중국과학원 연구팀이 이미지 복원 기술을 활용하여 대면적 가시적 워터마크 제거의 성능을 크게 향상시킨 새로운 딥러닝 기반 프레임워크를 개발했습니다. 저품질 워터마크 마스크에도 강인한 성능을 보이며, 기존 최첨단 기술을 능가하는 결과를 보였습니다.

Li Bo와 Yun Jing 연구팀은 분리된 변형 자동 인코더를 이용하여 다중 뷰 데이터의 공유 정보와 개별 정보를 분리하고, 이중 일관성 제약을 통해 더욱 정확한 다중 뷰 클러스터링을 가능하게 하는 새로운 프레임워크를 제시했습니다. 기존 방법들을 능가하는 성능을 보이며 다중 뷰 클러스터링 분야에 혁신을 가져왔습니다.

Tzu-Han Hsu, Arshia Rafieioskouei, Borzoo Bonakdarpour 세 연구자가 개발한 HypRL은 하이퍼 속성을 이용하여 다중 에이전트 시스템의 복잡한 제어 정책을 학습하는 혁신적인 강화 학습 기법입니다. Skolemization과 정량적 강건성 함수를 활용하여 HyperLTL 공식을 기반으로 보상 함수를 정의하고, 강화 학습을 통해 안전성, 공정성 등 다양한 요구사항을 만족하는 최적의 정책을 학습합니다.

Ngoc-Quang Nguyen의 EquiCPI 모델은 3D 구조 정보를 활용한 혁신적인 단백질-화합물 상호작용 예측 모델입니다. ESMFold와 DiffDock-L, SE(3)-equivariant 신경망을 활용하여 기존 모델보다 높은 정확도를 달성했으며, 신약 개발 분야에 긍정적인 영향을 미칠 것으로 기대됩니다.

본 연구는 딥러닝 기반 의료 영상 분할 모델의 설명 가능성을 높이기 위해 셰이플리 값을 활용한 새로운 방법을 제안합니다. 뇌종양 분할 모델 분석 결과, U-Net과 Swin-UNETR의 차이점을 명확히 밝혀내어 AI 모델의 투명성과 신뢰성을 향상시키는 데 기여합니다.