

합성 데이터 없이 로봇 월드 모델을 학습하는 방법
합성 데이터와 원시 픽셀 중심의 로봇 학습 한계를 짚고, 단안 영상에서 장면 시맨틱을 추출하는 F.R.A.N.T.Z. 접근을 소개했습니다. 또한 추출 결과를 어포던스와 정책 학습으로 연결하고, JEPA 스타일 월드 모델로 확장하는 방향을 제시했습니다.
#AWS#computer vision
700


합성 데이터와 원시 픽셀 중심의 로봇 학습 한계를 짚고, 단안 영상에서 장면 시맨틱을 추출하는 F.R.A.N.T.Z. 접근을 소개했습니다. 또한 추출 결과를 어포던스와 정책 학습으로 연결하고, JEPA 스타일 월드 모델로 확장하는 방향을 제시했습니다.


LG전자 ES사업부가 AWS와 협업해 BMS 계통도 분석을 Agentic Workflow로 자동화했습니다.\n2~3일 걸리던 작업을 10분으로 줄이고 전문가 수준 정확도를 확보했습니다.

대규모 서비스의 이미지 콘텐츠 모더레이션을 위해 멀티모달 LLM과 전통적 ML을 결합한 구조를 소개했습니다. 정확도, 지연 시간, 비용, 정책 유연성을 함께 개선하는 최적화 과정을 다뤘습니다.

복잡한 PDF를 LLM이 이해하도록 돕는 PaLADIN을 소개했습니다. 표·차트·숫자 처리 아키텍처와 성능 평가, 서비스 적용 사례를 함께 다뤘습니다.


네이버 지도 내비게이션 품질 향상을 위해 좁은 도로 탐지 모델을 개선한 사례를 소개했습니다. 수치지형도와 거리뷰 이미지를 활용해 더 정확한 도로 너비 판별 방식을 적용했습니다.

갤럭시 스마트폰의 천체 사진 촬영 기술과 배경 지식을 소개한 글입니다. 밤하늘을 사진과 눈으로 보는 차이와 실제 촬영 기법을 함께 다뤘습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.