영 단계에서 발생할 수 있는 ‘데이터 시프트(data shift)’ 문제에 초점을 맞추었다. 데이터 시프트는 크게 두 가지 차원으로 나뉜다. 첫 번째는 입력 데이터 자체가 훈련 시와 다른 분포를 보이는 경우이며, 두 번째는 모델이 출력하는 예측값이나 신뢰도(confidence)가 변하는 경우이다. 기존 연구들은 주로 입력 차원의 통계적 변화를 탐지하는 방법에 의존했지만, 이러한 변동이 반드시 모델 성능 저하와 직결되지 않는다는 점을 간과하고 있었다.

January 02, 2026

Computer Science Model Data Computer Vision

Evaluating Contextual Intelligence in Recyclability: A Comprehensive Study of Image-Based Reasoning Systems

본 논문은 재활용 실천을 지원하기 위한 인공지능 기반 도구의 가능성을 탐색한다는 점에서 사회적·환경적 의미가 크다. 연구진은 먼저 재활용 대상 물품을 다양한 각도와 조명 조건에서 촬영한 이미지와, 각 물품이 속해야 할 재활용통(플라스틱, 금속, 종이 등) 및 물리적 치수 정보를 포함한 메타데이터를 결합한 데이터셋을 구축하였다. 데이터셋은 5,000여 장의 이미지와 1,200개의 다중 재질 사례를 포함해, 실제 가정에서 마주치는 복합 상황을 충분히 반영한다. 모델 평가에서는 두 단계의 질문을 제시한다. 첫 번째는 “이 물건은 어느 재

December 31, 2025

System Computer Vision Computer Science

Evaluating the Impact of Compression Techniques on the Robustness of CNNs under Natural Corruptions

본 연구는 모델 압축이 CNN의 견고성에 미치는 영향을 체계적으로 규명하기 위해 세 가지 대표적인 압축 기법—양자화(Quantization), 프루닝(Pruning), 가중치 클러스터링(Weight Clustering)—을 선택하였다. 각각의 기법은 메모리 사용량과 연산량을 감소시키는 메커니즘은 유사하지만, 파라미터 분포와 활성화 패턴에 미치는 영향이 다르다. 양자화는 가중치를 낮은 비트 폭으로 표현함으로써 연산 정밀도를 낮추지만, 정규화된 레이어에서는 오차가 부분적으로 상쇄되는 경향이 있다. 프루닝은 중요도가 낮은 채널이나 필터를

December 31, 2025

Computer Science Model Computer Vision

PathFound: An Agentic Multimodal Model Activating Evidence-seeking Pathological Diagnosis

PathFound 논문은 기존 병리학 인공지능 모델이 갖는 ‘한 번에 전체 슬라이드 처리’라는 한계를 명확히 지적하고, 실제 병리학자의 진단 과정과 유사한 증거‑중심적 순환 프로세스 를 도입함으로써 새로운 연구 방향을 제시한다. 먼저, 모델 아키텍처는 세 가지 핵심 모듈로 구성된다. ① 시각 기반 파운데이션 모델 은 대용량 디지털 슬라이드에서 고해상도 특징을 추출하고, ② 비전‑언어 모델(VLM) 은 이미지 특징을 텍스트 형태의 임상 질문이나 설명과 연결한다. ③ 강화학습(RL) 기반 추론 에이전트 는 현재 진단 가설을 평가하고,

December 29, 2025

PathoSyn: Imaging-Pathology MRI Synthesis via Disentangled Deviation Diffusion

PathoSyn 논문은 MRI 합성 분야에서 기존 접근법이 안고 있던 두 가지 핵심 한계를 체계적으로 해결한다는 점에서 학술적·실용적 의의를 가진다. 첫 번째 한계는 “전역 픽셀‑레벨” 생성 모델이 해부학적 구조를 충분히 보존하지 못한다는 점이다. GAN‑기반 혹은 전체 확산 모델은 이미지 전체를 한 번에 샘플링하기 때문에, 병변과 정상 조직 사이의 미세한 경계가 흐려지거나 비현실적인 형태로 변형될 위험이 있다. 두 번째 한계는 “이진 마스크 기반” 조건부 생성이 병변 영역을 지나치게 단순화한다는 점이다. 마스크는 병변의 위치와 대

December 29, 2025

Computer Science Artificial Intelligence Computer Vision

Real-time face swapping as a tool for understanding infant self-recognition

본 논문은 신생아의 자기인식 발달에 대한 심도 있는 분석과 함께, 이를 위한 기술적 접근 방안을 제시한다. 연구는 아기의 자기인식이 움직임의 연속성과 얼굴 친숙성을 통해 어떻게 형성되는지 탐구하고 있다. 1. 자기인식 발달 이론 신생아는 자신의 움직임과 시각적 자극 사이의 연결을 인식하지만, 다른 아기의 이미지를 구별하는 능력은 5개월이 지나야 발달한다(Sanefuji et al., 2006). 이 연구에서는 이러한 자기인식의 발달 단계를 이해하기 위해 움직임과 얼굴 친숙성 요소를 통합한 실험을 제안하고 있다. 특히, 아기들은 자신

December 12, 2011

Fingerprint recognition using standardized fingerprint model

지문 인식은 생체 인식 기술 중 하나로, 고유한 특징과 지속성 덕분에 중요한 역할을 합니다. 그러나 저품질 이미지나 소형 영역에서 획득된 데이터를 처리하는 데 어려움이 있습니다. 이 논문에서는 이러한 문제를 해결하기 위해 표준화된 지문 템플릿 모델을 제안합니다. 1. 연구 배경 및 필요성 지문 인식의 핵심은 템플릿과 쿼리 지문 간의 매칭입니다. 이 과정에서 다양한 알고리즘이 개발되었지만, 특히 지문이 회전되거나 교차 부분이 작은 경우 정확도가 떨어집니다. 이를 해결하기 위해 표준화된 지문 템플릿 모델을 제안합니다. 2. 연구 방법

July 19, 2011

Model Computer Vision Computer Science

Computer Vision Computer Science Cryptography and Security

Visual Secret Sharing Scheme using Grayscale Images

: 본 논문은 회색조 이미지에 대한 시각 비밀 분배(VSS) 방식의 개선점을 제시하며, 특히 픽셀 확장 문제와 재구성된 이미지의 품질 저하를 해결하기 위한 새로운 접근법을 소개한다. 이 연구는 기존 VSS 방식에서 발생하는 주요 문제점들을 극복하고자 하며, 이를 통해 보다 안정적이고 효과적인 비밀 정보 공유 방법을 제시한다. 1. 배경 및 문제 인식 비밀 분배 기법은 다양한 응용 분야에서 활용되며, 특히 워터마킹과 같은 정보 은닉 기술에 널리 사용된다. 그러나 이들 방식 중 일부는 재구성된 이미지의 품질 저하와 픽셀 확장 문제를 야

July 01, 2011

Computer Science Artificial Intelligence Machine Learning Computer Vision

Pose Estimation from a Single Depth Image for Arbitrary Kinematic Skeletons

본 논문은 깊이 이미지로부터 임의의 관절 구조를 가진 물체의 3D 자세를 추정하는 문제에 대해 진화 알고리즘을 활용한 새로운 접근법을 제시한다. 이 연구는 기존의 방법들이 사전 훈련이나 도메인 특정 지식에 크게 의존하고, 이를 일반화하기 위한 추가적인 노력이 필요하다는 한계점을 극복하려고 시도한다. 1. 문제 정의와 접근 방식 자세 추정은 물체의 관절 구조를 기반으로 깊이 이미지에서 물체의 위치와 자세를 결정하는 과정이다. 본 논문에서는 이 문제를 모델 기반 추정 문제로 정의하고, 진화 알고리즘을 활용하여 최적의 자세 매개변수를 찾

June 28, 2011

FALCON: Few-Shot Adversarial Learning for Cross-Domain Medical Image Segmentation

FALCON 논문은 현재 의료 영상 분할 분야가 직면한 세 가지 핵심 문제—라벨 데이터의 희소성, 환자 간 해부학적 변이, 그리고 실시간 임상 적용을 위한 연산 효율성—를 동시에 해결하려는 시도로 평가할 수 있다. 가장 눈에 띄는 점은 “메타‑학습 → 적대적 파인튜닝 → 경계 인식 학습”이라는 3단계 전이 전략이다. 첫 단계에서 자연 이미지(예: PASCAL‑5ⁱ, COCO‑20ⁱ)로 메타‑러닝을 수행함으로써, 다양한 클래스와 복잡한 배경을 가진 상황에서도 빠르게 새로운 태스크에 적응할 수 있는 ‘학습‑학습’ 메커니즘을 구축한다.

Computer Vision Computer Science Learning

EgoGrasp: World-Space Hand-Object Interaction Estimation from Egocentric Videos

EgoGrasp 논문은 이머시브(egocentric) 영상에서 세계 좌표계의 손‑물체 상호작용을 복원한다는 매우 야심찬 목표를 설정한다. 기존 연구는 크게 두 가지 한계에 봉착한다. 첫째, 정적 이미지 기반 방법은 시간적 연속성을 활용하지 못해 동적인 손동작과 물체 변화를 정확히 포착하지 못한다. 둘째, 카메라 좌표계에 국한된 접근법은 전역적인 위치와 자세 정보를 제공하지 못한다. 특히 일상 생활에서 촬영되는 이머시브 영상은 급격한 카메라 움직임, 조명 변화, 그리고 손과 물체의 빈번한 가림 현상이 특징이다. 이러한 환경에서는 2D

January 03, 2026

Computer Science Data Detection Computer Vision

A Comprehensive Dataset for Human vs. AI Generated Image Detection

본 논문이 제시하는 MS COCOAI 데이터셋은 현재 이미지 진위 탐지 연구에서 가장 시급히 요구되는 ‘다양성’과 ‘규모’를 동시에 만족한다는 점에서 큰 의미를 가진다. 첫째, 기존 데이터셋들은 주로 단일 생성 모델이나 제한된 프롬프트 세트를 사용해 만든 이미지에 국한돼 있었으며, 이는 실제 현장에서 마주치는 다양한 AI 툴과의 격차를 초래한다. 반면 본 데이터셋은 Stable Diffusion 3·2.1·SDXL, DALL‑E 3, MidJourney v6 등 최신 모델을 모두 포함함으로써, 현재 시장에서 널리 사용되는 주요 생성

January 02, 2026

VisNet: Efficient Person Re-Identification via Alpha-Divergence Loss, Feature Fusion and Dynamic Multi-Task Learning

VisNet은 현재 사람 재식별 분야에서 가장 큰 과제 중 하나인 “정확도와 연산 효율성 사이의 트레이드오프”를 해결하려는 시도로 눈에 띈다. 첫 번째 핵심 기여는 ResNet‑50의 네 단계(feature map)들을 순차적으로 결합하면서도 별도의 병렬 브랜치를 도입하지 않은 점이다. 이는 기존의 멀티‑스케일 접근법이 흔히 겪는 파라미터 폭증과 메모리 사용량 증가 문제를 크게 완화한다. 자동 주의(attention) 모듈이 각 스케일별 특징에 가중치를 부여함으로써, 저해상도에서 추출된 전역적인 형태 정보와 고해상도에서 얻어지는 세

January 01, 2026

Computer Vision Computer Science Learning

Computer Vision Computer Science Network

Pathology Context Recalibration Network for Ocular Disease Recognition

본 논문은 안과 영상 진단 분야에서 ‘병리학적 맥락’과 ‘전문가 경험’이라는 두 가지 인간 중심의 사전 정보를 딥러닝 모델에 체계적으로 통합하려는 시도를 제시한다. 먼저 제안된 Pathology Recalibration Module(PRM)은 두 단계로 구성된다. 첫 번째 단계인 픽셀‑단위 맥락 압축 연산자는 고해상도 안구 이미지에서 지역적 특징을 저차원 표현으로 압축함으로써 연산 효율성을 높이고, 동시에 병변이 나타나는 영역의 전반적인 구조적 정보를 보존한다. 두 번째 단계인 병리학적 분포 집중 연산자는 압축된 특징 맵을 기반으로

December 30, 2025

Neural Computing Machine Learning Statistics Computer Vision Computer Science

On Exact Computation with an Infinitely Wide Neural Net

This paper explores how neural networks maintain their performance and structure during training by showing that the weight matrices do not significantly deviate from their initial values. The authors demonstrate that even with minor changes in weights, the network can still achieve rapid convergenc

November 05, 2019

An Efficient Real Time Method of Fingertip Detection

: 본 논문은 센서나 마커 없이 동적인 손 제스처를 효과적으로 인식하는 방법에 대해 깊이 있게 다룬다. 이 연구는 기존의 지문 감지 기술에서 나타난 여러 문제점을 해결하려고 시도한다. 1. 기존 접근법의 한계 Garg

March 13, 2015

Detection Artificial Intelligence Computer Vision Multimedia Computer Science