제조 공정의 품질 관리를 위한 딥러닝 기반 이상 탐지 기술과 PatchCore, ReConPatch 알고리즘을 소개한다.
LG AI Research가 비디오 내 복잡한 시공간 관계를 효율적으로 처리하여 3D 인간의 포즈와 형상을 정밀하게 추정하는 프레임워크를 제안했다.
공간-시간적 관계를 효율적으로 모델링하여 복잡한 환경에서도 강건한 3D 인체 포즈 및 형상 추정 기술을 개발했다.
ICLR 2024에서 발표된 혁신적인 시계열 예측 모델들의 방법론과 기술적 특징을 소개한다.
시계열 데이터를 처리하기 위한 파운데이션 모델의 개념과 LLM 활용 방식에 따른 분류를 살펴본다.
시계열 데이터를 해결하기 위한 Foundation 모델의 최신 연구 방법론을 LLM 활용 방식에 따라 분류하여 소개한다.
LG AI Research와 KAIST가 NAACL 2024의 EHRSQL 태스크에서 의료 데이터 추출을 위한 신뢰성 높은 Text-to-SQL 모델로 1위를 차지했다.
LG AI 연구원이 KAIST와 함께 의료 데이터 접근성을 높이는 신뢰할 수 있는 Text-to-SQL 모델로 NAACL 2024 워크숍에서 1위를 차지했다.
LG AI Research가 ICLR 2024에서 필터 프루닝과 저계수 분해를 결합한 새로운 모델 압축 기술인 LeSS를 선보였다.
LG AI Research가 기존 LMM의 데이터 라이선스 문제를 해결하고 효율성을 높인 EXAONE LMM 구조를 제안했다.
LG AI 연구원이 EXAONE의 Image Understanding과 Generation 기술을 결합해 화담숲 미디어아트를 구현한 사례를 소개한다.
LG AI Research가 비동기 멀티 에이전트 강화 학습(MARL)의 효율성을 높이는 AOCC 아키텍처를 제안했다.
비동기적 환경에서 에이전트 간 관측 시점 차이를 극복하기 위해 AOCC 구조를 제안하여 MARL 학습 효율을 높였다.
LG AI Research가 AAMAS 2024에서 실세계 문제 해결을 위한 Multi-Agent Reinforcement Learning(MARL) 적용 사례를 발표했다.
LG AI 연구원이 AAMAS 2024에서 자율 주행 및 산업 현장 최적화를 위한 멀티 에이전트 강화학습 연구를 발표했다.
LG AI 연구원과 미시건 대학교의 공동 연구가 LLM의 문화적 상식 이해와 편향성을 분석하여 NAACL 2024 소셜 임팩트 어워드를 수상했다.
LG AI Research와 미시간 대학교의 공동 연구가 LLM의 문화적 상식 이해 능력을 분석하여 NAACL 2024 소셜 임팩트 상을 수상했다.
LG AI Research가 ICLR 2024에서 발표한 파운데이션 모델의 해석 가능성, 지속 가능성, 안전성 중심의 최신 연구 트렌드를 소개한다.
ICLR 2024에서 발표된 Foundation Model의 일반화 능력, 효율성, 안전성에 관한 최신 연구 동향을 소개한다.
CVPR 2024에서 Best Paper로 선정된 'Generative Image Dynamics' 연구를 통해 정지 영상에서 자연스러운 움직임을 생성하는 기술을 소개한다.
LG AI Research가 영어와 한국어 성능이 뛰어난 오픈 소스 모델 EXAONE 3.0 7.8B를 공개했다.
LG AI연구원이 영어와 한국어 성능이 뛰어난 전문가용 AI 모델 EXAONE 3.0 7.8B를 오픈소스로 공개했다.
AI Briefing