Shen Fu 등 연구진이 개발한 CKMDiff 모델은 AI 기반 생성적 확산 모델을 활용하여 제한된 데이터로부터 고품질의 채널 지식 맵(CKM)을 생성하는 혁신적인 기술입니다. 환경 인식 데이터 증강 기법을 통해 성능을 향상시켰으며, 다양한 CKM 생성 작업에서 최첨단 성능을 달성했습니다. CKMDiff는 무선 통신 분야의 혁신을 이끌고 미래 기술 발전에 기여할 것으로 기대됩니다.

화웨이 번역 서비스 센터(HW-TSC)는 ICDAR 2025에서 최첨단 대규모 비전-언어 모델(LVLM)을 기반으로 한 엔드투엔드 문서 이미지 기계 번역 시스템을 선보였습니다. 다중 작업 학습과 지각 사고 연쇄를 결합한 훈련 프레임워크와 최소 베이지안 디코딩 및 후처리 전략을 통해 OCR 기반 및 비 OCR 기반 문서 모두에 대한 정확하고 효율적인 번역을 제공하는 시스템입니다.

FLUKE 프레임워크는 언어적 변형을 통해 AI 모델의 견고성을 평가하는 새로운 방법론으로, LLM과 인간 검증을 결합하여 정확성을 높였습니다. 실험 결과는 작업 의존성, LLM의 상대적 우수성, 부정 표현의 취약성 등을 보여주며, AI 모델의 견고성 평가의 중요성을 강조합니다.

Meher Boulaabi 외 연구진은 DeepLabv3+ 모델을 이용한 혁신적인 당뇨병성 망막병증 병변 분할 기법을 제시하여 99%의 높은 정확도를 달성했습니다. 각 병변 유형에 특화된 이진 분할과 데이터 증강 및 전처리 기법을 통해 데이터셋의 제한과 어노테이션의 복잡성을 극복했습니다. 이 연구는 의료 영상 분석 분야에 중요한 발전을 가져올 것으로 기대됩니다.

본 논문은 고객의 구매 이력을 기반으로 고객 페르소나를 생성하여 전자상거래 추천 시스템의 성능을 향상시키는 새로운 방법을 제시합니다. GPLR 및 RevAff 알고리즘을 통해 효율성과 정확성을 개선하였으며, 실제 데이터셋을 이용한 실험 결과 최대 12%의 성능 향상을 확인했습니다.