이병현, 임성진, 전세영 연구원 팀이 훈련이 필요없는 GLoCE 기법을 통해 텍스트-이미지 확산 모델의 국소적 개념 삭제 문제를 해결했습니다. 이 기술은 이미지의 특정 영역에만 존재하는 개념을 제거하여 이미지 품질을 유지하면서 유해 콘텐츠 생성을 방지하는 데 효과적입니다.

백인창, 김성현, 이서영, 김동현, 김경중 연구원 팀이 개발한 IPCGRL은 자연어 지시어를 활용해 게임 레벨을 생성하는 강화학습 기반 방법입니다. 2차원 레벨 생성 실험에서 기존 방법 대비 제어성과 일반화 성능이 크게 향상되었으며, 게임 개발의 상호작용 방식에 혁신을 가져올 잠재력을 지닌 기술입니다.

인천대학교 연구팀이 개발한 CompMarkGS는 압축된 3D Gaussian Splatting 모델에서도 워터마크를 안전하게 보존하는 기술로, 양자화 왜곡 계층, 학습 가능한 워터마크 임베딩 특징, 주파수 인식 고정 성장 메커니즘 등 혁신적인 방법을 통해 높은 압축률에서도 우수한 이미지 품질과 워터마크 보존을 달성했습니다.

Xiaodi Li 등 11명의 연구진이 개발한 LLM-Match는 오픈소스 기반의 AI 환자 매칭 모델로, LLM과 RAG 기술을 활용하여 기존 모델들을 능가하는 성능을 기록했습니다. 이 모델은 정밀 의료 시대의 도래를 앞당길 혁신적인 기술로 평가받고 있습니다.

본 기사는 2024년 실제 유통되는 딥페이크를 분석한 Deepfake-Eval-2024 벤치마크 연구에 대해 다룹니다. 기존 딥페이크 탐지 모델의 성능 저하를 보여주며, 더욱 강력한 딥페이크 탐지 기술 개발의 필요성을 강조합니다.