ctgu.edu.cn

이 이메일 도메인이 관측된 논문 2건

arXiv:2609.22385v1cs.RO

효과적이고 효율적인 체화 탐험을 위한 능동적 공간 검사

Active Spatial Inspection for Effective and Efficient Embodied Exploration

높은 작업 성공률과 효율성을 달성하는 것은 체화 탐험(Embodied Exploration)에서 핵심적인 목표로 남아 있다. 기존 프레임워크는 일반적으로 공간적으로 조악하고 간접적인 암시적 단서 및 방향 평가를 통해 에이전트(Agent) 행동을 유도하지만, 이러한 설계는 단서의 충분성과 추가 검사(inspection)의 필요성을 판단하는 데 어려움을 겪어 조기 종료나 과도한 지속으로 이어지고, 결과적으로 작업 성공률과 효율성을 저하시킬 수 있다. 본 연구는 공간적으로 명시적인 관점에서 체화 탐험을 재고하고, 근거 기반 지각(evidence-grounded perception)과 노출 정보 기반 이동(exposure-informed movement)을 결합하여 공간적으로 해상된 의사결정 패러다임을 확립하는 공간 검사 기반 능동 탐험(spatial-inspection-guided ACtive Exploration, ACE) 프레임워크를 제안한다. 근거 기반 지각은 세밀한 위치 추정(localization)과 집중적 검증(verification)을 통합하여 암시적 단서를 정확하고 결정적인 시각적 근거로 전환함으로써 추론적 타당성을 강화한다. 노출 정보 기반 이동은 전향적 우선순위화(prospective prioritization)와 후향적 억제(retrospective suppression)를 통해 방향 판단을 촉진하며, 효율적인 공간적 진행을 위해 유망한 방향을 선택한다. ACE는 조기 종료를 방지하는 것과 불필요한 지속을 피하는 것 사이의 긴장 관계를 완화한다. 광범위한 실험을 통해 ACE가 기존 최신(state-of-the-art) 베이스라인 대비 내비게이션(navigation) 작업 성공률을 18.0% 향상시키고, 질의응답(question answering)을 위한 탐험 효율성을 10.3% 향상시켜 효과적이고 효율적인 체화 탐험을 진전시킨다는 것을 입증한다.

arXiv:2609.10278v1cs.CV

FreqFLD: 주파수 변조를 통한 올인원 얼굴 랜드마크 검출

FreqFLD: Towards All-in-One Facial Landmark Detection via Frequency Modulation

심층 학습의 최근 발전은 얼굴 랜드마크 검출을 크게 발전시켰다. 그러나 대부분의 기존 방법은 데이터셋 특화 학습 패러다임 하에서 공간 영역(spatial-domain) 방식으로 특징을 처리하며, 얼굴 랜드마크 검출이 본질적으로 기하학 기반(geometry-driven)이며 주파수 변화에 민감하다는 사실을 간과한다. 이로 인해 복잡한 시나리오에서의 교차 데이터셋 일반화가 제한되고 얼굴 랜드마크 검출 모델의 개발이 저해된다. 이 문제를 해결하기 위해 우리는 올인원 얼굴 랜드마크 검출을 지향하는 주파수 변조 프레임워크 FreqFLD를 제안한다. 구체적으로 FreqFLD는 저주파 및 고주파 성분을 분리·변조하여 주파수 사전정보(prior)를 명시적으로 유도하는 주파수 변조 모듈(FreqMoM)을 도입하고, 이를 후속 특징 모델링에 주입하여 전역적인 얼굴 구조와 국소적인 랜드마크 세부의 균형 잡힌 모델링을 가능하게 한다. 또한 FreqFLD는 주파수 변조 사전정보에 적응적으로 조건부화된 전문가 선택을 갖는 주파수 변조 전문가 혼합(FreqMoE)을 사용하여, 다양하고 도전적인 시나리오에서 이질적인 얼굴 랜드마크 패턴의 유연한 모델링을 가능하게 한다. 올인원 패러다임 하에서 주파수 일관성 있는 모델링을 정규화하기 위해, 우리는 주파수 인식 전문가의 라우팅 및 할당을 제약하여 다양한 얼굴 시나리오 전반에 걸친 균형 잡힌 전문가 활용을 촉진하는 주파수 일관 라우팅(FreqCR) 손실을 추가로 도입한다. 이를 통해 안정적인 전문가 특화를 가능하게 하고 견고한 얼굴 랜드마크 검출을 달성한다. 광범위한 실험을 통해 제안한 FreqFLD가 널리 쓰이는 데이터셋에서 준수한 성능을 달성함을 보인다. 코드는 https://github.com/jkj1059657014/FreqFLD 에서 이용할 수 있다.