PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.08541v1cs.CV

VocaDet: 시각적 토큰화와 벡터 데이터베이스 검색을 통한 샘플 기반 개방형 어휘 객체 검출 및 분할

VocaDet: Sample-Driven Open-Vocabulary Object Detection and Segmentation via Visual Tokenization and Vector Database Retrieval

VocaDet은 모델 재학습 없이 사용자가 제공한 대규모 긍정·부정 샘플로부터 객체 개념을 학습하는 샘플 기반 개방형 어휘(open-vocabulary) 객체 검출 및 분할 프레임워크로, DINOv3로 추출한 시각적 특징을 이산적 시각 어휘(visual token)로 변환하고 벡터 데이터베이스 검색을 통해 효율적인 인식을 수행한다. UA-DETRAC 벤치마크 실험에서 기존 검출기 학습 없이 유효한 검출 성능을 달성하였으며, 샘플이 누적될수록 인식 성능이 지속적으로 향상되는 확장 가능한 구조임을 입증하였다.

arXiv:2606.19803v1cs.DB

정책 인식 벡터 검색: 벡터 데이터베이스에서의 세분화된 접근 제어에 대한 비전

Policy-aware Vector Search: A Vision for Fine Grained Access Control in Vector Databases

벡터 데이터베이스는 검색 증강 생성(RAG) 및 조직 내 AI 파이프라인과 함께 보안 민감 환경에서 점점 더 많이 사용되고 있으나, 보안 기능은 여전히 제한적입니다. 구체적으로, 데이터 접근이 사용자별 정책을 준수하도록 보장하는 데 필요한 세분화된 접근 제어(FGAC)는 최신 벡터 데이터베이스에서 완전히 지원되지 않습니다. 관계형 데이터베이스와 달리, 벡터 데이터베이스는 구조화 및 비구조화 속성을 결합하여 의미론적이고 근사적인 쿼리 결과를 제공하므로 FGAC 구현이 복잡해집니다. 이로 인해 FGAC 정책을 올바르게 강제하는 것, 높은 ANN(근사 최근접 이웃) 검색 재현율을 달성하는 것, 그리고 낮은 쿼리 지연 시간을 유지하는 것 사이에 본질적인 상충 관계가 발생합니다. 본 논문에서는 벡터 데이터베이스 내 FGAC 정책 모델과 강제 문제를 형식화하여 정책 인식 벡터 검색에 대한 비전을 제시합니다. 다양한 강제 전략을 비교하고 예비 연구 결과를 제시하며, 정책 인식 벡터 검색의 향후 연구를 위한 주요 미해결 과제를 식별합니다.