ICML 2021에서 발표된 그래프 기반의 시공간 시계열 예측(Spatio-temporal Time-series Forecasting) 연구를 소개한다.
음성 기반 AI 기술의 발전과 성능 평가를 결정짓는 핵심 요소인 벤치마크 데이터셋의 역할과 국내외 현황을 분석한다.
LG AI연구원이 대조 학습(Contrastive Learning)을 활용해 지도학습보다 높은 정확도를 가진 비지도 이상 탐지 모델을 구현했다.
생성 모델의 핵심인 Diffusion Model의 원리와 다양한 생성 모델 간의 차이점을 분석한다.
NeurIPS 2021에서 발표된 Variational Autoencoder 기반의 Deep Clustering 기법과 주요 논문을 리뷰한다.
최적의 신경망 구조를 자동으로 탐색하는 Neural Architecture Search(NAS)의 개념과 비용 절감 기술을 리뷰한다.
DALL-E의 등장부터 VQ-VAE 기반 모델을 거쳐 LG AI 연구원의 L-Verse까지, Vision-Language 모델의 발전 과정을 살펴본다.
언어 모델의 성능 향상을 위해 외부 지식과 검색 기술을 결합하는 다양한 연구 사례를 살펴본다.
시계열 데이터의 복잡한 패턴을 학습하여 비정상 데이터를 탐지하는 딥러닝 기반 이상 감지 기술과 최신 연구를 소개한다.
Decision Transformer는 강화학습 문제를 시퀀스 모델링 문제로 변환하여 Transformer 구조를 통해 안정적인 정책 학습을 구현한다.
CVPR 2022에서 주목받은 NeRF 기술의 개념과 단일 이미지 활용, 한계 극복 및 확장성 등 최신 연구 동향을 살펴본다.
CVPR 2022에서 발표된 Transformer 기반 및 자기지도 학습 기반의 연속 학습 최신 연구 동향을 소개한다.
매개 변수화된 하위 작업 그래프 추론(PSGI)을 통해 학습하지 않은 새로운 개체와 작업에 대한 AI의 일반화 성능을 높였다.
LLM이 가진 상식을 활용해 복잡한 작업을 단계별로 계획하고, 상호 정보량 기반의 랭킹과 환경 피드백을 통해 계획의 정확도를 높이는 방법론을 제시했다.
인간의 언어적 설명을 활용해 이미지 도메인이 바뀌어도 성능을 유지하는 도메인 일반화(DG) 기술을 제안했다.
데이터 불균형 문제를 해결하기 위한 Long-Tail Distribution 학습의 개념과 다양한 방법론을 살펴본다.
ICML 2022에서 발표된 Self-supervised learning 관련 논문 중 ADIOS 프레임워크를 중심으로 핵심 기술을 소개한다.
ICML 2022에서 발표된 신경 조합 최적화(NCO) 연구를 통해 대규모 그래프 데이터 처리를 위한 LeNSE 방법론을 소개한다.
NVIDIA GTC 2022에서 발표된 디지털 아바타의 분류와 이를 구현하는 ACE 기술 및 응용 사례를 정리했다.
NVIDIA GTC 2022에서 발표된 개인화된 이미지/언어 모델과 혁신적인 Instant NeRF 기술을 소개한다.
AI Briefing