전체 글1154 [논문리뷰] 사진 한 장이 "움직이는" 3D 로봇 자산이 되기까지 — PhysX-Anything: Simulation-Ready Physical 3D Assets from Single Image (CVPR 2026) 이 논문을 고른 이유요즘 3D 생성 모델들은 눈으로 보기에는 그럴듯한 메시(mesh)를 뽑아내지만, 정작 로봇 시뮬레이터에 넣으면 그대로 못 쓰는 경우가 많습니다. 문이 안 열리고, 서랍이 안 빠지고, 물리적으로 말이 안 되는 덩어리로 뭉쳐 나오기 때문입니다. 이번에 소개할 "PhysX-Anything"은 바로 이 지점을 정면으로 파고든 논문입니다(출처: arXiv:2511.13648). 단 한 장의 실제 이미지만 주면, 관절(articulation)과 물리 속성까지 포함된 "시뮬레이션에 바로 넣을 수 있는" 3D 자산을 만들어낸다는 주장인데, 저자들은 이를 "최초의 시뮬레이션 준비 완료형 물리 3D 생성 프레임워크"라고 표현합니다(출처: arXiv:2511.13648). 임베디드 AI·로보틱스 쪽에서 .. 2026. 10. 21. [논문리뷰] "정답 없이도 틀린 부분을 알아낼 수 있을까?" — MatAnyone2: Scaling Video Matting via a Learned Quality Evaluator (CVPR 2026) 이 논문을 고른 이유비디오 매팅(video matting)은 사람이나 물체를 영상에서 머리카락 한 올까지 정교하게 분리해내는 기술로, 배경 교체나 가상 배경 합성 같은 실제 제품에 바로 쓰이는 분야입니다. 그런데 이 분야의 발전은 오랫동안 "학습 데이터 부족"이라는 벽에 막혀 있었습니다. 알파 매트(alpha matte, 투명도를 나타내는 정답 맵)를 프레임마다 직접 그려서 정답을 만드는 작업은 비용이 매우 크기 때문에, 기존 데이터셋은 작고 비현실적인 합성 영상 위주였습니다(출처: arXiv:2512.11782).이번에 소개할 MatAnyone 2는 이 문제를 정면으로 공략합니다. "정답(ground truth) 없이도 알파 매트의 품질을 평가할 수 있는 모델을 학습시켜서, 그 평가 모델로 대규모 실제.. 2026. 10. 21. [논문리뷰] 카메라 정보가 있든 없든 다 받아주는 3D 모델이 있다? — OmniVGGT: Omni-Modality Driven Visual Geometry Grounded Transformer (CVPR 2026) 이 논문을 고른 이유3D 비전 모델을 쓰다 보면 항상 딜레마에 부딪힙니다. 깊이(depth) 센서나 정확한 카메라 파라미터가 있으면 훨씬 정밀한 결과를 얻을 수 있지만, 실제 서비스 환경에서는 그런 "여분의 정보"가 항상 주어지지 않습니다. 어떤 이미지는 RGB만 있고, 어떤 이미지는 깊이가 있고, 어떤 경우엔 카메라 파라미터까지 알려져 있죠. 이 논문은 이런 비대칭적 입력 문제를 정면으로 다룹니다(출처: arXiv:2511.10560).저자들은 홍콩과기대(HKUST), 난양공대(NTU) MMLab, 중산대(SYSU), 싱가포르국립대(NUS), 알리바바 그룹 소속입니다(출처: arXiv:2511.10560). Haosong Peng과 Hao Li가 공동 1저자, Yufeng Zhan·Junfei Zhan.. 2026. 10. 21. [논문리뷰] 자율주행 월드모델, 정말 "세상을 이해"하고 있을까? — WorldLens: Full-Spectrum Evaluations of Driving World Models in Real World (CVPR 2026) 이 논문을 고른 이유최근 자율주행 분야에서는 "월드모델(World Model)"이라는 단어가 거의 모든 발표 자료에 등장합니다. 카메라 영상만 보고 미래의 주행 장면을 그려내거나, 가상의 시나리오를 생성해 시뮬레이션에 활용하는 모델들이 쏟아지고 있죠. 그런데 흥미로운 점은, 이런 월드모델들을 "얼마나 잘 만들었는지" 평가하는 방법은 여전히 제각각이라는 사실입니다. 어떤 논문은 영상 품질(FVD) 하나만 보고, 어떤 논문은 3D 복원 정확도만 보고, 어떤 논문은 사람이 보기에 그럴듯한지만 봅니다(출처: arXiv:2512.10958).이번에 소개할 WorldLens는 바로 이 문제, 즉 "자율주행 월드모델을 제대로, 전방위적으로 평가하는 기준이 없다"는 점을 정면으로 다룬 CVPR 2026 Oral 논문입.. 2026. 10. 21. [논문리뷰] 확산 모델의 어텐션, N제곱 대신 N로그N이면 충분하다 — Trainable Log-linear Sparse Attention for Efficient Diffusion Transformers (CVPR 2026) 이 논문을 고른 이유Diffusion Transformer(DiT)는 이미지·영상 생성의 표준 아키텍처로 자리잡았지만, 핵심 연산인 셀프 어텐션의 비용이 토큰 수의 제곱(O(N^2))으로 늘어난다는 근본적 약점을 안고 있습니다. 고해상도 이미지나 긴 영상은 토큰 수가 수만 개 단위로 늘어나 어텐션 연산이 학습·추론 시간의 대부분을 잡아먹게 됩니다(출처: arXiv:2512.16615).이번 논문은 이 문제를 "희소 어텐션(sparse attention)"으로 풀되, 기존 Top-K 방식들이 갖고 있던 숨은 함정, 즉 "어떤 토큰을 고를지 고르는 과정" 자체가 여전히 제곱 비용이라는 점을 지적합니다(출처: arXiv:2512.16615). CVPR 2026 Highlight로 선정된 이 작업은 NTU S-.. 2026. 10. 21. [논문리뷰] 이미지 편집, 딱 "한 걸음"이면 충분할까? — ChordEdit: One-Step Low-Energy Transport for Image Editing (CVPR 2026) 이 논문을 고른 이유텍스트로 이미지를 편집하는 기술은 최근 눈부시게 발전했지만, 대부분은 여전히 수십 단계의 디퓨전 역방향 과정과 "인버전(inversion)"이라는 복잡한 전처리를 거쳐야 했습니다. 그런데 최근에는 한 번의 추론 스텝만으로 이미지를 생성하는 "원스텝(one-step) 생성 모델"이 각광받고 있습니다. 문제는 기존 편집 기법을 이런 원스텝 모델에 그대로 적용하면 물체가 뒤틀리거나 배경이 망가지는 부작용이 심하게 나타난다는 점입니다(출처: arXiv:2602.19083).이 논문 ChordEdit은 바로 이 지점을 파고듭니다. "왜 원스텝 편집이 어려운가"를 수학적으로 설명하고, 그 원인을 최적 운송(optimal transport) 이론으로 풀어 단 한 번의 큰 적분 스텝으로도 고품질 편.. 2026. 10. 21. 이전 1 2 3 4 ··· 193 다음