중국과학원 연구팀이 개발한 '도메인 가이드'는 사전 훈련된 확산 모델의 전이 학습을 위한 혁신적인 접근 방식으로, 기존 방식보다 효율적이며 성능 향상을 가져옵니다. 다양한 벤치마크에서 괄목할 만한 성능 향상을 보였으며, 추가 훈련 없이 기존 모델에 통합 가능하다는 장점이 있습니다.

Wang Zixuan 등 연구진이 개발한 DADG 프레임워크는 모듈식 조건부 이미지 합성을 통해 기존 방법의 한계를 극복하고 다양한 조건을 효과적으로 처리하는 혁신적인 기술입니다. 텍스트, 레이아웃, 드래그 등의 조건을 각각의 정렬 모듈로 처리하여 정밀한 제어와 시각적 아티팩트 최소화를 달성했습니다. 훈련이 필요 없다는 점이 큰 장점이며, 앞으로 AI 기반 창작 도구 및 다양한 분야에 혁신을 가져올 것으로 기대됩니다.

본 기사는 Zhengwei Tao 등 연구진이 개발한 새로운 미래 예측 벤치마크 PROPHET에 대해 소개합니다. PROPHET은 인과 개입 가능도(CIL)라는 통계적 척도를 활용하여 추론 가능한 질문들로 구성되어 있으며, AI 기반 미래 예측 시스템의 성능 평가와 향후 연구 방향을 제시하는 데 중요한 역할을 할 것으로 기대됩니다.

중국과학원 연구진이 자기중심 상호작용 이해를 위한 새로운 과제 Ego-IRG와 대규모 데이터셋 Ego-IRGBench를 제시하고, 다중 모달 대규모 언어 모델 기반의 통합 모델 ANNEXE를 개발하여 효과성을 입증했습니다.

전주상민, 이강주, 이경원, 이우주 연구팀이 개발한 HH-PIM 아키텍처는 에너지 제약이 심한 에지 환경에서 AI 애플리케이션의 에너지 효율을 획기적으로 개선합니다. 고성능 및 저전력 PIM 모듈의 조합과 동적 데이터 배치 최적화 알고리즘을 통해 기존 PIM 대비 최대 60.43%의 에너지 절감 효과를 달성했습니다.