PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.11338v2cs.AI

AutoVSR: 회로 회로도에서 기호 표현 생성을 위한 자동 시각-기호 추론

AutoVSR: Automatic Visual-to-Symbolic Reasoning for Symbolic Expression Generation from Circuit Schematic

기호 표현(symbolic expression)은 회로 동작을 효과적으로 특성화하고 예측할 수 있지만, 회로 회로도에서 직접 이를 도출하는 것은 어렵다. 이 과정은 이미지에서 회로 구조의 정확한 시각-기호 변환(visual-to-symbolic construction)과 올바른 다단계 기호 도출을 요구하며, 두 가지 모두 엄격한 정확성 요건을 부과한다. 본 연구는 비전-언어 모델(VLM)을 활용하여 회로 표현의 시각-기호 생성을 자동화하는 프레임워크인 AutoVSR을 제안한다. 회로 다이어그램을 실행 가능한 중간 표현(Executable IR)으로 재구성하고 기호 솔버(symbolic solver)를 활용한 추론을 통해, AutoVSR은 기호 표현 생성의 정확도를 크게 향상시킨다. AutoVSR은 두 가지 핵심 혁신을 도입한다: 컴포넌트 규칙 검색 및 검증 기반 피드백으로 안내되는 IR 구성 방법, 그리고 신뢰할 수 있는 다단계 도출을 위해 기호 도구 라이브러리를 갖춘 계획 에이전트로 구현된 기호 솔버. 주요 기호 표현 생성 태스크에서 엔드-투-엔드 VLM 방식 및 특화된 방법들과 비교했을 때, AutoVSR은 각각 30.01--59.45% 및 41.96--51.84%의 정확도 향상을 달성한다. 또한 AutoVSR은 추론 비용 및 연산 효율성 측면에서 클로즈드소스 최신 VLM들을 능가한다. 코드는 https://github.com/LongfeiLi1/AutoVSR 에서 이용 가능하다.

arXiv:2607.01609v1cs.LG

SINA: A Fully Automated Circuit Schematic Image to Netlist Generator Using Artificial Intelligence

SINA는 회로 회로도(schematic) 이미지를 SPICE 호환 넷리스트(netlist)로 자동 변환하는 오픈소스 파이프라인으로, YOLO 기반 부품 검출, Connected-Component Labeling(CCL) 기반 연결 추론, OCR, 비전-언어(vision-language) 모델을 통합하여 IC·PCB 레벨 회로도를 모두 처리한다. 교차 배선 오감지 문제를 전용 모듈로 해결하고 그래프 동형(graph isomorphism) 기법으로 정확성을 검증한 결과, 전체 넷리스트 생성 정확도 96.67%로 기존 최고 성능 대비 2.72배 향상을 달성했다.