MMHOI 데이터셋과 단일 이미지 3D 복원: 다중 인물·다중 물체 상호작용을 한 번에 추정
미쓰비시전기 연구소가 WACV 2026에서 발표한 MMHOI 연구를 정리했다. 12가지 일상 장면에서 여러 사람과 물건의 3D 형상·자세와 78가지 행동을 함께 담은 데이터셋, 그리고 한 장의 이미지로 이를 복원하는 모델을 살펴본다.
핵심 내용 읽기 →
AI TOPIC
데이터셋 최신 뉴스와 핵심 해설
데이터셋 관련 핵심 뉴스와 활용 인사이트 8편을 최신순으로 모았습니다.
산업 조립 AI 벤치마크 어셈블리벤치: 설명서를 읽고 부품 경로를 물리 엔진으로 검증하는 방식
미쓰비시전기 연구소가 CVPR 2026에서 발표한 어셈블리벤치를 정리했다. 산업용 물체 2000종의 자동 생성 설명서와 조립 경로를 담고, 물리 엔진으로 조립의 실현 가능성까지 따지는 데이터셋과 모델을 소개한다.
핵심 내용 읽기 →
LLM 평가셋 자동 생성 실습: 모델이 쓴 300문항을 걸러내는 품질 관리와 p-해킹 방지
AI 안전 교육 과정 ARENA 강의 정리. 손으로 쓴 질문 몇 개를 시드로 300문항 평가셋을 모델로 생성하고, 반복·편향·아첨을 걸러내는 품질 관리와 p-해킹 방지 원칙까지 실습 관점에서 짚는다.
핵심 내용 읽기 →
심층신경망 뇌 반응 예측 모델의 분포 밖 일반화 실패와 MacaqueITBench 데이터셋 공개
심층신경망으로 시각 피질 반응을 예측하는 모델이 훈련 분포를 조금만 벗어나도 무너진다는 하버드 연구팀의 분석과, 다른 연구자들이 이를 다시 검증할 수 있도록 공개된 대규모 원숭이 신경 데이터셋을 정리했다.
핵심 내용 읽기 →
LabelMaker 논문 정리: RGB-D 스캔에 사람 개입 없이 의미 라벨을 붙이는 3단계 파이프라인
ETH 취리히 연구진이 RGB-D 궤적에서 사람 개입 없이 의미 라벨을 만드는 파이프라인 LabelMaker를 공개했다. 여러 모델의 예측을 합의 투표로 통합하고 2D 라벨을 3D로 올려 잡음을 줄이는 구조를 정리했다.
핵심 내용 읽기 →
LLM 파인튜닝 방법 총정리: 언슬로스 스튜디오로 내 PC에서 모델 직접 학습하기 가이드
고성능 서버 없이 노트북 한 대로 LLM을 파인튜닝하는 방법을 정리했다. 학습에 쓸 모델을 고르는 기준, 지시문·입력·출력 형태의 데이터셋 만들기, QLoRA 학습 설정, 그리고 원본 모델과 결과를 비교하는 방법까지 다룬다.
핵심 내용 읽기 →
허깅페이스 FineWeb으로 본 LLM 학습 데이터셋 구축 전 과정
15조 토큰 규모의 오픈 데이터셋 FineWeb은 어떻게 만들어졌나. 커먼크롤 추출부터 중복 제거, 품질 필터링, 교육용 FineWeb-EDU까지 LLM 학습 데이터 제작 과정을 정리했다.
핵심 내용 읽기 →
AI 모델 파인튜닝 입문: Unsloth Studio로 로컬에서 LLM 미세조정·데이터셋 생성
파인튜닝은 작은 LLM을 특정 분야에 특화시키는 기술이다. Unsloth Studio로 로컬에서 모델을 미세조정하고, PDF 한 개로 학습용 데이터셋을 만드는 과정을 정리했다.
핵심 내용 읽기 →