DETR 해설: 트랜스포머 객체 탐지의 구조와 헝가리안 매칭, Faster R-CNN 비교
앵커 설계와 비최대 억제 같은 수작업 요소를 걷어낸 객체 탐지 모델 DETR의 구조를 정리했다. ResNet 백본과 트랜스포머 인코더·디코더, 100개의 오브젝트 쿼리, 헝가리안 매칭 학습 과정과 Faster R-CNN과의 성능 비교를 담았다.
핵심 내용 읽기 →
AI TOPIC
컴퓨터 비전 최신 뉴스와 핵심 해설
컴퓨터 비전 관련 핵심 뉴스와 활용 인사이트 79편을 최신순으로 모았습니다.
트랜스포머 vs CNN 비교: 합성곱 신경망이 지금도 현역으로 쓰이는 세 가지 현장과 그 이유
비전 트랜스포머가 대규모 학습의 주도권을 가져간 뒤에도 CNN은 사라지지 않았다. ConvNeXt와 YOLO 26, 모바일넷 사례를 따라가며 확장성 경쟁과 효율성 경쟁이 갈라지는 지점을 짚은 해설을 정리했다.
핵심 내용 읽기 →
JEPA 완전 해설: 픽셀 복원 대신 임베딩을 예측하는 자기지도학습 구조와 표현 붕괴 방지 원리
가려진 픽셀을 복원하도록 배운 모델이 뿌옇게 뭉개진 결과를 내놓는 것은 손실 함수의 정확한 최적해다. JEPA가 예측 대상을 픽셀에서 표현으로 옮긴 이유와 표현 붕괴를 막는 장치, 그리고 실측으로 확인된 성능 차이까지 정리했다.
핵심 내용 읽기 →
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 →
단안 카메라 SLAM 신기법 SLAM-MER, 시공간 지도 조회로 초당 80프레임 실시간 위치추정 달성
CVPR 2026에서 발표된 단안 SLAM 연구를 정리했다. 보정 정보 없는 카메라 한 대로 지도를 만들며 위치를 추정하되, 지도 점을 시간과 공간 양쪽으로 골라 오는 방식으로 초당 80프레임을 넘긴 파이프라인이다.
핵심 내용 읽기 →
번들 조정과 평행 강성: 3D 복원에서 카메라와 점이 통째로 어긋나는 원인과 해법
MERL 연구진이 CVPR 2026에서 발표한 번들 조정 연구를 정리했다. 3D 복원 결과에서 점 무리가 통째로 어긋나는 원인을 해의 유일성 문제로 보고, 그래프 구조만 검사해 걸러 내는 방법을 다룬다.
핵심 내용 읽기 →
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 →
BEiT 논문 리뷰 정리: 마스크 이미지 모델링과 비주얼 토큰, 자기지도학습 논쟁까지
이미지 트랜스포머에 BERT식 사전학습을 이식한 BEiT를 다룬 국내 논문 리뷰 세미나 내용을 정리했다. 비주얼 토큰과 블록 단위 마스킹의 설계 의도, 그리고 성능 향상의 공을 어디에 돌려야 하는지에 대한 토론까지 담았다.
핵심 내용 읽기 →
Show, Attend and Tell 논문 리뷰: 이미지 캡셔닝 어텐션과 소프트·하드 방식 차이
이미지를 문장으로 옮기는 캡셔닝 모델에 사람의 시선처럼 움직이는 어텐션을 붙인 2015년 논문을, 국내 논문 리뷰 세미나 발표를 토대로 소프트·하드 두 방식의 차이와 어텐션 시각화가 주는 설명력까지 차근차근 정리했다.
핵심 내용 읽기 →
오픈 보캐뷸러리 객체 탐지: 이미지-캡션 사전 학습으로 처음 보는 클래스까지 검출하는 방법
바운딩 박스 주석 없이 웹에서 모은 이미지와 캡션 쌍으로 먼저 사전 학습한 뒤 객체 탐지로 전이하는 오픈 보캐뷸러리 방식을 논문 리뷰로 정리했다. 제로샷·약지도 탐지와의 차이, 그리고 평가에 남은 한계까지 짚는다.
핵심 내용 읽기 →
자율주행 3D 점유 예측에 CLIP 결합하기: 오픈 보캐뷸러리 인식 실험 세 가지 전략 비교
학습 데이터에 없는 공사 자재나 특수 차량까지 알아보려면 어디에 언어 정보를 붙여야 할까. 카메라 기반 3D 점유 예측 모델에 세 가지 방식으로 CLIP을 결합해 비교한 실험의 설계와 결과를 정리했다.
핵심 내용 읽기 →
토마소 포지오 평전: 파리 시각 연구에서 정규화 이론과 서포트 벡터 머신, 뇌·마음·기계 센터까지
파리를 대상으로 한 시각 실험에서 출발해 정규화 이론과 학습의 안정성, 서포트 벡터 머신, 그리고 지능 자체를 묻는 연구소 설립까지 이어진 토마소 포지오의 궤적을 AI가 생성한 대담 형식으로 따라간 기록이다.
핵심 내용 읽기 →
비전 트랜스포머(ViT) 강의 정리: 이미지를 패치 토큰으로 자르는 이유와 CNN의 귀납 편향을 포기해 얻는 것
버클리 컴퓨터 비전 강의가 픽셀을 그대로 토큰으로 쓰던 초기 시도부터 이미지를 16x16 패치로 자르는 방식까지 설명한다. 합성곱 신경망의 귀납 편향을 버린 대가로 훨씬 많은 데이터가 필요해지는 맞바꿈을 짚는다.
핵심 내용 읽기 →
비전 트랜스포머 스케일 문제 해설: Swin 트랜스포머와 RT-DETR가 작은 물체를 잡는 방법
16x16 고정 패치로는 작은 물체가 토큰 하나에 묻힌다. 계층적 Swin 트랜스포머와 특징 피라미드 네트워크, 그리고 CNN과 트랜스포머를 나눠 쓴 RT-DETR가 다중 스케일 객체 탐지를 어떻게 풀었는지 정리했다.
핵심 내용 읽기 →
딥러닝 시각 모델과 인간 시각의 정렬 문제, 성능이 오를수록 멀어지는 이유와 해법
브라운대 토마 세르 교수가 MIT 강연에서 이미지 분류 정확도가 인간을 넘어선 딥러닝 모델들이 오히려 사람과 전혀 다른 단서를 본다는 측정 결과와, 이 어긋남을 되돌리는 학습 기법 및 새로운 데이터 설계 방향을 함께 설명했다.
핵심 내용 읽기 →
시각 AI 인간 정렬 문제: 이미지넷 정확도가 오를수록 사람의 시선과 멀어지는 딥러닝 모델
브라운대 토마스 세르의 MIT CBMM 강연 정리. 이미지넷 정확도가 사람을 넘어선 뒤부터 모델이 보는 곳과 사람이 보는 곳이 어긋났고, 심리물리 데이터를 함께 학습시키는 하모나이제이션과 영상 기반 자기지도학습이 해법으로 제시됐다.
핵심 내용 읽기 →
합성곱 신경망(CNN) 원리 완전 정리: MIT 6.S191 컴퓨터 비전 강의 핵심 해설
MIT 딥러닝 입문 강의가 이미지를 숫자 배열로 보는 것부터 합성곱, 풀링, 물체 검출과 분할까지 CNN의 뼈대를 정리했다. 특징을 사람이 정의하지 않고 데이터에서 학습한다는 발상의 전환이 핵심이다.
핵심 내용 읽기 →
스윈 트랜스포머 구조 해설: 이동 윈도 셀프어텐션과 계층적 텐서로 CNN 백본 대체하기
트랜스포머를 이미지에 그대로 쓰면 연산량이 입력 크기의 제곱으로 늘고 크기가 다른 물체에 약합니다. 스윈 트랜스포머가 윈도 단위 어텐션과 이동 윈도, 계층적 텐서로 이 두 한계를 어떻게 풀었는지 구조 단위로 정리했습니다.
핵심 내용 읽기 →
비전 언어 모델 학습 레시피 정리: 사전학습·중간학습·미세조정이 바꾼 컴퓨터 비전 8년
ETH 취리히 로봇 학습 강의에 초청된 메타 연구자가 컴퓨터 비전이 8년 만에 쓸 만해진 과정을 사전학습·중간학습·미세조정 레시피로 정리하고, 규모 확장의 조건과 데이터 필터링의 함정, 추론과 계획이라는 남은 과제를 짚었다.
핵심 내용 읽기 →
이미지 임베딩이란? CLIP·DINOv2로 이해하는 재사용 가능한 벡터 표현과 시각 검색
이미지를 의미가 담긴 벡터로 바꾸는 이미지 임베딩의 개념과, 분류 전용 합성곱 신경망에서 CLIP·DINOv2 같은 파운데이션 모델로 넘어가며 재사용성이 어떻게 달라졌는지, 이 벡터가 텍스트·이미지 검색에 어떻게 쓰이는지 정리했습니다.
핵심 내용 읽기 →
자가 진화형 피지컬 AI 연구 계획: 시뮬레이션과 현실을 오가는 순환 학습과 4D 시공간 일관성
서울대 AI연구원 컴퓨터비전 센터 킥오프 발표를 정리했다. 로봇이 현실에서 넘어지고 부딪히는 상황을 스스로 만들어 학습하는 자가 진화형 피지컬 AI의 구상과, 인지 AI와 추론 AI 두 축으로 나뉜 연구 계획, 그리고 안전성 확보 방안을 짚는다.
핵심 내용 읽기 →
공간지능이란 무엇인가: 페이페이 리가 TED 강연에서 설명한 보고 행동하는 AI의 다음 단계
5억 4천만 년 전 최초의 눈이 캄브리아기 폭발을 열었듯, 페이페이 리는 기계가 3차원 공간을 이해하고 예측해 행동하는 '공간지능'이 AI의 다음 단계라고 말한다. 이미지넷부터 로봇 학습까지 짚은 TED 강연을 정리했다.
핵심 내용 읽기 →
컴퓨터 비전 등변성과 모델 면역화: 정확도 너머를 겨냥한 두 갈래 연구 (TTIC 콜로퀴엄 정리)
퍼듀대 레이먼드 예 교수가 TTIC 콜로퀴엄에서 발표한 두 연구를 정리했다. 이미지가 회전해도 출력이 예측 가능하도록 가중치 대역을 제한하는 '소프트 등변' 층, 그리고 공개 모델의 악용 미세조정을 어렵게 만드는 모델 면역화 기법이다.
핵심 내용 읽기 →
뉴럴 스타일 트랜스퍼부터 CycleGAN까지, 이미지 변환 모델 계보를 강의로 정리했다
UC 버클리 CS 198-126 강의가 다룬 이미지 대 이미지 변환 정리. 스타일 트랜스퍼의 그람 행렬 손실부터 pix2pix, CycleGAN, StarGAN, BicycleGAN까지 각 모델이 푼 문제를 짚는다.
핵심 내용 읽기 →
CLIP 원리와 제로샷 분류: 버클리 CS 198-126 강의로 이해하는 멀티모달 표현 학습
이미지와 캡션을 같은 잠재 공간에 맞추는 CLIP의 대조 학습 방식, 미세조정 없이 분류가 되는 제로샷 예측의 원리, 그리고 사진으로 배운 모델이 스케치 앞에서 무너지는 분포 변화 문제를 버클리 학부 강의로 정리했다.
핵심 내용 읽기 →
CNN 멀티스케일 원리 정리: 계층적 특징, U-Net 스킵 연결, 피처 피라미드 네트워크
합성곱 신경망이 크기가 제각각인 물체를 모두 인식하는 비결은 계층적 특징에 있다. LeNet에서 AlexNet으로 이어진 흐름과 함께 앵커 박스, U-Net 스킵 연결, 피처 피라미드 네트워크가 이를 어떻게 보완하는지 정리했다.
핵심 내용 읽기 →
이미지 복원과 AI: MRI·암 진단 영상을 바꾸는 딥인버스 파이토치 오픈소스 라이브러리
픽셀이 주어진 다음이 아니라, 세상에서 픽셀을 얻어내는 단계가 진짜 병목이다. 파이토치 콘퍼런스 발표를 토대로 MRI와 암 진단 등 의료 영상과 이미지 복원 문제에서 AI가 맡는 역할과 남은 과제를 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 →
희소 시점 3D 가우시안 스플래팅 물리 학습: 카메라 3대로 동적 장면 복원하기 (팀 프로젝트 발표)
카메라 25대가 필요하던 동적 3D 장면 복원을 3~5대로 줄인 대학 수업 팀 프로젝트 발표. 가우시안마다 속도와 가속도를 안정적으로 학습시키는 단계별 최적화, 정규화, 점진적 물리 학습 방법을 설명한다.
핵심 내용 읽기 →
코덱 모션 벡터로 학습 없이 3D 가우시안 스플래팅 갱신하기: 실시간 자유시점 영상 스트리밍 연구
동영상 코덱이 압축 과정에서 이미 만들어 보내는 모션 벡터를 그대로 가져와, 학습이나 최적화 없이 3D 가우시안을 움직인다. 서울대 수업 최종 발표에서 소개된 실시간 자유시점 영상 스트리밍 연구의 아이디어와 실험 결과를 정리했다.
핵심 내용 읽기 →
과일 표면 결함 이상 탐지: 정상 데이터만으로 여러 과일을 하나의 검출기로 검사하기
결함 라벨 없이 정상 과일 이미지만 학습해 표면 결함을 찾는 연구다. 사과·레몬·오렌지·토마토를 하나의 검출기로 다루는 새 벤치마크를 만들고, 학습이 필요 없는 기준선과 자체 설계 모델을 비교한 결과를 정리했다.
핵심 내용 읽기 →
소형 객체 탐지 AP 격차의 원인과 해법: 손실 함수 박스 보정으로 드론·새 탐지 정확도 높이기
공항 안전과 직결된 드론·조류 탐지에서 느슨한 지표와 엄격한 지표의 점수 차가 왜 벌어지는지 분석하고, 모델 구조를 바꾸는 대신 손실 함수 단계의 박스 보정만으로 소형 객체 성능을 끌어올린 팀 프로젝트 발표를 정리했다.
핵심 내용 읽기 →
ICML 2026 논문 해설 — 등변 표현 학습의 잠재 공간 어긋남을 플로우 매칭으로 보정하기
이미지를 돌려 인코딩한 결과와 잠재 공간에서 돌린 결과는 이론과 달리 잘 맞지 않는다. ICML 2026에서 발표된 논문이 이 어긋남을 메우려고 제안한 잔차 흐름 보정 방식과 벤치마크 실험 결과를 한국어로 정리했다.
핵심 내용 읽기 →
알렉스넷(AlexNet)이 AI의 방향을 바꾼 이유: 임베딩 공간의 발견과 설명 가능성의 상실
2012년 8쪽짜리 논문 한 편이 컴퓨터 비전의 방향을 바꿨다. 알렉스넷이 아무도 알려주지 않은 얼굴을 스스로 배운 과정과, 성능은 얻고 설명 가능성은 잃어버린 전환점을 데이터·연산 규모의 관점에서 짚어본다.
핵심 내용 읽기 →
MIT 6.S191 합성곱 신경망(CNN) 강의 정리 - 필터, 풀링, 객체 검출까지 한 번에
MIT 6.S191 딥러닝 입문 3강이 컴퓨터 비전의 기본기를 정리했다. 이미지를 숫자 행렬로 보는 관점부터 패치 단위 합성곱과 풀링, 분류에서 객체 검출·의미 분할·자율주행 제어로 확장되는 흐름까지 짚는다.
핵심 내용 읽기 →
서울대 VIP 연구실 2026 연구 소개 — 비디오 요약·멀티모달 LLM·3D 복원 한눈에
서울대 시각정보처리 연구실이 2026년 연구를 직접 소개했다. 비디오 요약의 진짜 병목은 어디인지, 멀티모달 LLM의 레이어는 왜 낭비되는지, 사진 몇 장으로 움직이는 물체를 어떻게 복원하는지까지 정리했다.
핵심 내용 읽기 →
FrontierNet 정리: 3D 지도 의존을 끊고 이미지로 프런티어와 정보 이득을 예측하는 로봇 탐험
ETH 취리히 연구팀의 FrontierNet은 조밀한 3D 점유 지도 대신 RGB 이미지에서 탐험 경계와 정보 이득을 직접 예측한다. 단안 깊이 기반 앵커링, 지도 없는 탐험, 초기 탐험 효율 개선까지 핵심을 정리한다.
핵심 내용 읽기 →
객체 검출 논문 5편 정리: R-CNN, Faster R-CNN, YOLO, DETR, RT-DETR의 계보
이미지 한 장에 47초가 걸리던 객체 검출이 어떻게 수십 밀리초까지 내려왔을까. R-CNN에서 RT-DETR까지 판을 바꾼 논문 다섯 편이 특징 맵 재사용, 앵커 박스, 집합 예측, 하이브리드 인코더로 병목을 걷어낸 과정을 정리했다.
핵심 내용 읽기 →
약지도 비디오 이상탐지 정리: MIL 랭킹에서 CLIP-TSA, VadCLIP, DSANet까지
영상 전체 라벨만으로 이상 구간을 찾는 약지도 비디오 이상탐지 연구를 고려대 DMQA 공개 세미나 내용으로 정리했다. MIL 랭킹으로 문제를 정식화한 초기 연구부터 CLIP과 텍스트 정렬을 쓰는 최신 기법까지 짚는다.
핵심 내용 읽기 →
클래스 레벨 머신 언러닝이란: 재학습 없이 특정 클래스를 지우는 방법과 얽힘 문제
DMQA 연구실 오픈 세미나를 정리했다. 학습이 끝난 모델에서 특정 클래스만 재학습 없이 제거하는 클래스 레벨 언러닝의 진짜 목표와, 비슷한 클래스가 함께 망가지는 얽힘 문제, 그리고 삭제 흔적을 재는 평가 지표까지 짚는다.
핵심 내용 읽기 →
MUSt3R 논문 리뷰: 카메라 캘리브레이션 없이 여러 장의 사진으로 실시간 3D 공간을 복원하는 법
렌즈 초점거리도 촬영 각도도 모르는 흔들린 사진 몇 장. 네이버랩스 유럽의 MUSt3R는 두 장씩 짝짓는 방식을 버리고 메모리 구조를 도입해 다중 시점을 한 번에 3D 공간으로 복원한다. 논문의 구조와 실험 결과를 살펴본다.
핵심 내용 읽기 →
구글 스트리트 뷰 3D 도시 복원 논문 리뷰: 루프 클로징과 번들 조정으로 누적 오차 잡기
거리에서 찍은 사진만으로 3D 도시 모델을 만든 컴퓨터 비전 연구를 짚어본다. 360도 카메라로 시야 단절을 없애고, 시각 단어 사전과 루프 클로징, 번들 조정으로 누적 오차를 바로잡은 과정을 정리했다.
핵심 내용 읽기 →
YOLO v1 완벽 정리 — 객체 탐지를 회귀 문제로 바꾼 2015년의 발상 전환과 실시간 비전의 시작
이미지 한 장을 분석하는 데 40초가 걸리던 객체 탐지를 초당 45장 수준으로 끌어올린 YOLO v1을 정리했습니다. 분류를 회귀로 바꾼 발상, 7×7 그리드 구조, 배경 오류가 줄어든 이유와 남은 한계까지 짚습니다.
핵심 내용 읽기 →
비전 트랜스포머(ViT) 작동 원리: 이미지 패치 분할, 위치 임베딩, 분류 토큰까지 정리
자연어 처리를 위해 만들어진 트랜스포머가 어떻게 이미지 인식에 쓰이게 됐는지 단계별로 정리했다. 이미지를 패치로 자르는 방법, 합성곱 층으로 벡터를 한 번에 만드는 요령, 위치 임베딩과 분류 토큰의 역할을 살펴본다.
핵심 내용 읽기 →
VGGNet 완전 정복: 3×3 컨볼루션을 깊게 쌓는 설계와 전이학습 레시피가 남긴 유산
큰 필터 하나 대신 3×3 필터를 깊게 쌓은 VGGNet은 어떻게 파라미터를 45% 줄이면서 더 정교한 특징을 잡아냈을까. 이미지넷 성적과 전이학습 표준 레시피, 그리고 지금도 배우는 이유까지 정리했다.
핵심 내용 읽기 →
VGGT 논문 정리 — 후처리 없이 카메라·깊이·3D 포인트를 한 번에 예측하는 트랜스포머
여러 장의 사진에서 카메라 위치와 깊이, 3D 포인트를 반복 최적화 없이 한 번의 신경망 통과로 예측하는 메타의 VGGT 논문을, 모델 구조와 주요 실험 결과, 그리고 남아 있는 한계까지 발표 내용 그대로 정리했습니다.
핵심 내용 읽기 →
비전-언어 모델 기반 이상 탐지 정리: CLIP에서 LLaVA까지, 산업 현장 적용의 현재와 한계
고려대 DMQA 오픈 세미나를 정리했다. 픽셀만 보던 산업 이상 탐지가 비전-언어 모델을 만나 어떻게 달라졌는지, 그리고 가장 좋은 성능조차 사람보다 20%가량 낮은 현재의 한계와 이를 넘으려는 세 갈래 연구 방향을 짚는다.
핵심 내용 읽기 →
3D 포인트 트랙으로 영상 모션 편집하기 — 텍스트 지시의 한계를 넘은 Edit-by-Track
텍스트 지시로는 장면과 물체가 원본에서 크게 벗어난다. 영상에서 추정한 3D 점 궤적을 직접 옮겨 물체 움직임과 카메라 경로를 정밀하게 고치는 영상 편집 연구의 원리와 활용 사례, 남은 한계를 정리했다.
핵심 내용 읽기 →
트랜스포머가 CNN을 대체한 이유: 합성곱과 셀프 어텐션의 차이, 귀납 편향과 표현력 정리
앵무새 깃털을 두른 고양이 사진 한 장을 ResNet은 앵무새로, 비전 트랜스포머는 고양이로 분류했다. 합성곱과 셀프 어텐션의 구조 차이, CNN이 품은 세 가지 귀납 편향, 그리고 트랜스포머가 컴퓨터 비전을 차지한 이유를 따라간다.
핵심 내용 읽기 →
AnyGrasp 논문 리뷰 — 저가 카메라로 사람만큼 물건을 집는 로봇 파지 기술
딥러닝논문읽기모임이 다룬 AnyGrasp 리뷰 정리. 학습하지 않은 물체와 움직이는 물체까지 7자유도로 집어내는 구조, 무게중심 고려, 실험 결과와 한계를 짚는다.
핵심 내용 읽기 →
촬영 후 초점 변경 AI 원리 해설: 착란원과 디포커스 맵으로 학습 데이터를 만드는 법
이미 찍은 사진의 초점을 옮기고 흐림을 지우는 AI 모델의 원리를 카메라 광학부터 설명한다. 핀홀과 렌즈, 착란원 공식으로 학습 데이터를 직접 합성해 흐림을 지우는 모델과 만드는 모델을 함께 훈련시키는 과정을 따라간다.
핵심 내용 읽기 →
CLIP 원리 해설: 언어가 컴퓨터 비전을 바꾼 과정과 제로샷 이미지 분류의 등장
AlexNet에서 CLIP까지, 정답 라벨 대신 자연어 설명으로 학습하는 방식이 컴퓨터 비전을 어떻게 재편했는지 CodeEmporium의 해설 강의를 토대로 대조 학습과 제로샷 분류를 중심으로 정리했다.
핵심 내용 읽기 →
UniSpector 논문 리뷰: 재학습 없이 새로운 제조 불량을 찾는 오픈셋 결함 탐지 기술
서울대 DSBA 연구실이 LG에너지솔루션의 UniSpector 논문을 해설했다. 주파수 정보와 대조 학습으로 프롬프트 임베딩 붕괴를 풀어, 예시 이미지 몇 장만으로 새 불량을 탐지하는 방법을 정리한다.
핵심 내용 읽기 →
베수비오 챌린지 - AI로 탄 파피루스를 펼치지 않고 해독한 방법과 상금 대회 이야기
화산재에 묻혀 새까맣게 탄 고대 두루마리를 CT로 찍고 딥러닝으로 잉크를 구분해 읽어낸 베수비오 챌린지의 접근법과, 우승 팀이 쓴 모델 구성을 정리했다.
핵심 내용 읽기 →
Pose2ID 논문 리뷰: 학습 없는 인물 재식별(ReID)과 특징 중앙화
서로 다른 카메라에서 같은 사람을 찾는 인물 재식별에서, ReID 백본을 추가 학습하지 않고도 성능을 높이는 Pose2ID의 특징 중앙화·자세 기반 이미지 생성·이웃 보정 방법을 정리했다.
핵심 내용 읽기 →
딥스테레오(DeepStereo): 사진 몇 장으로 새로운 시점의 3D 공간을 합성하는 구글의 딥러닝 기술
구글 연구진의 딥스테레오는 명시적 3D 기하 모델링을 버리고, 평면 스윕 볼륨과 두 개의 신경망 타워로 사진에 없던 시점의 픽셀을 직접 예측한다. 스트리트뷰로 라벨 없이 학습한 원리를 쉽게 풀어본다.
핵심 내용 읽기 →
DINOv3 논문 해설: 라벨 없는 컴퓨터 비전 파운데이션 모델과 그램 앵커링
메타 AI의 DINOv3는 라벨 없이 17억 장 이미지로 학습한 70억 파라미터 비전 파운데이션 모델이다. 자기지도 학습 구조와 밀집 예측 성능을 지켜낸 그램 앵커링을 해설한다.
핵심 내용 읽기 →
메타 SAM 3 논문 리뷰 - 텍스트로 개념을 분할하는 세그멘테이션 모델과 데이터 엔진 정리
메타가 공개한 SAM 3는 짧은 명사구만 입력하면 이미지와 영상 속 해당 개체를 모두 찾아 분할하고 추적한다. 디텍터와 트래커 분리, 프레즌스 토큰, 사람과 AI가 함께 만든 데이터 엔진을 짚었다.
핵심 내용 읽기 →
비주얼 그라운딩 새 접근법, LVLM 어텐션 헤드 3개만으로 학습 없이 객체 찾기
CVPR 2025 하이라이트 논문 리뷰. 대규모 비전 언어 모델 안에는 텍스트가 가리키는 영역에 이미 집중하는 어텐션 헤드가 존재하며, 이를 골라 쓰면 추가 학습 없이도 객체를 찾아낼 수 있다.
핵심 내용 읽기 →
DEIM 객체 탐지: DETR 느린 학습 수렴을 2배로 끌어올린 학습 프레임워크
트랜스포머 기반 객체 탐지 모델 DETR은 학습이 느리다. DEIM이 밀집 일대일 매칭과 매칭 인식 손실로 수렴을 두 배 앞당긴 원리를 정리했다.
핵심 내용 읽기 →
컴퓨터 비전이란 무엇인가: 픽셀 숫자와 CNN으로 기계가 이미지를 이해하는 원리와 남은 한계
얼굴 인식 잠금 해제부터 자율주행과 의료 영상 판독까지 쓰이는 컴퓨터 비전이 이미지를 숫자로 바꿔 이해하는 원리와 합성곱 신경망의 작동 방식, 그리고 기계의 시각이 아직 사람과 무엇이 다른지를 정리했다.
핵심 내용 읽기 →
공간 인지와 프런티어 모델 — 블라들렌 콜툰이 말하는 지능의 두 번째 경로
재밌는 사진의 농담은 이해하면서 욕조 하나 찾지 못하는 AI. 블라들렌 콜툰이 모라벡의 역설과 공간 인지 벤치마크를 통해 프런티어 모델의 한계와 '지능으로 가는 두 번째 길'을 다섯 막의 이야기로 풀어낸다.
핵심 내용 읽기 →
컴퓨터 비전 필독 논문 10선 - LeNet·AlexNet·ResNet부터 CLIP·SAM·스테이블 디퓨전까지
현대 컴퓨터 비전을 만든 대표 논문 10편을 하나의 이야기로 정리했다. CNN의 시작 LeNet부터 AlexNet·ResNet·U-Net·YOLO, 비전 트랜스포머, CLIP·DINO·SAM 같은 파운데이션 모델, 그리고 스테이블 디퓨전까지 흐름을 짚는다.
핵심 내용 읽기 →
D-FINE 실시간 객체 탐지 – DETR의 바운딩 박스 한계를 분포 예측으로 개선
DETR 계열 객체 탐지가 바운딩 박스를 네 개의 정확한 좌표로만 예측하던 한계를, D-FINE이 각 변을 확률 분포로 다듬고 자기증류로 보완하는 방식을 정리했다.
핵심 내용 읽기 →
DINO·DINOv3 자기지도학습 원리: 라벨 없이 이미지 특징을 배우는 학생-교사 구조와 그램 앵커링까지
사람이 붙인 라벨 없이 이미지만으로 특징을 학습하는 자기지도학습의 원리를, CLIP과 SimCLR부터 DINO·DINOv2·DINOv3의 학생-교사 구조와 센터링·멀티크롭·그램 앵커링까지 단계별로 쉽게 설명합니다.
핵심 내용 읽기 →
트랜스포머가 컴퓨터 비전을 장악한 과정: ViT부터 CLIP·SAM까지
2010년대 컴퓨터 비전을 지배한 CNN이 어떻게 트랜스포머에 자리를 내줬는지, 이미지를 패치 시퀀스로 다룬 ViT와 확장성, 그리고 CLIP·SAM 같은 파운데이션 모델의 등장을 정리했다.
핵심 내용 읽기 →
합성곱 신경망(CNN) 3분 정리: 커널·필터·풀링과 PyTorch 구현 원리
CNN이 이미지를 이해하는 원리를 커널·필터·맥스풀링 중심으로 짧고 명확하게 정리한다. RGB 처리 방식과 CNN이 왜 그렇게 효율적인지, PyTorch로 어떻게 구성하는지까지 짚는다.
핵심 내용 읽기 →
비전 트랜스포머(ViT)란? CNN을 넘어선 이미지 인식 방식과 셀프 어텐션 원리 쉽게 정리
10년간 컴퓨터 비전을 지배한 CNN에 도전한 비전 트랜스포머(ViT)의 원리를 쉽게 정리했습니다. 이미지를 16×16 패치로 잘라 언어처럼 처리하는 셀프 어텐션과 88.55% 정확도, CLIP·SAM 응용까지 살펴봅니다.
핵심 내용 읽기 →
DINO 자기지도학습 원리 — 비전 트랜스포머를 라벨 없이 훈련하기
DINO는 라벨 없는 이미지만으로 비전 트랜스포머를 학습시키는 자기지도학습 기법이다. 학생-교사 구조, 멀티크롭, 온도 소프트맥스와 센터링으로 객체 분할 능력이 저절로 나타나는 과정을 정리했다.
핵심 내용 읽기 →
컴퓨터 비전 역사 총정리 — CNN부터 ViT·확산모델까지 한눈에
1950년대 뇌 시각 연구부터 LeNet·AlexNet·ResNet 같은 CNN, 그리고 ViT·CLIP·확산모델에 이르는 컴퓨터 비전 발전사를 문제 유형별로 정리했다.
핵심 내용 읽기 →
컴퓨터 비전이 어려운 이유 — 데이터, 자기지도학습, 그리고 일반화의 벽
인간에겐 너무 자연스러운 '보기'가 컴퓨터에겐 왜 난제인가. 데이터의 중요성, 지도학습과 자기지도학습, 그리고 새로운 상황에 적응하는 문제까지 정리했다.
핵심 내용 읽기 →
OpenCV 완전 입문: 이미지 전처리부터 객체 검출·OCR 활용까지
컴퓨터 비전의 핵심 라이브러리 OpenCV의 정의와 설치, 이미지 전처리 과정, 머신러닝 파이프라인에서의 역할, 객체 검출·OCR 활용과 장단점을 초보자 눈높이로 정리한다.
핵심 내용 읽기 →
비디오 객체 분할(VOS)의 진화 — 언어로 객체를 찾는 ReferFormer·VISA·BRS-HQ 정리
고려대 김성범 교수 연구실 세미나가 비디오 객체 분할(VOS)이 마스크 입력에서 자연어 입력으로, 다시 추론 기반으로 발전한 흐름을 ReferFormer·VISA·BRS-HQ 세 논문으로 짚는다.
핵심 내용 읽기 →
컴퓨터 비전 작동 원리: 픽셀·커널·합성곱 신경망 쉽게 이해하기
컴퓨터 비전이 색 추적, 커널을 이용한 엣지 검출, 얼굴 인식, 합성곱 신경망에 이르기까지 이미지에서 의미를 끌어내는 원리를 단계별로 풀어낸다.
핵심 내용 읽기 →
캡슐 네트워크(CapsNet) 작동 원리: 동적 라우팅과 등변성으로 CNN 한계 넘기
제프리 힌튼이 제안한 캡슐 네트워크(CapsNet)의 작동 원리를 정리한다. 벡터로 객체의 자세를 담는 캡슐, 합의 기반 동적 라우팅, 등변성 개념으로 풀링에 의존하는 CNN의 한계를 어떻게 극복하는지 쉽고 자세히 설명한다.
핵심 내용 읽기 →
비전 트랜스포머(ViT) 작동 원리 — 이미지 패치와 트랜스포머로 분류하는 법, CNN과의 비교
비전 트랜스포머는 이미지를 작은 패치로 쪼개 트랜스포머 구조로 분류하는 모델입니다. CNN과의 차이, 데이터 규모의 중요성, 그리고 사전학습·파인튜닝·추론 과정을 일반 독자도 알기 쉽게 정리했습니다.
핵심 내용 읽기 →
CNN 합성곱 신경망이 이미지를 인식하는 원리 쉽게 이해하기
합성곱 신경망(CNN)은 사람이 특징을 일일이 골라주지 않아도 이미지에서 모서리·코너 같은 특징을 스스로 학습한다. 컴퓨터필레 강연을 토대로 CNN의 작동 원리를 풀어본다.
핵심 내용 읽기 →
웨이모 자율주행 인식 원리: 라이다 점구름과 카메라를 결합한 4D 3D 물체탐지
테슬라의 카메라 전용 방식과 달리 라이다와 카메라를 함께 쓰는 웨이모의 인식 구조를, 점구름·RGB 영상을 시간축까지 묶어 3D 물체를 탐지하는 구글·웨이모 연구로 풀어 설명한다.
핵심 내용 읽기 →
객체 탐지와 YOLO 원리 — 컴퓨터가 실시간으로 사물을 인식하는 법
이미지 분류를 넘어 사진 속 모든 사물의 위치와 종류를 한 번에 찾아내는 객체 탐지 기술과, 영상을 실시간으로 처리하는 YOLO 방식의 원리를 TED 강연을 바탕으로 풀어 설명합니다.
핵심 내용 읽기 →