PyTorchKR Papers

최신 논문

총 5편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2510.25257v2cs.CV

RT-DETRv4: 비전 파운데이션 모델을 활용하여 손쉽게 발전시키는 실시간 객체 검출

RT-DETRv4: Painlessly Furthering Real-Time Object Detection with Vision Foundation Models

실시간 객체 검출은 정교하게 설계된 아키텍처와 최적화 전략을 통해 상당한 발전을 이루어 왔다. 그러나 경량 네트워크 설계를 통한 고속 추론 추구는 흔히 특징 표현의 저하를 초래하며, 이는 추가적인 성능 향상과 실제 온디바이스 배포를 저해한다. 본 논문에서는 비전 파운데이션 모델(Vision Foundation Models, VFMs)의 빠르게 발전하는 능력을 활용하여 경량 객체 검출기를 개선하는, 비용 효율적이며 적응성이 높은 증류(distillation) 프레임워크를 제안한다. VFM과 자원이 제한된 검출기 사이의 상당한 아키텍처 및 학습 목표 차이를 고려할 때, 안정적이고 과제에 부합하는 의미적 전이(semantic transfer)를 달성하는 것은 어려운 문제이다. 이를 해결하기 위해, 한편으로는 VFM의 고수준 표현을 검출기의 깊은 레이어에 통합할 수 있도록 하는 심층 의미 주입기(Deep Semantic Injector, DSI) 모듈을 도입한다. 다른 한편으로는, 그래디언트 노름 비율에 기반하여 의미적 전이의 강도를 동적으로 조정하는 그래디언트 기반 적응형 변조(Gradient-guided Adaptive Modulation, GAM) 전략을 설계한다. 배포 및 추론 오버헤드를 증가시키지 않으면서도, 본 접근법은 다양한 DETR 기반 모델 전반에서 손쉽게 두드러지고 일관된 성능 향상을 제공하며, 이는 실시간 검출에 대한 실용적 유용성을 뒷받침한다. 새로운 모델 패밀리인 RT-DETRv4는 COCO에서 최첨단 성능을 달성하여, 각각 273/169/124/78 FPS의 속도에서 49.8/53.7/55.4/57.0의 AP 점수를 기록한다. 코드는 https://github.com/RT-DETRs/RT-DETRv4 에서 공개되어 있다.

arXiv:2607.05176v2cs.CV

FSDC-DETR: 소형 객체 검출을 위한 주파수-공간 도메인 협력 DETR

FSDC-DETR: A Frequency-Spatial Domain Collaborative DETR for Small Object Detection

소형 객체 검출(SOD)에서 주파수 에일리어싱과 고주파 성분 손실 문제를 해결하기 위해, DBFSAF·SFS-FF·FSD-Down 세 모듈로 구성된 주파수-공간 도메인 협력 프레임워크 FSDC-DETR을 제안한다. VisDrone-DET2019와 AITODv2 벤치마크에서 소형 객체 AP를 각각 6.8, 6.9 향상시키며 최고 성능을 달성했다.

arXiv:2606.27831v1cs.CV

Hippocampus-DETR: 해마 모델링 기반 명시적 메모리 객체 검출 프레임워크

Hippocampus-DETR: An Explicit Memory Object Detection Framework Based on Hippocampus Modeling

본 논문은 현재 객체 검출 모델에 명시적 메모리 메커니즘이 부족한 문제를 다루며, 생물학적 해마 메모리 모델링에 기반한 새로운 검출 프레임워크인 Hippocampus-DETR을 제안한다. 이 프레임워크는 해마 메모리 네트워크 모듈인 HipNet을 DETR 아키텍처에 통합하고, entorhinal cortex, dentate gyrus, CA3, CA1, subiculum을 포함한 해마 하위 영역의 해부학적 구조와 기능적 조직을 체계적으로 시뮬레이션한다. 이러한 설계를 통해 Hippocampus-DETR은 시각 인코딩 특징에 대한 패턴 분리(pattern separation), 패턴 완성(pattern completion), 중요도 필터링, 정보 통합을 구현한다. 학습 중 서로 다른 메모리 하위 모듈은 층별 학습 전략을 사용해 최적화되며, 궁극적으로 메모리 검색 및 완성 능력을 갖춘 메모리 시스템을 형성한다. 실험 결과, Hippocampus-DETR은 현재 주류 모델들보다 더 높은 검출 정확도를 달성함을 보여준다. 더 중요한 것은, 이 프레임워크를 탑재한 모델들이 퓨샷(few-shot) 이미지 분류, 멀티모달 특징 구성, 이미지 복원과 같은 과제에서 뛰어난 일반화 능력과 데이터 효율성을 보인다는 점이다. 후속 실험은 각 메모리 하위 모듈의 기능적 필요성과 내부 해석 가능성을 추가로 검증한다. 본 연구는 새로운 객체 검출 프레임워크를 제공할 뿐 아니라, 신경인지 메커니즘과 심층 학습 모델을 통합하는 실행 가능한 기술적 경로를 제시하며, 모델 학습 효율성과 과제 견고성 향상에 있어 중요한 가치를 강조한다. 프로젝트는 https://github.com/2186cloud/hipnet 에서 확인할 수 있다.

arXiv:2502.17843v1cs.CV

DETR을 이용한 자동 차량 검출: 험난한 도로 주행을 위한 트랜스포머 기반 접근법

Automatic Vehicle Detection using DETR: A Transformer-Based Approach for Navigating Treacherous Roads

다양한 주행 환경에서의 자동 차량 검출(Automatic Vehicle Detection, AVD)은 조명 조건, 도로 유형, 차량 유형이 다양하기 때문에 독특한 과제를 제기한다. YOLO, Faster R-CNN과 같은 전통적인 방법들은 이러한 복잡성을 다루는 데 종종 어려움을 겪는다. 컴퓨터 비전(CV)이 발전함에 따라, 합성곱 신경망(CNN)과 트랜스포머 기반 접근법을 결합하는 것은 검출 정확도와 효율성 향상을 위한 유망한 기회를 제공한다. 본 연구는 복잡하고 다양한 환경에서 자동 차량 검출을 위해 Detection Transformer(DETR)를 실험한 최초의 연구이다. 우리는 DETR의 특징 학습과 어텐션 메커니즘을 향상시키기 위해 Collaborative Hybrid Assignments Training 방식인 Co-DETR을 사용한다. 다양한 레이블 할당 전략을 활용하고 다중 병렬 보조 헤드를 도입함으로써, 학습 동안 더 효과적인 감독을 제공하고 긍정 좌표를 추출하여 학습 효율을 높인다. BadODD 데이터셋을 사용하여 DETR 변형 및 YOLO 모델에 대해 광범위한 실험을 수행함으로써, 우리 접근법의 장점을 입증한다. 우리의 방법은 우수한 결과와 다양한 조건에서의 향상된 정확도를 달성하여, 실세계 배포에 실용적이다. 이 연구는 자율 내비게이션 기술을 크게 발전시키고 자율주행차를 위한 객체 검출 분야에서 새로운 연구 방향을 연다. CNN과 트랜스포머의 강점을 통합함으로써, 우리는 어려운 주행 환경에서 강건하고 효율적인 차량 검출을 위한 DETR의 잠재력을 강조한다.

arXiv:2606.22608v1cs.CV

Electronic Babylonian Library 전역 자동 기호 검출: 대규모 데이터셋과 종단간 쐐기문자 OCR 파이프라인

Automated sign detection across the Electronic Babylonian Library: A large-scale dataset and end-to-end cuneiform OCR pipeline

쐐기문자 서판을 읽는 법을 학습하는 것은 매우 어려운 작업이며, 따라서 발굴된 약 50만 점의 서판 가운데 아시리아학자들이 분석한 것은 극히 일부에 불과하다. 컴퓨터 비전은 해독에 유망한 접근을 제공하지만, 대규모의 밀집 주석 데이터셋이 필요하다. 이 한계를 해결하기 위해 지금까지 최대 규모의 주석 쐐기문자 기호 데이터셋을 사용하고, Deformable Detection Transformer(DETR) 기반 객체 검출 모델을 173개 및 106개 클래스의 두 가지 클래스 세분성에서 평가한다. 제안된 시스템은 자동 서판 면 추출, 휴리스틱 줄 그룹화, n-gram 기반 텍스트 유사도 평가를 통합하여 시각적 기호 검출과 텍스트 구조를 연결하며, COCO 스타일 검출 지표에서 기존 연구 대비 최대 28-37%의 일관된 성능 향상을 달성한다. 추론 단계에서 이 방법은 Electronic Babylonian Library(eBL) 말뭉치의 87,668개 서판 파편에 적용되어 약 290만 건의 기호 검출 결과를 생성한다. 이 접근법은 언어학적 사전 지식 없이 동작하며 서판 손상 및 레이아웃 변동성에 여전히 민감하지만, 말뭉치 전역 쐐기문자 분석을 위한 확장 가능하고 해석 가능한 기반을 제공하며 향후 멀티모달 및 언어 모델링 프레임워크와의 통합을 지원한다.