Trivy — 컨테이너·클라우드 SBOM 보안 스캐너

모델/아키텍처

이 논문은 대규모 추론 모델(LRM)이 쉬운 문제에 자원을 낭비하거나 어려운 문제를 충분히 고민하지 못하는 비효율성 문제를 다룹니다. 추론의 깊이를 적절히 조절하여 모델의 연산 효율과 정확도를 동시에 높이는 균형 잡힌 접근법을 제안합니다.

모델/아키텍처 개발 도구

현재의 MLLM이 비디오 내 이벤트를 예측할 때 논리적 연결이 부족해 오류를 내는 원인을 깊이 있게 분석한 연구입니다. 비디오 내 사건들을 체인 형태로 연결하여 모델의 세밀한 시간적 흐름 파악 능력을 크게 향상시키는 방법을 제시합니다.

모델/아키텍처 추론/검색

시각적 공간 인지에 어려움을 겪는 MLLM의 한계를 극복하기 위해 대규모 비디오 생성 모델의 내재된 3D 지식을 활용하는 새로운 패러다임을 제안합니다. 복잡한 외부 데이터 없이도 모델이 3D 공간과 기하학적 구조를 깊이 이해할 수 있게 도와줍니다.

신뢰성/안전

지시어 기반 비디오 편집 시 원하는 부분만 정확히 수정하면서 원래의 자연스러운 움직임은 그대로 유지하도록 돕는 SAMA 프레임워크를 소개합니다. 외부 조건에 의존하던 기존 방식과 달리 편집 과정을 의미와 움직임으로 분리하여 모델의 안정성을 크게 높였습니다.

개발 도구

특정 3D 대상을 기반으로 어느 각도에서 봐도 자연스럽고 일관성 있는 비디오를 만들어내는 고품질 생성 모델을 제안합니다. 대상을 2D 평면적으로만 다루던 기존 모델들의 한계를 넘어 실제 환경처럼 입체감 있는 영상을 구현할 수 있습니다.

모델/아키텍처 추론/검색

시각적 공간 인지에 어려움을 겪는 MLLM의 한계를 극복하기 위해 대규모 비디오 생성 모델의 내재된 3D 지식을 활용하는 새로운 패러다임을 제안합니다. 복잡한 외부 데이터 없이도 모델이 3D 공간과 기하학적 구조를 깊이 이해할 수 있게 도와줍니다.

Xianjin Wu, Dingkang Liang, Tianrui Feng

신뢰성/안전

지시어 기반 비디오 편집 시 원하는 부분만 정확히 수정하면서 원래의 자연스러운 움직임은 그대로 유지하도록 돕는 SAMA 프레임워크를 소개합니다. 외부 조건에 의존하던 기존 방식과 달리 편집 과정을 의미와 움직임으로 분리하여 모델의 안정성을 크게 높였습니다.

Xinyao Zhang, Wenkai Dong, Yuxin Song

arXiv 논문