TimeLens2는 영상 시간적 그라운딩을 가변 개수의 구간 집합 예측 문제로 다루며, 모델이 무엇이 일어났는지뿐 아니라 그 근거가 언제 나타났는지도 제시하도록 한다. 2B, 4B, 8B 모델은 각각 Qwen3-VL 백본 대비 뚜렷한 성능 향상을 보였다.
더 보기REBASE는 한 장의 주석된 참조 이미지로 새로운 대상을 분할하는 training-free 프레임워크입니다. 참조 이미지의 배경 특징 부분공간을 제거해, 배경 때문에 생기는 잘못된 이미지 간 유사도 매칭을 줄입니다.
더 보기VideoChat3는 오픈소스 비디오 MLLM의 한계로 지적돼 온 낮은 범용성, 높은 계산 비용, 불완전한 공개 문제를 겨냥합니다. 4B 파라미터 규모에서 일반 영상, 장시간 영상, 스트리밍 영상 이해를 함께 다루는 것이 핵심입니다.
더 보기arXiv 논문은 훈련 분포를 지속적으로 갱신하는 딥페이크 탐지 시스템 BitMind Forensics를 제안한다. 19개 공개 벤치마크 평가에서 BMF는 실제 환경 이미지, 비디오, AI 생성 미디어 탐지에서 강한 성능을 보고했다.
더 보기VideoRAE는 동결된 비디오 파운데이션 모델의 표현을 압축 가능하고 재구성 가능하며 생성 모델에 적합한 잠재표현으로 전환하려는 접근이다. 픽셀 재구성에 치우친 기존 3D-VAE의 한계를 겨냥한다.
더 보기arXiv 논문이 만주어 역사 문헌 OCR을 사례로, 시각적 서체에 따라 페이지를 전문 모델로 보내는 다중 전문가 방식을 제안했다. 반복 미세조정 과정의 체크포인트를 영역 전문가로 재활용하는 점이 특징이다.
더 보기ABAW11 다중 작업 학습 챌린지를 다룬 arXiv 논문은 표정 분류, 얼굴 행동 단위 검출, 정서가-각성도 추정에 동일한 융합 구조를 강제하는 것이 최선이 아닐 수 있다고 분석한다.
더 보기새 arXiv 논문은 언어 모델링의 Screening 메커니즘을 시각 인식으로 확장한 VisionScreen을 제안한다. 모든 이미지 패치에 상대적 attention 가중치를 주는 대신, 관련성이 낮은 패치를 명시적으로 배제하려는 접근이다.
더 보기새 arXiv 논문은 춤을 단순한 연속 모션 신호가 아니라 해석 가능한 ‘원자 동작’의 시퀀스로 모델링하는 방법을 제안한다. 음악 기반 동작 계획과 부드러운 모션 생성을 분리해 구조와 제어성을 높이는 방식이다.
더 보기arXiv 논문은 심리학의 피크-엔드 법칙에서 영감을 받은 비디오 미학 평가 프레임워크 Peak-End-Net을 제안했다. 이 모델은 모든 프레임을 똑같이 보지 않고, 인상적인 순간과 마지막 장면의 영향을 강조한다.
더 보기arXiv에 공개된 TCA-Net은 저조도 이미지 향상에서 밝기와 색도 스트림을 다시 결합하는 과정의 신뢰성에 초점을 맞춘다. 핵심은 고정 Top-K 선택 대신 임계값 기반 교차 어텐션을 사용하는 것이다.
더 보기PiVoT는 노이즈와 클러터가 많은 레이더 포인트클라우드에서 학습 없이 다중 객체 검출과 추적을 수행하는 프레임워크다. 외부 클러스터링이나 별도 검출기 없이 위치 및 도플러 측정을 함께 활용한다.
더 보기arXiv 새 논문은 고주파의 시점 비의존 텍스처를 압축된 텍스처 아틀라스에 굽는 Spatial Texture-Atlas Splatting을 제안한다. 저자들은 3DGS 대비 최대 5배 속도 향상과 소비자용 하드웨어에서 4K 60FPS 실시간 렌더링을 보고했다.
더 보기RainDancer는 RGB 영상과 이벤트 카메라 신호를 결합해 비 오는 영상의 복원을 개선하려는 프레임워크입니다. 핵심은 두 모달리티를 바로 섞지 않고, 먼저 비와 배경 성분으로 분해한 뒤 상호작용시키는 것입니다.
더 보기