PyTorchKR Papers

최신 논문

총 1,987편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2506.22675v4stat.ML

다중 환경 데이터의 베이지안 불변성 모델링

Bayesian Invariance Modeling of Multi-Environment Data

다중 환경 데이터에서 결과와 안정적인 예측 관계를 유지하는 불변 특징(invariant features)을 식별하기 위해, 베이지안 불변 예측(Bayesian Invariant Prediction, BIP)은 불변 특징 집합을 잠재 변수로 인코딩하고 사후 추론(posterior inference)으로 이를 복원하는 확률론적 모델을 제안한다. BIP의 사후 분포가 실제 불변 특징에 일관되게 수렴함을 이론적으로 증명하였으며, 고차원 환경을 위한 변분 근사(variational approximation) 알고리즘인 BIP-VI는 시뮬레이션 및 유전자 섭동(gene perturbation) 실험에서 기존 방법보다 더 높은 정확도와 확장성을 달성하였다.

arXiv:2607.04188v1cs.LG

고장 진단에서 오픈셋 도메인 일반화를 위한 불확실성 인식 물리 정보 기반 그래프 학습

Physics-Informed Graph Learning with Uncertainty Awareness for Open-Set Domain Generalization in Fault Diagnosis

회전 기계의 오픈셋 도메인 일반화(OSDG) 고장 진단 문제를 해결하기 위해, 물리 정보 기반 스펙트럴 어텐션 네트워크(PISA-Net)와 가우시안 분포 기반 불확실성 인식 적응형 그래프 학습을 결합한 PGU-OD 프레임워크를 제안한다. 특징 추출부터 의사결정까지 단계별 불확실성 전파를 체계적으로 억제하는 이중 기준 오픈셋 추론 전략을 통해, 두 공개 회전 기계 데이터셋에서 기지 고장 분류와 미지 고장 기각 모두 최신 기법을 능가하는 성능을 달성했다.

arXiv:2607.04139v1cs.LG

교차 데이터셋 EEG 기반 감정 인식을 위한 마스크 생성-대조 표현 학습

Masked Generative-Contrastive Representation Learning for Cross-Dataset EEG-Based Emotion Recognition

자기지도 학습(SSL)은 특징 표현과 일반화를 개선함으로써 교차 데이터셋 전이에 강한 잠재력을 보인다. 그러나 EEG 기반 감정 인식에 대한 적용은 아직 대부분 미탐구 영역으로 남아 있다. 기존 SSL 방법들은 다양한 채널 구성 하에서 EEG 신호의 복잡한 시공간적 의존성을 포착하고, 노이즈에 강인한 세밀한 표현을 추출하며, 피험자 간 잘 일반화되는 전역 특징을 도출하는 데 어려움을 겪는다. 이러한 과제를 해결하기 위해, 우리는 EEG 기반 감정 인식을 위해 특별히 설계된 새로운 SSL 프레임워크인 마스크 생성-대조 표현 학습(MGCRL)을 제안한다. 영역 인식 시공간 인코더를 기반으로 구축된 MGCRL은 생성 학습과 대조 학습을 통합하여 교차 데이터셋 일반화를 위한 세밀한 표현과 전역 판별 표현을 모두 달성한다. MGCRL은 세 가지 핵심 설계를 도입한다: 1) 지역화된 공간적·기능적 관계를 포착하기 위해 영역 기반 그래프 합성곱을 통합한 시공간 인코더로, 영역별 특징 학습을 강화하고 데이터셋 간 다양한 EEG 채널 구성의 영향을 완화한다; 2) 마스크된 특징을 활용하여 노이즈 강인성이 있는 세밀한 표현을 포착하는 결합 임베딩 예측 아키텍처(JEPA) 기반 생성 학습 메커니즘으로, 미묘한 감정 상태를 특성화하는 모델의 역량을 향상시킨다; 3) 동일한 자극에 걸쳐 시간적으로 안정적이고 피험자 간 불변적인 표현을 학습하기 위해 마스크된 특징과 원본 특징을 활용하는 대조 학습 전략으로, 감정 판별과 피험자 간 일반화를 향상시킨다. 이러한 설계들 하에서 MGCRL은 보편적 표현을 학습하는 뛰어난 능력을 보인다. 대규모 FACED 데이터셋에서 사전학습하고 다수의 SEED-시리즈 데이터셋에서 미세조정하는 광범위한 실험이 MGCRL의 효과성을 입증한다.

arXiv:2607.03783v1cs.LG

보수적 피험자 불변 EMG 기반 제스처 인식

Conservative Subject Invariant EMG-based Gesture Recognition

표면 근전도(sEMG) 기반 제스처 인식의 교차 피험자 일반화 문제를 해결하기 위해, 적대적 피험자 혼동(그래디언트 역전), 제스처 분류, 트리플릿 메트릭 학습을 공동 최적화하는 멀티헤드 보수적 다목적 학습 프레임워크(CSIN)를 제안한다. Lipschitz 기반 적응적 가중치 메커니즘으로 최적화 안정성을 높였으며, UCI EMG 데이터셋에서 84.48%, NinaPro DB5에서 61.44%의 정확도를 달성해 기존 최신 방법 대비 각각 6.28%p, 49% 상대적 향상을 보였다.

arXiv:2607.03200v1cs.LG

OpFlow: 강건한 OD 플로우 예측을 위한 기회 조건부 선택 포텐셜 학습

OpFlow: Learning Opportunity-Conditioned Choice Potentials for Robust OD Flow Prediction

도시 OD(출발지-목적지) 플로우 예측에서 원시 카운트 기반 딥 모델이 분포 변화에 취약한 문제를 해결하기 위해, OpFlow는 출발지 생산량과 목적지 배분을 분리하여 공간적 노출 상태를 상대적 선택 포텐셜로 매핑하는 메커니즘 제약 프레임워크를 제안한다. 이론적으로 행(row) 중심 포텐셜의 식별 가능성을 규명하고 기존 공간 상호작용 법칙이 특수 사례임을 보이며, 합성 및 실세계 실험에서 환경 변화 하에서의 강건성 향상을 확인한다.

arXiv:2607.03862v1cs.CV

텍스처 속 숨겨진 흔적: 크로스 패러다임 AI 생성 이미지 탐지를 위한 텍스처-관계 단서

Ghosts Beneath Textures: Texture-Relation Cues for Cross-Paradigm AI-Generated Image Detection

AI 생성 이미지가 급격히 확산됨에 따라 광범위한 연구가 진행되고 있다. 기존 AI 생성 이미지 탐지기 대부분은 노이즈 기반 또는 텍스트 기반 생성과 같은 이미지 자유 생성(image-free generation) 패러다임에서 개발 및 평가되었다. 그러나 이미지 조건부 생성(image-conditioned generation)은 생성 콘텐츠에 대한 보다 세밀한 제어를 가능하게 하므로 실용적 응용 분야에서 점점 더 중요해지고 있다. 이 두 패러다임에 걸쳐 AI 생성 이미지를 탐지하는 문제는 오랫동안 간과되어 온 핵심적인 크로스 패러다임 탐지 문제를 야기한다. 이 문제를 연구하기 위해, 우리는 크로스 패러다임 AI 생성 이미지 탐지를 위한 벤치마크인 ConImageGen을 구축한다. ConImageGen에 대한 평가 결과, 기존 탐지기들은 이미지 자유 생성과 이미지 조건부 생성 간에 신뢰할 만한 일반화에 실패함을 보인다. 이 문제를 해결하기 위해, 본 논문은 크로스 패러다임 포렌식 단서를 식별하고 일반화된 AI 생성 이미지 탐지를 위한 새로운 관점을 제시한다. 구체적으로, 의미론적 간섭을 억제함으로써 우리는 생성 패러다임 전반에 걸쳐 의미와 무관한 텍스처 패턴을 최초로 시각화한다. 이러한 패턴은 구조화된 국소-전역 텍스처 관계를 나타내며, 이는 일반화 가능한 포렌식 증거의 형태임을 시사한다. 이 발견에 착안하여, 우리는 명시적 아티팩트를 직접 활용하는 방식에서 텍스처 관계를 모델링하는 방향으로 초점을 전환하고, 일반화된 AI 생성 이미지 탐지를 위해 이러한 관계를 포착하고 활용하는 탐지 프레임워크인 DTS-Det을 제안한다. 광범위한 실험을 통해 우리 방법의 효과가 검증된다. DTS-Det은 다양한 평가 설정에서 최첨단 성능을 달성하며, ConImageGen에서 최적 기준선 대비 10.5% 향상된 99.6% ACC를 기록한다. 또한 PicoBanana/RAID에 대한 크로스 데이터셋 평가에서 93.2%/94.1% ACC를 달성하고, 재구성 공격 및 블랙박스 적대적 공격 하에서 각각 95.2%/88.1%의 탐지율을 유지한다.

arXiv:2607.03103v1cs.CV

다중 태스크 의료 이미지 분할을 위한 SNR 적응형 통합 확산 모델

SNR-Adaptive Unified Diffusion for Multi-Task Medical Image Segmentation

임상 심장 영상 파이프라인은 현재 각 데이터셋과 모달리티별로 별도의 모델을 배포하여 중복적인 학습 비용이 발생하고, 해부학적으로 연관된 태스크 간의 지식 공유가 불가능하다. 따라서 반지도 학습(semi-supervised learning), 비지도 도메인 적응(unsupervised domain adaptation), 도메인 일반화(domain generalisation)를 하나의 모델로 통합하는 것은 실질적인 필요 사항이나, 단순한 결합 학습은 근본적인 장벽을 드러낸다: 데이터셋 간 레이블 의미 충돌로 LA Dice 점수가 90.31%에서 83.38%로 하락하고, 복잡도가 불균등한 태스크 간 그래디언트 불균형이 학습 전반에 걸쳐 약한 태스크를 억제한다. 우리는 세 가지 목표 지향적 메커니즘을 통해 이러한 충돌을 해소하는 통합 확산 이미지 분할 프레임워크인 UniT-Diff를 제안한다. 11채널 태스크별 출력 공간이 레이블 범주를 물리적으로 분리하여, 설계 자체에서 태스크 간 그래디언트 부호 반전을 제거한다. SNR 적응형 태스크 컨디셔닝(SATC)은 현재 확산 타임스텝의 로그 신호 대 잡음비로 태스크 토큰을 스케일링하여, 거친 노이즈 제거 단계에서 도메인 특화 바이어스를 억제하고 신호가 명확해짐에 따라 완전한 태스크 가이던스를 복원한다. 태스크 유형 인식 조건부 드롭아웃(TTACD)은 도메인 일반화 입력에 대해 태스크 토큰을 영구적으로 제거하여, 소스 벤더 통계보다 데이터셋 간 심장 해부학 정보를 활용하는 공유 중립 경로를 통해 라우팅한다. 단일 매개변수 세트로, UniT-Diff는 세 가지 벤치마크 모두에서 독립적으로 학습된 태스크별 기준 모델을 동시에 능가한다: LA에서 +0.87%, MMWHS에서 +1.77%, MNMS에서 +0.88%.

arXiv:2607.02596v1cs.CV

CIPHER: 헬스케어 형평성과 강건성을 위한 인과적 개입 경로

CIPHER: Causal Intervention Pathways for Healthcare Equity and Robustness

의료 진단용 심층 학습 모델은 평균 정확도가 높더라도 민감한 하위 집단(예: 인종, 성별)에 걸쳐 상당한 성능 격차를 자주 나타낸다. 생성적 데이터 증강이 이를 완화하는 방법을 제공하지만, 기존 전략은 최적이 아니다. 이들은 일반적으로 민감한 속성과 이미지 특징 사이의 의존성 채널 중 한두 가지만 다룬다. 우리는 구조적 인과 모델을 통해 의료 이미지 형성 과정을 형식화하여, 민감한 속성이 실제로 네 가지 구별된 경로를 통해 이미지 콘텐츠에 영향을 미친다는 점을 밝혔다. 이는 기존 연구에서 간과된 구조적 복잡성이다. 이러한 통찰을 바탕으로, 우리는 네 가지 인과 경로 모두에 체계적으로 개입하도록 설계된 프레임워크인 CIPHER(Causal Intervention Pathways for Healthcare Equity and Robustness)를 소개한다. 이를 위해 CIPHER는 분류기 없는 가이던스(classifier-free guidance)와 널-텍스트 역전(null-text inversion)을 갖춘 확산(diffusion) 백본을 활용한다. 이 기술적 설계는 민감한 의존성 연쇄를 끊는 데 필요한 반사실적(counterfactual) 사례의 정밀하고 편집 가능한 합성을 허용하면서도 환자별 해부학적 구조를 충실히 재구성할 수 있게 한다. 우리는 표준 및 분포 이동 데이터 분포 모두에서 흉부 X선 및 피부경 검사 벤치마크를 사용하여 CIPHER를 검증하였다. 다중 경로 개입 전략을 적용함으로써, 우리 모델은 질병 조건부 합성 기준선 대비 평균 35.8%의 최악 집단 격차 감소를 달성하는 동시에 전체 진단 정확도도 향상시켰다.

arXiv:2607.02572v1cs.CV

다중 소스 이미지 융합에서의 전이 가능하고 재구성 가능한 크로스-시스템 학습을 위한 가산적 인과 구성

Additive Causal Construction for Transferable and Reconfigurable Cross-System Learning in Multi-Source Image Fusion

다중 소스 이미지 융합 시나리오에서 이질적인 입력들은 일반적으로 서로 다른 생성 메커니즘에 의해 구동되며, 여러 인과 시스템의 합성으로 볼 수 있다. 그러나 융합 과정에서 크로스-시스템 불일치(CSD, cross-system discrepancy)와 크로스-시스템 얽힘(CSE, cross-system entanglement)이 흔히 발생하며, 이는 분포 외(OOD) 예측 상황에서 심각한 성능 저하로 이어지는 경우가 많다. CSD 및 CSE 문제를 해결하기 위해, 우리는 가산적 인과 구성(ACC, additive causal construction) 프레임워크를 제안한다. 이 프레임워크는 두 가지 수준에서 정보 융합을 특성화한다: 첫째, 인과 그래프 전이 가능성(CGT, causal graph transferability)을 실현하기 위해 개입 일관성(intervention consistency)을 통해 여러 시스템 간에 공유되는 인과적 "앵커"를 확립하고, 둘째, 융합 과정을 인과 구성으로 형식화하며 불확실성 정량화를 통해 구성된 경로의 신뢰도를 모델링하여 인과 그래프 재구성 가능성(CGR, causal graph reconfigurability)을 보장한다. 이를 기반으로, 우리는 ACC를 적용하여 기존의 인과 표현 학습(CRL, causal representation learning)을 재검토하고, 프레임워크의 학습 가능한 구체화 방법으로서 ACC-CRL을 제안한다. 이 방법은 콘텐츠-메커니즘 분리(content-mechanism decoupling)를 통해 시스템 간 결합된 인과적 콘텐츠 표현을 탐색하고, 공유 앵커 하에서 반응 정렬(response alignment)을 수행하여 CSD를 완화한다. 또한, 구조적 불확실성을 통합하여 융합 과정을 적응적으로 조절함으로써 불안정한 CSE를 억제한다. 우리는 합성 데이터(ColorMNIST)와 실제 다중 기관 의료 영상 태스크인 미세혈관 침습(MVI, microvascular invasion) 예측에 대해 체계적인 실험을 수행하였다. 실험 결과는 제안된 방법이 분포 내(ID) 성능을 유지하면서 OOD 일반화를 크게 향상시킴을 보여주며, 개방형 환경에서 메커니즘 정렬과 불확실성 모델링에 기반한 ACC-CRL 전략의 효과성과 강건성을 검증한다.

arXiv:2607.02559v1cs.CV

레이블은 얼마나 필요한가? 서식지 간 해양 생물 종 인식을 위한 의사결정 프레임워크

How many labels do you need? A decision framework for cross-habitat marine species recognition

자동화된 이미지 인식은 생태학적 모니터링을 수동 어노테이션 너머로 확장하기 위해 점점 더 많이 활용되고 있으나, 생태학자들은 새로운 사이트에서의 안정적인 배포에 얼마나 많은 레이블링 작업이 필요한지에 대한 근거 기반 지침이 부족하다. 우리는 비전 시스템을 해양 서식지 간에 전이할 때 레이블링 작업량과 인식 정확도 사이의 트레이드오프를 정량화하는 의사결정 프레임워크를 제안한다. 벤치마크는 5개 데이터셋, 3개 대양, 3개 분류군(어류, 산호, 무척추동물)을 포괄하며, 그레이트 배리어 리프와 프랑스령 폴리네시아의 열대 암초에서 온대 덴마크 피오르드까지 다양한 환경을 아우른다. 우리는 4가지 인식 모델(DINOv2, CLIP, ResNet-50, EfficientNet-B4)을 4가지 적응 전략(선형 프로빙(linear probing), LoRA, Visual Prompt Tuning, 전체 미세조정) 하에, 세 가지 프로토콜에 걸쳐 평가하였다: 20개 리프 사이트에 걸친 서식지 내 전이(240회 실행), 난이도 그래디언트를 따른 크로스 데이터셋 지리적 전이(40회 실행), 그리고 클래스당 0~100개의 레이블된 샘플을 사용한 퓨샷 적응 곡선(648회 실행). 동결된 자기지도 파운데이션 특징(DINOv2 + 선형 분류기, 학습 가능한 파라미터 1,538개)은 학습 가능한 파라미터 수가 4자릿수 더 많은 완전 미세조정된 합성곱 베이스라인과 적어도 동등하게 미관측 리프 사이트에 일반화되었으며, 종 진단적이고 서식지-불변적인 표현을 학습한 반면, 베이스라인은 새로운 사이트에서 실패하는 서식지-특화 지름길을 인코딩하였다. 종당 10~20개의 레이블된 이미지만으로도 새로운 사이트에서 안정적인 인식을 배포하기에 충분하였으며, 이는 어노테이션 작업량을 대략 한 자릿수 수준으로 줄이는 것이다. 해결책. 새로운 사이트로 확장하는 프로그램은 동결된 오픈 파운데이션 모델(DINOv2)을 단순 선형 분류기와 결합하고 종당 10~20개의 이미지만 어노테이션함으로써—사이트당 약 1~4시간—안정적인 인식을 배포할 수 있다. 이 프레임워크는 프로그램이 사이트, 생태계, 플랫폼 전반에 걸쳐 예상 정확도 대비 레이블링 작업량을 예산화할 수 있게 해준다.

arXiv:2607.02555v1cs.CV

당뇨병성 족부 궤양 분할 모델은 일반화되는가? CNN과 트랜스포머 아키텍처의 교차 데이터셋 벤치마크

Do Diabetic Foot Ulcer Segmentation Models Generalize? A Cross-Dataset Benchmark of CNN and Transformer Architectures

당뇨병성 족부 궤양(DFU) 분할을 위한 심층 학습 모델은 일상적으로 높은 정확도를 보고하지만, 거의 항상 동일한 데이터셋에서 학습 및 테스트되어 다른 임상 출처의 데이터에 대한 동작은 대부분 측정되지 않은 상태로 남아 있다. 우리는 대표적인 분할 아키텍처 세 가지 -- U-Net과 DeepLabV3+(합성곱 기반), SegFormer-B2(트랜스포머 기반) -- 를 동일한 누수 차단 프로토콜 하에 벤치마크한다: FUSeg/AZH 상처 데이터를 결합하여 학습하고, 미세조정 없이 두 개의 독립적인 외부 데이터셋(DFUC2022 및 Medetec)에서 평가한다. 모든 모델은 도메인 내에서 높은 성능(Dice 0.80--0.83)을 달성하지만 데이터셋 간 성능이 크게 저하된다. 그러나 이 저하는 아키텍처에 따라 다르게 나타난다: SegFormer-B2는 두 외부 데이터셋 모두에서 가장 잘 일반화되어(DFUC2022 Dice 0.557, Medetec Dice 0.786) 두 합성곱 모델을 능가하는 반면, 더 복잡한 DeepLabV3+는 더 단순한 U-Net보다 일반화 성능이 낮다. 두 외부 테스트 세트의 2,160개 이미지에 대한 이미지별 실패 분석에서 SegFormer-B2가 DFUC2022에서 가장 적은 치명적 실패(31.1%)를 보임을 확인하였으며, 이는 U-Net(38.5%) 및 DeepLabV3+(43.0%)와 비교된다. 두 독립적인 외부 출처에서 일관된 순위는 Wilcoxon 부호 순위 검정(두 데이터셋 모두 p < 0.001)으로 확인되었으며, 교차 병원 일반화를 이끄는 것은 모델 복잡도가 아닌 아키텍처 계열임을 나타낸다.

arXiv:2607.03478v1cs.AI

조건부 정책 혼합을 통한 일반화 실패 시연

Demonstrating Generalization Failures via Mixtures of Conditional Policies

프론티어 언어 모델의 사후 학습(post-training)은 선별된 태스크 스위트에서 수행되며, 이로 인해 학습 환경과 배포 환경 사이에 불가피하게 분포 이동(distribution shift)이 발생한다. 이는 개발자를 일반화 실패에 노출시키는데, 이 현상은 아직 충분히 이해되지 않고 있다. 이러한 일반화 실패를 보다 잘 이해하기 위해, 우리는 연구 커뮤니티가 단순화된 조건 하에서 명확한 시연 사례를 구성해야 한다고 본다. 이를 위해, 주어진 학습 태스크 분포에 대해 강화학습(RL)으로 추가 학습 시 제어 가능한 방식으로 일반화에 실패하는 언어 모델을 구성하는 간단하고 유연한 방법을 제안한다. 우리의 구성 방법은 '조건부 정책(conditional policies)' 집합에 해당하는 대화록의 혼합 데이터셋에 대한 지도 미세조정(Supervised Fine-Tuning)을 사용하며, 각 조건부 정책은 서로 다른 태스크 분포에서 독립적으로 특정 행동을 할당받아 '조건부 정책 혼합(mixture of conditional policies)'으로 잘 근사되는 모델을 얻는다. 이후 RL 학습은 학습 분포에서 가장 높은 보상(reward)을 획득하는 정책을 선택한다는 사실을 관찰하였다. 이는 두드러진 행동을 유발할 수 있는데, 동일한 질문 앞에 서로 다른 두 '트리거 문자열'을 붙인 두 분포로 구성된 통제 실험에서, 어느 한 분포에 대한 RL 학습이 기저 태스크가 동일함에도 불구하고 다른 분포에서의 성능을 능동적으로 0으로 저하시켰다. 또한 우리의 구성 방법을 활용하여, 각각 태스크 커버리지와 시간적 컨텍스트의 분포 이동에 해당하는, 미래 언어 모델에서 일반화가 실패할 수 있는 두 가지 새로운 방식을 제시한다. 우리의 구성은 의도적으로 단순하게 설계되었으며 '자연적인' 일반화 실패와 밀접하게 유사하지 않을 수 있지만, 결과로 얻어진 '모델 유기체(model organisms)'는 정렬(alignment) 스트레스 테스트와 일반화 과학에 유용하며, 학습 성공과 일반화가 구조적인 방식으로 분리될 수 있다는 존재 증명으로 활용될 수 있다.

arXiv:2607.02490v1cs.CL

Visually Grounded Self-Reflection for Vision-Language Models via Reinforcement Learning

비전-언어 모델(LVLM)이 멀티모달 추론 시 시각적 입력을 제대로 반영하지 못해 분포 이탈(out-of-distribution) 환경에서 자기반성(self-reflection) 능력이 저하되는 문제를 해결하기 위해, 랜덤 턴 마스킹(Random Turn Masking)과 버퍼드 롤인(Buffered Roll-In)을 결합한 강화학습 프레임워크 VRRL을 제안한다. 테이블·차트 시각적 그라운딩 및 공간 내비게이션 벤치마크에서 VRRL은 표준 RL 및 기존 반성 지향 파인튜닝 기법 대비 분포 이탈 정확도를 크게 향상시켰다.

arXiv:2607.01983v1cs.CV

이중 비평가 확산 정렬을 통한 개방형 날씨 환경에서의 강건한 3D 검출

Open-Weather Robust 3D Detection via Dual-Critic Diffusion Alignment

LiDAR–4D 레이더 융합 기반 3D 객체 검출이 학습에서 보지 못한 날씨 유형·강도 조합에서 성능이 급격히 저하되는 개방형 날씨 일반화 문제를 다루며, DCDA(Dual-Critic Guided Diffusion Alignment)는 4D 레이더 조건부 확산 정렬로 열화된 LiDAR BEV 특징을 복원하되 검출 유도 비평가와 날씨 적대적 비평가로 의미론적·분포적 일관성을 동시에 강제한다. 명시적 날씨 모델링이나 쌍(paired) 데이터 없이 학습되며, K-Radar 기반 개방형 날씨 벤치마크에서 기존 최고 성능 방법 대비 type-open·severity-open·type+severity-open 프로토콜 전반에 걸쳐 평균 3D AP를 최대 5.2%p 향상시켰다.

arXiv:2607.01657v1cs.CV

텍스트 앵커 정보 병목을 통한 도메인 일반화

Domain Generalization via Text-Anchored Information Bottleneck

도메인 일반화(Domain Generalization)에서 기존 비전-언어 모델의 시각적 표현이 오히려 학습 도메인에 종속된 허위 단서(spurious cues)를 전파한다는 문제를 지적하며, 시각적 가이던스를 배제하고 텍스트 임베딩 공간을 정보 병목(Information Bottleneck)으로 활용해 도메인 불변 표현을 학습하는 방법을 제안한다. 다양한 백본과 DG 벤치마크에서 최첨단 성능을 달성하며, 강건한 일반화를 위해 표현 개선보다 불변성을 강제하는 감독 설계가 핵심임을 보인다.

arXiv:2607.01303v1cs.CV

CPG-PAD: 개념 기반 프롬프트 가이드 제시 공격 탐지

CPG-PAD: Concept-Informed Prompts Guided Presentation Attack Detection

얼굴 인식 시스템 보호를 위한 제시 공격 탐지(PAD)의 도메인 일반화 한계를 해결하고자, 설명 가능한 AI(XAI) 기법으로 비전-언어 모델(VLM) 내부에서 공격 관련 시각적 개념을 자동 발굴하는 VCE 모듈과, 이를 프롬프트 공간에 주입하는 PCI 메커니즘으로 구성된 CPG-PAD 프레임워크를 제안한다. 9개 벤치마크 데이터셋에 걸친 실험에서 다중·제한·단일 소스 설정 모두에서 최첨단 교차 도메인 성능을 달성하였다.

arXiv:2607.02055v1cs.LG

Beyond the Performance Illusion: Structure-Aware Stratified Partitioning and Curriculum Distributionally Robust Optimization for Spatially Correlated Domains

공중 감시, 정밀 농업, 의료 영상 등 시공간적으로 상관된 도메인에서 무작위 데이터셋 분할이 데이터 누수(data leakage)와 은닉 계층화(hidden stratification)를 유발해 성능을 과대평가하는 문제를 분석하고, 이를 해결하기 위해 의미적으로 분리된 균형 잡힌 검증 분할을 구성하는 Structure-Aware Stratified Partitioning(SASP)과 커리큘럼 기반의 분포적 강건 최적화인 Curriculum Distributionally Robust Optimization(CDRO)을 통합 프레임워크로 제안한다. 여러 벤치마크 실험에서 이 조합이 일반화 성능과 신뢰도 보정을 향상시키고 기존 무작위 분할 평가에서는 드러나지 않던 모델의 취약점을 노출함을 보인다.

arXiv:2607.00201v1cs.CV

사전 정보를 신뢰할 것인가 (혹은 말 것인가): 불확실성 인식 복부 대동맥류 분할

Trust the Prior (or Not): Uncertainty-Aware Abdominal Aortic Aneurysm Segmentation

복부 대동맥류(AAA)에서 내강 혈전(ILT)의 강건한 분할을 위해, 가우시안 혼합 모델 기반 환자별 강도 정규화와 복셀 단위 신뢰도에 따라 해부학적 사전 정보의 영향력을 적응적으로 조절하는 불확실성 게이트 해부학적 어텐션(UGAA) 모듈을 결합한 프레임워크를 제안한다. 제안 방법은 분포 내 데이터에서 최고 수준의 성능을 달성하고 다중 기관 외부 CTA 데이터로의 일반화에서 기존 방법들을 크게 능가하며, 시각적 증거와 해부학적 증거의 명시적 분리를 통해 임상적 해석 가능성도 제공한다.

arXiv:2602.21397v2cs.CV

MMLoP: Multi-Modal Low-Rank Prompting for Efficient Vision-Language Adaptation

CLIP과 같은 비전-언어(vision-language) 모델의 멀티모달 딥 프롬프트 학습은 성능을 높이지만 수백만 개의 학습 파라미터를 요구해 파라미터 효율성을 잃는 문제가 있으며, MMLoP는 저랭크 분해(low-rank factorization)로 비전·텍스트 프롬프트를 각 트랜스포머 레이어에서 파라미터화하고 자기조절 일관성 손실(SCL), 균등 드리프트 보정(UDC), 공유 업-프로젝션(shared up-projection) 세 가지 정규화 기법을 결합해 단 11.5K개의 파라미터만으로 base-to-novel 일반화에서 조화 평균 79.70%를 달성하며 300배 많은 파라미터를 사용하는 기존 최신 방법들 대부분을 능가한다.

arXiv:2503.09399v4cs.CV공식 코드 · Papers with Code

ForAug: Mitigating Biases in Image Classification via Controlled Image Compositions

ForAug는 이미지 분류 데이터셋의 구성적 편향(배경 의존성, 중심 편향, 크기 편향)을 완화하기 위해 학습 이미지를 전경 객체와 배경으로 분리한 뒤 재조합하는 데이터 증강 기법이다. 오프더쉘프 세그멘테이션·인페인팅 모델을 활용해 전경-배경 상관관계를 명시적으로 차단함으로써, 10개 아키텍처에서 ImageNet top-1 정확도를 최대 6 p.p., 분포 변화 벤치마크에서 최대 19 p.p. 향상시켰다.