PyTorchKR Papers

최신 논문

총 1,987편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2603.05711v2cs.CV

Any to Full: 단일 단계 깊이 완성을 위한 Depth Anything 프롬프팅

Any to Full: Prompting Depth Anything for Depth Completion in One Stage

정확하고 밀집된 깊이 추정은 로봇 인식에 필수적이지만, 일반 센서는 하드웨어 한계로 인해 희소하거나 불완전한 측정값을 생성하는 경우가 많다. 기존의 RGBD 융합 깊이 완성 방법은 학습 RGB 분포와 특정 깊이 패턴에 공동으로 조건화된 사전 지식을 학습하여, 다양한 깊이 패턴에 대한 도메인 일반화와 강건성이 제한된다. 최근의 연구들은 단안 깊이 추정(MDE) 모델을 활용하여 도메인 일반적인 기하학적 사전 지식을 도입하고 있으나, 명시적인 상대-절대 스케일 정렬에 의존하는 현재의 2단계 통합 전략은 추가적인 연산을 요구하고 구조적 왜곡을 유발한다. 이를 해결하기 위해, 본 논문에서는 완성 문제를 사전학습된 MDE 모델의 스케일 프롬프팅 적응으로 재정의하는 단일 단계, 도메인 일반적, 패턴 무관 프레임워크인 Any2Full을 제안한다. 다양한 깊이 희소성 수준과 불규칙한 공간 분포를 처리하기 위해, 스케일 인식 프롬프트 인코더(Scale-Aware Prompt Encoder)를 설계하였다. 이 인코더는 희소 입력으로부터 스케일 단서를 통합된 스케일 프롬프트로 증류하여, MDE 모델이 기하학적 사전 지식을 보존하면서 전역적으로 스케일 일관성 있는 예측을 생성하도록 유도한다. 광범위한 실험을 통해 Any2Full이 우수한 강건성과 효율성을 달성함을 확인하였다. Any2Full은 평균 AbsREL 기준으로 OMNI-DC 대비 32.2% 향상된 성능을 보이며, 동일한 MDE 백본을 사용하는 PriorDA 대비 1.4배의 속도 향상을 달성하여 범용 깊이 완성의 새로운 패러다임을 제시한다. 코드와 체크포인트는 https://github.com/zhiyuandaily/Any2Full에서 공개되어 있다.

arXiv:2607.08144v1cs.IT

벽 투과 레이더 인체 행동 인식을 위한 일반화 이론

Generalization Theory for Through-the-Wall Radar Human Activity Recognition

벽 투과 레이더(TWR) 기반 인체 행동 인식(HAR)에서 개인·관측 시점·벽 조건 변이로 발생하는 구조적 분포 이동(distribution shift)에 대한 이론적 일반화 경계를 도출하는 프레임워크를 제안한다. 실내 인체 운동학, 레이더 에코 생성, 유계 가중치 신경망을 통합한 소스-대-타겟 학습 공식화를 수립하고, 교차 개인·교차 시점·교차 벽 성분으로 분포 이동을 분해하여 물리적 저차원 표현과 다중 소스 학습의 경계 조임 효과를 시뮬레이션 및 실측 실험으로 검증한다.

arXiv:2607.07951v1cs.LG

극한 환경 이벤트에 대한 파운데이션 모델의 일반화 가능성 평가: 캘리포니아 산불 PM2.5 사례 연구

Evaluating the Generalizability of Foundation Models for Extreme Environmental Events: Case Study of California Wildfire PM2.5

산불 연기로 인한 극단적인 PM2.5 농도 급등 예측에서 시계열 파운데이션 모델(TSFM)이 일반 벤치마크와 달리 환경 극단값 조건에서 어떤 성능을 보이는지 평가하기 위해, 캘리포니아 79개 관측소의 12년치 시간별 데이터셋과 사고-제외 교차검증(LOIO) 프로토콜을 사용해 6가지 TSFM 구성과 완전 학습된 BiLSTM·LSTM·Transformer를 비교했다. 제로샷 TSFM은 단순 지속 예측 대비 소폭 개선에 그쳤고 Chronos-2는 심각한 RMSE 꼬리 불안정성을 보인 반면, BiLSTM이 MAE 5.16 μg/m³와 위험 구간 초과 F1 0.63으로 모든 지표에서 최고 성능을 달성해 대형 사전학습 모델이 환경 예측에서 보편적으로 우월하다는 가정에 의문을 제기한다.

arXiv:2607.07844v1cs.RO

Shift & Drift: 일반화 가능하고 강건한 자율주행 모션 플래닝을 위한 제로샷 벤치마크

Shift & Drift: A Zero-Shot Benchmark for Generalizable and Robust Autonomous Driving Motion Planning

자율주행 모션 플래너의 분포 외 일반화와 실행 오류 복구 능력을 체계적으로 평가하기 위해, 시맨틱 변화(Semantic Shift)와 상태 분포 드리프트(State-Distribution Drift)라는 두 축으로 구성된 이중 트랙 벤치마크 Shift & Drift를 제안한다. DeepScenario Open 3D 데이터셋을 nuPlan 프레임워크로 변환한 1,182개 제로샷 시나리오 평가 결과, 모방 학습 기반 플래너는 새로운 도시 환경에서 최대 76% 성능 저하를 보인 반면, 강화학습 기반 CaRL은 고강도 노이즈 환경에서도 8% 이하의 성능 저하로 더 강건한 복원력을 보였다.

arXiv:2607.07725v1cs.LG

SHIFT: 불완전하고 이질적인 유전체 데이터로부터의 생존 예측

SHIFT: Survival Prediction from Incomplete and Heterogeneous Genomic Data

기관마다 상이한 시퀀싱 패널로 인해 발생하는 구조적 특징 결측 문제를 해결하기 위해, SHIFT(Survival prediction Handling Incomplete Features using Transformer)는 테스트 시점 대체(imputation) 없이 마스크드 셀프 어텐션과 가변 비율 특징 마스킹을 활용해 불완전한 유전체 데이터로부터 직접 생존 예측을 수행한다. 교모세포종(glioblastoma) 및 폐 편평세포암종(lung squamous cell carcinoma) 다기관 코호트 평가에서 단일 모델로 기존 생존 예측 기준선 및 대체 기반 방법 대비 우수한 일반화 성능을 보였으며, 불완전한 코호트를 학습에 포함하는 것이 외부 데이터 성능을 향상시킬 수 있음을 확인했다.

arXiv:2601.02998v2cs.LG

다중 분포 강건 컨포멀 예측

Multi-Distribution Robust Conformal Prediction

여러 이질적인 분포에서 수집된 데이터를 활용해 테스트 포인트의 출처와 무관하게 커버리지를 보장하는 컨포멀 예측(conformal prediction) 프레임워크인 MDCP를 제안한다. max-p 집계 방식을 통해 유한 표본에서 다중 분포 균일 커버리지를 달성하고, 최적 적합도 점수를 학습하는 알고리즘을 통해 단순 집계 대비 예측 집합 크기를 크게 줄이면서도 최악의 경우 커버리지를 보장함을 이론 및 실험으로 입증한다.

arXiv:2607.08674v1cs.CV

변환은 진실을 드러내는가? 일반화된 AI 생성 이미지 탐지를 위한 생성적 잔차 학습

Do Transformations Reveal the Truth? Generative Residual Learning for Generalized AI-Generated Image Detection

생성형 AI 이미지(AIGI) 탐지의 교차 생성기 일반화 문제를 해결하기 위해, 원본 이미지와 생성적 변환 샘플 간의 관계적 잔차를 신경 텐서 네트워크(NTN)로 모델링하는 GenRes 및 다중 변환에 대한 어텐션 기반 집계를 추가한 GenRes++ 프레임워크를 제안한다. PE-Core ViT를 특징 추출기로 활용한 GenRes++는 UniversalFakeDetect 벤치마크에서 학습 시 보지 못한 19개의 생성 모델에 대해 기존 방법들을 능가하는 성능을 달성했다.

arXiv:2607.08112v1cs.CV

VSRo-200: 지도 학습과 멀티모달 강건성 연구를 위한 루마니아어 시각 음성 인식 데이터셋

VSRo-200: A Romanian Visual Speech Recognition Dataset for Studying Supervision and Multimodal Robustness

루마니아어 시각 음성 인식(입술 읽기)을 위한 최초의 대규모 데이터셋 VSRo-200을 소개하며, 실제 팟캐스트 영상 200시간에 ASR 의사 레이블과 100시간 분량의 인간 전사를 함께 제공해 지도 학습 품질을 체계적으로 비교할 수 있는 환경을 구축한다. 실험 결과, 인간 주석은 고정 데이터 규모에서 더 높은 성능을 보이지만 의사 레이블은 확장성을 통한 지속적 개선을 가능하게 하며, 오디오-비주얼 멀티모달 융합이 노이즈 환경에서 강건성을 크게 향상시킴을 보인다.

arXiv:2403.01560v3cs.CV공식 코드 · Papers with Code

XOV-Action: 일반화 가능한 오픈-보캐뷸러리 행동 인식을 향하여

XOV-Action: Towards Generalizable Open-Vocabulary Action Recognition

XOV-Action은 오픈-보캐뷸러리 행동 인식 모델이 미지의 비디오 도메인에서 일반화에 실패한다는 문제를 해결하기 위해, 다양한 텍스트 설명으로 행동 개념을 풍부하게 학습하는 Diversified Elaboration Representation Learning과 씬 편향을 제거하는 Scene-Aware Video-text Alignment를 제안한다. 이를 평가하기 위한 크로스-도메인 벤치마크 XOVABench도 함께 공개하며, 실험에서 클로즈드-셋 및 오픈-셋 행동 카테고리 모두에 걸쳐 도메인 일반화 성능이 향상됨을 입증했다.

arXiv:2607.05908v1cs.LG

Drift Happens: An Empirical Study of Neural Architecture Robustness to Temporal Distribution Shift

이미지 분류, 텍스트 분류, 텍스트 회귀 등 세 가지 시계열 도메인에서 MLP, CNN, RNN, Transformer 등 다양한 신경망 아키텍처의 시간적 분포 변화(temporal distribution shift) 강건성을 temporal drift matrix 기반 통합 평가 프레임워크로 체계적으로 비교 분석했다. 국소적·고판별 특징을 활용하는 아키텍처는 인도메인 성능이 높지만 시간에 따라 빠르게 성능이 저하되는 반면, 사전학습된 인코더는 더 안정적인 표현에 의존해 성능 하락이 점진적임을 실증적으로 보였다.

arXiv:2602.14761v2cs.LG

범용 알고리즘-암묵적 학습

Universal Algorithm-Implicit Learning

메타러닝의 "범용성(universality)" 개념을 이론적으로 정형화하고 알고리즘-명시적(algorithm-explicit)과 알고리즘-암묵적(algorithm-implicit) 학습을 구분하는 프레임워크를 제시하며, 이를 기반으로 개발한 트랜스포머 기반 메타러너 TAIL은 이미지 데이터만으로 학습했음에도 텍스트·오디오 분류 태스크에 일반화되고 학습 시 본 것보다 최대 20배 많은 클래스를 처리하면서 기존 대비 연산량을 대폭 절감해 퓨샷(few-shot) 벤치마크에서 최고 성능을 달성한다.

arXiv:2607.06354v1cs.CV

향상된 RGB-노이즈 표현 학습을 통한 일반화된 합성 이미지 탐지

Generalized Synthetic Image Detection with Enhanced RGB-Noise Representation Learning

RNSIDNet은 AI 생성 이미지 탐지의 교차 모델 일반화 문제를 해결하기 위해, 어텐션 정제 CLIP 백본으로 추출한 RGB 의미 특징과 Bayar 컨볼루션으로 포착한 고주파 노이즈 잔차를 FiLM 모듈로 동적 융합하는 이중 브랜치 포렌식 프레임워크를 제안한다. 여기에 어려운 샘플에 더 큰 그래디언트 페널티를 부여하는 Hard Sample-aware Contrastive Learning(HSCL) 전략을 결합하여, 8개 공개 벤치마크에서 최첨단 탐지 성능과 우수한 일반화 능력을 달성하였다.

arXiv:2607.06185v1cs.CV

세밀한 이미지 인식을 위한 비전-언어 모델의 구조화-압축 프롬프트 튜닝

Structured-Condensed Prompt Tuning in Vision-Language Models for Fine-grained Image Recognition

CLIP 기반 비전-언어 모델의 프롬프트 튜닝에서 클래스 레이블 간 의미론적 관계를 무시하는 한계를 극복하기 위해, 클래스 간 의미론적 위상 구조를 명시적으로 모델링하는 Semantic Relation Encoding(SRE)과 전역 의미 공간에서 판별적 성분을 추출하는 Semantic Condensation loss(ScLoss)로 구성된 Structured-Condensed Prompt Tuning(SCPT)을 제안한다. 14개의 세밀한 이미지 인식(fine-grained image recognition) 벤치마크에서 퓨샷 학습 및 base-to-novel 일반화 설정 모두에 걸쳐 최첨단 성능을 달성했다.

arXiv:2607.05850v1cs.CV

생성적 무작위화와 교차 변형 자기지도 학습을 통한 허위 상관관계 제거

Breaking Spurious Correlations via Generative Randomization and Cross-Variant Self-Supervised Learning

제로샷 분할과 구조 보존 확산 모델로 배경을 다양하게 변형한 이미지를 생성한 뒤, 동일한 객체의 서로 다른 배경 변형본을 대조 학습의 양성 쌍으로 활용하는 Cross-Variant Self-Supervised Learning을 통해 배경 불변 표현을 명시적으로 학습하는 2단계 프레임워크(GRSSL)를 제안한다. Waterbirds, MetaShift, NICO++ 분포 이동 벤치마크에서 각각 92.5%, 81.7%, 87.4%의 최악 그룹 정확도로 최고 성능을 달성하였다.

arXiv:2607.05837v1cs.CV

사실적인 복합 렌즈 아웃포커스 블러 합성

Realistic Compound-Lens Defocus Blur Synthesis

Debye CZT 전파 기반의 파동 광학 PSF 계산, 깊이 인식 오클루전 처리 렌더링, 카메라 ISP 시뮬레이션을 통합한 복합 렌즈 아웃포커스 블러 합성 파이프라인을 제안한다. 이 파이프라인으로 생성한 대규모 합성 데이터셋 CLDefocus로 학습한 모델이 기존 실제 및 합성 데이터셋 대비 크로스 디바이스 일반화 성능을 향상시킴을 입증한다.

arXiv:2607.05727v1cs.CV

SAMPLe: VLM 프롬프트 학습을 위한 SAM 기반 옵티마이저

SAMPLe: SAM-based Optimizer for Prompt Learning in VLMs

CLIP과 같은 비전-언어 모델(VLM)의 프롬프트 학습에서 발생하는 성능-일반화 딜레마를 해결하기 위해, 손실 경관의 날카로움(loss landscape sharpness)을 고려한 플러그인 옵티마이저 SAMPLe(Sharpness-Aware Minimization Prompt Learning)을 제안한다. SAMPLe은 ERM 그라디언트 정렬과 직교성 제약을 동적으로 만족시켜 탐험과 활용의 균형을 맞추며, CoOp, CoCoOp, MaPLe, TCP, Co-Prompt 등 다양한 프레임워크에서 기존 옵티마이저 대비 일관된 성능 향상을 달성했다.

arXiv:2607.05726v1cs.CV

연관성 복원 테스트: 언러닝 이후 복원 가능한 숏컷 규명

Association Restoration Test: Revealing Restorable Shortcuts after Unlearning

연관성 언러닝(association unlearning) 평가 시 출력 지표나 표현 탐침만으로는 숏컷이 원래 분류기에서 여전히 기능적으로 활용 가능한지 판단할 수 없다는 문제를 해결하기 위해, 클래스 조건부 연관성 방향을 추정하고 잔여 성분을 증폭해 원래 분류기 헤드로 평가하는 사후 진단 도구인 Association Restoration Test(ART)를 제안한다. Waterbirds, CelebA, SpuCoDogs 등의 벤치마크에서 출력 강건성, 표현 가독성, 기능적 복원 가능성이 서로 다른 측면을 측정함을 실증하며, 숏컷 완화 방법에 복원 인식 평가가 필요함을 보인다.

arXiv:2603.23916v4cs.CV

DecepGPT: 스키마 기반 기만 탐지를 위한 다문화 데이터셋과 강건한 멀티모달 학습

DecepGPT: Schema-Driven Deception Detection with Multicultural Datasets and Robust Multimodal Learning

시청각 단서 기반 기만 탐지(multimodal deception detection)의 한계—이진 레이블만 제공하는 벤치마크, 소규모 데이터셋, 지름길 학습(shortcut learning)—를 해결하기 위해, 구조화된 추론 체인이 포함된 데이터셋 구축, 4개국 1,695개 샘플의 다문화 데이터셋 T4-Deception 공개, 그리고 SICS(안정화된 개별성-공통성 시너지)와 DMC(증류된 모달리티 일관성) 모듈을 제안한다. 세 개의 기존 벤치마크와 T4-Deception에서의 실험을 통해 도메인 내·외 모두에서 최고 성능을 달성하며 다양한 문화권에 걸친 우수한 전이 가능성을 입증한다.

arXiv:2511.12100v3cs.CV

모델은 충분히 학습했는가? 부분집합 선택 반사실적 증강을 통한 어트리뷰션 기반 학습

Did Models Learn Sufficiently? Attribution-Guided Training via Subset-Selected Counterfactual Augmentation

시각 모델이 제한된 판별적 단서에만 의존하는 문제를 해결하기 위해, SS-CA(Subset-Selected Counterfactual Augmentation)는 LIMA 어트리뷰션을 Counterfactual LIMA로 확장하여 의사결정에 결정적인 영역을 마스킹한 반사실적 샘플을 생성하고 이를 학습에 재투입함으로써 모델이 더 다양한 증거를 활용하도록 유도한다. 다섯 가지 ImageNet 변형 실험에서 CLIP ViT/32b 기준 OOD 성능이 최대 18.04% 향상되는 등 인도메인 정확도, 분포 외 일반화, 섭동 강건성 전반에 걸쳐 일관된 성능 개선을 달성했다.

arXiv:2607.02537v1eess.SP

강인한 비가시선 시나리오를 위한 오토인코더 기반 가우시안 클러스터링을 활용한 물리 정보 기반 도메인 불변 특징 학습

Physics-Informed Domain-Invariant Feature Learning with Autoencoder-Driven Gaussian Clustering for Robust Non-line-of-Sight Scenarios

재밍·스푸핑 환경에서 GNSS 간섭 신호의 도달각(AoA) 추정 정확도를 높이기 위해, 오토인코더 기반 GMM 클러스터링으로 LoS/NLoS 샘플을 분리하고 LoS 샘플에만 평면파 모델 기반 물리 정보 손실을 선택적으로 적용하는 하이브리드 학습 프레임워크를 제안한다. 도메인 증분 학습(DIL)과 결합한 결과, 소수 예시(low-exemplar) 설정에서 기존 DIL 기준선 대비 AoA 추정 오차를 최대 6° 감소시켰다.