Computer Vision

이미지·영상 인식 모델과 컴퓨터 비전 연구.

이미지·영상 인식 모델과 컴퓨터 비전 연구.

상위 개념: 딥러닝

25 posts · 아카이브에서 필터로 보기

[Paper Review] Diffusion Drafts, AR Verifies: Accelerating Document OCR with Self-Speculative Decoding

논문 개요와 전체 구조 문서 이미지를 텍스트·HTML 표·LaTeX 수식으로 바꾸는 생성형 OCR에서는 결과가 길수록 토큰을 하나씩 출력하는 시간이 늘어납니다. GravityOCR는 여러 토큰의 초안을 병렬로 만들되, 출력 확정은 자기회귀 모델이 담당하도록 구성합니다. 하나의 모델이 attention 패턴을 바꾸어 block diffusion dra...
Paper ReviewComputer VisionTransformer딥러닝머신러닝

Posted by Euisuk's Dev Log on September 24, 2026

[Paper Review] SenseNova-U1.5: 공간 복원과 전문가 증류로 통합하는 시각 지능

논문 개요와 전체 구조 SenseNova-U1.5는 이미지를 이해하는 모델과 이미지를 만드는 모델을 하나의 멀티모달 계산 구조 안에서 학습하는 연구입니다. 기존 시각 인코더와 Variational Autoencoder(VAE)를 연결하는 대신, RGB 픽셀과 텍스트에서 직접 출발합니다. 핵심은 모든 파라미터를 공유하는 데 있지 않습니다. 이해와 생성...
Paper ReviewComputer Vision딥러닝강화학습머신러닝

Posted by Euisuk's Dev Log on September 12, 2026

[Paper Review] Programmable World Model: 실행 가능한 상태와 영상 생성을 분리한 세계 모델

논문 개요와 전체 구조 영상 세계 모델은 사용자 행동에 반응하는 그럴듯한 장면을 만들 수 있습니다. 그러나 장면 밖으로 사라진 인물이 여전히 존재하는지, 공격 이후 체력이 얼마나 남았는지, 이미 발생한 사건이 이후에도 유효한지는 영상만으로 관리하기 어렵습니다. Programmable World Model(PWM)은 이러한 세계의 사실을 명시적 엔진이...
Paper Review머신러닝딥러닝Computer Vision

Posted by Euisuk's Dev Log on September 11, 2026

[Paper Review] Show-Harness 논문 리뷰: 의미 기반 행동 인터페이스로 VLM과 로봇을 연결하기

1. 논문 개요와 전체 구조 Show-Harness: Just a VLM Agent Can Play Robots는 시각과 언어를 함께 처리하는 Vision–Language Model(VLM)이 로봇을 조작할 때, 모델과 로봇 사이에 어떤 행동 인터페이스를 두어야 하는지 연구합니다. Show Lab의 Yanzhe Chen 등은 방향 이동·회전·잡기처럼...
Paper ReviewAI AgentComputer Vision딥러닝머신러닝

Posted by Euisuk's Dev Log on September 10, 2026

[Paper Review] LLaVA: Visual Instruction Tuning - 멀티모달 AI의 새로운 패러다임

https://arxiv.org/pdf/2304.08485 논문 정보 제목: Visual Instruction Tuning 저자: Haotian Liu, Chunyuan Li, Qingyang Wu, Yong Jae Lee 소속: University of Wisconsin–Madison, Microsoft Research, ...
Paper ReviewComputer VisionNLP딥러닝

Posted by Euisuk's Dev Log on December 12, 2025

[Paper Review] LLaVA-PruMerge: Adaptive Token Reduction for Efficient Large Multimodal Models

https://arxiv.org/pdf/2403.15388 논문 정보 제목: LLaVA-PruMerge: Adaptive Token Reduction for Efficient Large Multimodal Models 저자: Yuzhang Shang, Mu Cai, Bingxin Xu, Yong Jae Lee, Yan Yan ...
Paper ReviewComputer VisionTransformer딥러닝

Posted by Euisuk's Dev Log on December 12, 2025

[Paper Review] MM-Groundung-DINO : An Open and Comprehensive Pipeline for Unified Object Grounding and Detection

https://arxiv.org/pdf/2401.02361 본 리뷰는 원문을 최대한 직역한 내용입니다. 여기서 “우리는”은 저자를 지칭합니다. 참고 부탁드립니다. 초록 Grounding-DINO는 Open-Vocabulary Detection (OVD), Phrase Grounding (PG), Referring Expression C...
Paper ReviewComputer VisionTransformer딥러닝

Posted by Euisuk's Dev Log on September 15, 2025

[Paper Review] LLM-Det : Learning Strong Open-Vocabulary Object Detectors under the Supervision of Large Language Models

https://arxiv.org/pdf/2501.18954 본 리뷰는 원문을 최대한 직역한 내용입니다. 여기서 “우리는”은 저자를 지칭합니다. 참고 부탁드립니다. Abstract 최근 open-vocabulary detector들은 풍부한 region-level 주석 데이터로 유망한 성능을 달성하고 있습니다. (참고) Regio...
Paper ReviewComputer VisionNLP딥러닝

Posted by Euisuk's Dev Log on September 15, 2025

[Paper Review] RT-DETRv2: Improved Baseline with Bag-of-Freebies for Real-Time Detection Transformer

https://arxiv.org/pdf/2407.17140 본 리뷰는 원문을 최대한 직역한 내용입니다. 여기서 “우리는”은 저자를 지칭합니다. 참고 부탁드립니다. 초록 이 보고서에서는 개선된 실시간 Detection Transformer인 RT-DETRv2를 제시합니다. RT-DETRv2는 기존의 최신 실시간 detector인 RT-D...
Paper ReviewComputer VisionTransformer딥러닝

Posted by Euisuk's Dev Log on September 14, 2025

[Paper Review] OmDet_Turbo : Real-time Transformer-based Open-Vocabulary Detection with Efficient Fusion Head

https://arxiv.org/pdf/2403.06892 초록 End-to-end transformer 기반 detector (DETRs)는 언어 modality 통합을 통해 closed-set과 open-vocabulary object detection (OVD) 작업 모두에서 뛰어난 성능을 보여주었습니다. 그러나 높은 연산 요구사항으로...
Paper ReviewComputer VisionTransformer딥러닝

Posted by Euisuk's Dev Log on September 14, 2025

[Paper Review] EXAONE Path 2.0: Pathology Foundation Model with End-to-End Supervision

https://arxiv.org/abs/2507.06639 1 PYEON, Myeongjang, et al. EXAONE Path 2.0: Pathology Foundation Model with End-to-End Supervision. arXiv preprint arXiv:2507.06639, 2025. Abstract 디지털 병...
Paper ReviewEXAONELGComputer Vision

Posted by Euisuk's Dev Log on August 30, 2025

[Paper Review] Qwen-VL: A Versatile Vision-Language Model for Understanding, Localization, Text Reading, and Beyond

https://arxiv.org/abs/2308.12966 1 WANG, Peng, et al. Qwen2-vl: Enhancing vision-language model's perception of the world at any resolution. arXiv preprint arXiv:2409.12191, 2024. 초록 본 연구...
Paper ReviewQwenComputer VisionNLPTransformer

Posted by Euisuk's Dev Log on August 29, 2025

[Paper Review] Qwen-Image Technical Report

https://arxiv.org/abs/2508.02324 1 WU, Chenfei, et al. Qwen-image technical report. arXiv preprint arXiv:2508.02324, 2025. 본 연구에서는 복잡한 텍스트 렌더링과 정밀한 이미지 편집에서 상당한 진보를 이룬 Qwen 시리즈의 이미지 생성 fou...
Paper ReviewQwenComputer VisionTransformer

Posted by Euisuk's Dev Log on August 29, 2025

[Paper Review] An Efficient Statistical Method for Image Noise Level Estimation

링크 : https://www.cv-foundation.org/openaccess/content_iccv_2015/papers/Chen_An_Efficient_Statistical_ICCV_2015_paper.pdf (참고) 이 논문은 2015년에 발표된 것으로, 현재 기준에서는 최신 기술이라고 보기 어렵습니다. 본문에서 언급된 “최근” ...
Paper ReviewComputer Vision

Posted by Euisuk's Dev Log on July 25, 2025

[Paper Review] A COMPREHENSIVE REVIEW OF YOLO ARCHITECTURES IN COMPUTER VISION: FROM YOLOV1 TO YOLOV8 AND YOLO-NAS

YOLO 모델 서베이 페이퍼 링크 : https://www.mdpi.com/2504-4990/5/4/83 📖 (참고) YOLO 버전의 발전 💡 공식 버전: YOLO의 원 개발자인 Joseph Redmon은 YOLOv3까지 개발했습니다. 이후 그는 윤리적 이유로 객체 탐지 연구를 중단했습니다. Joseph Redmon이 객체 탐...
Computer VisionPaper Review딥러닝CNN

Posted by Euisuk's Dev Log on October 2, 2024

[CV Notes] Lecture 18 - Videos

다음은 아래 “Lecture 18. Videos”에 대한 요약 및 필기 내용을 정리한 것입니다. 틀린 내용이 있다면 댓글 부탁드립니다 🙌 Course Website: https://web.eecs.umich.edu/~justincj/teaching/eecs498/ Instructor: Justin Johnson Lecture 18: Vi...
Computer Vision강의노트딥러닝CNN

Posted by Euisuk's Dev Log on August 16, 2024

[CV Notes] Lecture 17 - 3D Vision

다음은 아래 Lecture에 대한 요약 및 필기 내용을 정리한 것입니다. 틀린 내용이 있다면 댓글 부탁드립니다 🙌 Course Website: https://web.eecs.umich.edu/~justincj/teaching/eecs498/ Instructor: Justin Johnson Lecture 17: 3D Vision 1...
Computer Vision강의노트딥러닝CNN

Posted by Euisuk's Dev Log on August 14, 2024

[개념] 생성 AI의 학습 방식: 제로샷·원샷·퓨샷 러닝

최근 챗GPT로 인해 부상한 제로샷(zero-shot), 원샷(one-shot), 퓨샷(few-shot) 러닝 기법은 데이터를 일일이 라벨링하지 않고도 머신러닝 모델을 학습시킬 수 있도록 해줍니다. 해당 포스트는 CV(Computer Vision) 및 NLP(Natural Language Processing)의 관점에서 N-shot learning을 ...
개념정리딥러닝NLPComputer Vision

Posted by Euisuk's Dev Log on March 11, 2024

[파이토치] 파이토치로 CNN 모델을 구현해보자! (ResNet편)

안녕하세요! 지난번 포스트인 VGGNet과 GoogleNet 이후로 오늘은 ResNet 관련 포스트입니다. 2번에 걸친 포스팅에서 소개드렸다시피 컴퓨터 비전 대회 중에 ILSVRC (Imagenet Large Scale Visual Recognition Challenges)이라는 대회가 있는데, 본 대회는 거대 이미지를 1000개의 서브이미지로 분류...
PyTorchCNN딥러닝Computer Vision

Posted by Euisuk's Dev Log on December 19, 2021

[파이토치] 파이토치로 CNN 모델을 구현해보자! (GoogleNet편)

안녕하세요! 지난번 포스트인 VGGNet 이후로 오늘은 GoogleNet 관련 포스트입니다. 다음 포스트는 ResNet으로 찾아뵙도록 하겠습니다. 지난번에도 소개드렸다시피 컴퓨터 비전 대회 중에 ILSVRC (Imagenet Large Scale Visual Recognition Challenges)이라는 대회가 있는데, 본 대회는 거대 이미지를 1...
PyTorchCNN딥러닝Computer Vision

Posted by Euisuk's Dev Log on November 28, 2021

[파이토치] 파이토치로 CNN 모델을 구현해보자! (VGGNet편)

안녕하세요! 오늘 포스팅부터 다음다음 포스팅까지는 CNN 모델의 뼈대가 되는 모델들인 VGGNet, GoogleNet, ResNet을 소개하고 이를 구현해보는 시간을 갖도록 하겠습니다! :) 이번 포스팅은 VGGNet 관련 포스트입니다. 먼저 ILSVRC (Imagenet Large Scale Visual Recognition Challenges)이...
PyTorchCNN딥러닝Computer Vision

Posted by Euisuk's Dev Log on November 27, 2021

[파이토치] 파이토치로 CNN 모델을 구현해보자! (기초편 + DataLoader 사용법)

MNIST 데이터 - CNN 실습 오늘은 MNIST 데이터로 Convolutional Neural Network(이하 CNN)을 구현하고 돌려보는 시간을 갖도록 하겠습니다! 먼저, CNN은 크게 아래와 같은 구성요소로 이루어져 있습니다. 합성곱 연산(Convolution) : 이미지의 특성을 추출하는 계층 맥스풀링(Max Pooling)...
PyTorchCNN딥러닝Computer Vision

Posted by Euisuk's Dev Log on November 26, 2021

[Paper Review] An Image Is Worth 16x16 Words : Transformers for Image Recognition at Scale (Vision Transformer)

선정 이유 안녕하세요! 오늘 논문리뷰, 코드리뷰해볼 논문은 “An Image Is Worth 16x16 Words: Transformers for Image Recognition at Scale” 로, 컴퓨터 비전에서 Transformer와 Attention이 쓰이게 된 결정적 계기(?)가 된 논문입니다. 최근 이쪽 분야에 관심이 많다 보니 오늘은 ...
Paper ReviewTransformerComputer Vision딥러닝PyTorch

Posted by Euisuk's Dev Log on November 7, 2021

[Paper Review] An Architecture Combining Convolutional Neural Network(CNN) and Support Vector Machine(SVM) for Image Classification

오늘 리뷰/번역/구현할 논문은 “Abien Fred M. Agarap” 저자가 쓴 논문으로, “Yichuan Tang”의 “Deep Learning using Linear Support Vector Machines”을 보고 inspired되어 연구하게 되었다고 한다. 하단의 참고 논문 소스에 해당 논문 링크와 이번 논문의 링크를 첨부였다. (참고) ...
Paper ReviewComputer Vision딥러닝PyTorch

Posted by Euisuk's Dev Log on November 1, 2021

[Paper Review] Transferring Inductive Bias Through Knowledge Distillation - (3/3)

안녕하세요 :) 오늘은 지난번 포스팅에 이어서 “Transferring Inductive Bias Through Knowledge Distillation” 논문에 대한 정리를 이어나가 보도록 하겠습니다. 이전 포스팅에서 본 논문에서 다루게 될 주요 개념들인 Knowledge Distillation과 Inductive Bias에 대한 설명과 RNNs v...
Paper ReviewDistillationComputer Vision딥러닝

Posted by Euisuk's Dev Log on September 13, 2021

FEATURED TAGS
개념정리 딥러닝 AI Agent OpenAI Paper Review Python NLP 머신러닝 Conference Tools 꿀팁 강의노트 ChatGPT 환경설정 Prompt Engineering Computer Vision IT지식 트렌드 Transformer RAG Linux 시계열 LangChain Google Vibe Coding NVIDIA PyTorch 이상탐지 수학 비지도학습 CES Claude Gemini Git Lovable Anthropic 차원축소 CIO CNN EXAONE Pandas Visualization LangGraph LG Repo Review State Space Model Graph SK AI Summit Snippet Sora 도서리뷰 Distillation Network Qwen 알고리즘 데이터분석 MCP Ollama NumPy 강화학습 Splunk Velog
ABOUT ME

서쿠 개발노트⭐
Data Scientist

FRIEND SITES