AI Briefing#computer-vision
#computer-vision와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#computer-vision와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
로봇의 공간 추론·성공 감지·계기판 판독을 강화한 Gemini Robotics-ER 1.6 공개.
Lyra 2.0은 spatial forgetting과 temporal drifting을 줄여 더 길고 일관된 3D 세계를 만든다.
World Labs가 대규모 3D Gaussian 월드를 위한 스트리밍 엔진 Spark 2.0을 공개했다.
Gemini Robotics-ER 1.6가 공간 추론·instrument reading·안전성을 강화했다.
ElevenLabs의 API를 활용해 사진 속 동상과 실시간 음성 대화를 나누는 멀티모달 앱의 아키텍처와 구현 방법을 소개한다.
넷플릭스가 객체 제거 시 물리적 상호작용까지 자연스럽게 처리하는 비디오 인페인팅 모델 VOID를 공개했다.
오픈소스 AI 모델 SpeciesNet이 카메라 트랩의 방대한 데이터를 자동 분석하여 야생동물 보호 활동을 지원한다.
Qwen-Image-Edit-2511이 이미지 드리프트를 줄이고 인물·다중 인물 일관성을 크게 높였다.
Qwen3-Omni-Flash-2025-12-01은 음성·시각·텍스트 전반을 더 안정적으로 다루도록 업그레이드됐다.
ARHIS Ambient가 오디오, 영상, 환경 데이터를 결합한 멀티모달 AI로 블랙아이스 감지 정검지율 96.7%를 기록했다.
수동 검토 부담을 줄이기 위해 스윈 트랜스포머 도입 및 인지심리학 기반 라벨링 도구를 개발해 운영 효율성을 높였다.
SP4D는 단일 시점 입력으로 RGB와 kinematic part 비디오를 함께 생성한다.
실사 데이터를 Winning 이미지로 활용하는 3단계 Curriculum Learning을 적용해 인물 생성 품질을 높인 HG-DPO 연구가 CVPR 2025 하이라이트 논문으로 선정됐다.
Qwen이 강화학습으로 성능을 최적화한 32B 규모의 오픈소스 멀티모달 모델 Qwen2.5-VL-32B-Instruct를 공개했다.
Stable Virtual Camera는 2D 이미지를 정교한 3D 카메라 경로를 따라 움직이는 몰입형 3D 비디오로 변환하는 멀티뷰 확산 모델이다.
Hugging Face가 timm의 다양한 컴퓨터 비전 모델을 transformers 생태계에서 사용할 수 있게 하는 TimmWrapper를 공개했다.
SPAR3D는 포인트 디퓨전 모델을 활용해 단일 이미지로부터 고정밀 3D 객체를 0.7초 만에 재구성한다.