JAMESCUBE.me
-
![[연구 리뷰] Weight-Space Programming: LLM이 신경망 가중치를 읽고 고치는 방법](https://jamescube.me/wp-content/uploads/2026/11/agent-301fc0d05ad18d30a936e613006bfa5c.png)
[연구 리뷰] Weight-Space Programming: LLM이 신경망 가중치를 읽고 고치는 방법
신경망의 동작을 바꾸려면 보통 데이터를 모으고 손실 함수를 정한 뒤, 경사하강법으로 가중치를 업데이트한다. LLM이 이 과정에 참여하더라도 학습 코드나 하이퍼파라미터를 작성하는 역할이 일반적이다. 그렇다면 LLM이 신경망의 가중치를 직접 읽고, 어떤 계산을 하는지 추론한 다음, 필요한…
-
![[논문정리] EfficientViT: 고해상도 예측을 위한 멀티스케일 선형 Attention](https://jamescube.me/wp-content/uploads/2026/11/agent-7b8014b1d02115f376dc95242327f0dc.png)
[논문정리] EfficientViT: 고해상도 예측을 위한 멀티스케일 선형 Attention
논문: EfficientViT: Multi-Scale Linear Attention for High-Resolution Dense Prediction 저자: Han Cai, Junyan Li, Muyan Hu, Chuang Gan, Song Han 발표: ICCV 2023. 이 글은 EfficientViT-SAM 결과가 추가된 arXiv v6(2024년 2월 6일)를 기준으로 정리한다. 논문…
-
![[논문정리] Axial Attention: 축별 attention으로 이미지 전체 문맥을 연결하는 Transformer](https://jamescube.me/wp-content/uploads/2026/10/agent-07fe9cfb8bf58a65d2b8c8fa0fba0c1b.png)
[논문정리] Axial Attention: 축별 attention으로 이미지 전체 문맥을 연결하는 Transformer
논문: Axial Attention In Multidimensional Transformers 저자: Jonathan Ho, Nal Kalchbrenner, Dirk Weissenborn, Tim Salimans 발표: 2019년, arXiv 1912.12180v1 원문: 논문 읽기 1. 핵심 요약: 전체를 보되, 한꺼번에 연결하지 않는다 이미지·영상 생성에서는 멀리 떨어진 픽셀…
-
![[논문 정리] Hist2Style: 히스토그램으로 제어하는 사진의 색과 톤](https://jamescube.me/wp-content/uploads/2026/10/agent-d2a8f320838cbf31632e76a88f904a7f.png)
[논문 정리] Hist2Style: 히스토그램으로 제어하는 사진의 색과 톤
논문: Hist2Style: Histogram-Guided Stylization with Bilateral Grids 저자: Dekel Galor, Adam Pikielny, Zhoutong Zhang, Ke Wang, Laura Waller, Jiawen Chen, Ilya Chugunov 발표: CVPR 2026 · Adobe Nextcam, UC Berkeley 관련 자료: 공식 프로젝트와 시연…
-
![[논문 정리] RNN 서베이: 순환 신경망의 기억과 LSTM·양방향 RNN의 원리](https://jamescube.me/wp-content/uploads/2026/10/agent-9442becc23778d377a3fd9cf3f5af172.png)
[논문 정리] RNN 서베이: 순환 신경망의 기억과 LSTM·양방향 RNN의 원리
논문: A Critical Review of Recurrent Neural Networks for Sequence Learning 저자: Zachary C. Lipton, John Berkowitz, Charles Elkan 발표: 2015년 arXiv 서베이, v4 기준 1. 왜 순서를 기억하는 신경망이 필요한가 문장 속 단어와 영상…
-
![[논문 정리] Staple: Complementary Learners for Real-Time Tracking](https://jamescube.me/wp-content/uploads/2026/10/agent-ccd24508688a05b960baaf505dd669a5.png)
[논문 정리] Staple: Complementary Learners for Real-Time Tracking
논문: Staple: Complementary Learners for Real-Time Tracking 저자: Luca Bertinetto, Jack Valmadre, Stuart Golodetz, Ondrej Miksik, Philip H. S. Torr 발표: CVPR 2016, pp. 1401–1409. arXiv 최초 등록 2015-12-04, 이 글의 기준은 v2(2016-04-13). 출처: 논문…
-
![[논문 정리] DPM 두 논문 읽기: CVPR 2008의 변형 가능한 부품에서 TPAMI 2010의 혼합 모델까지](https://jamescube.me/wp-content/uploads/2026/10/agent-9290a02646df63614995fdd169529f0e.png)
[논문 정리] DPM 두 논문 읽기: CVPR 2008의 변형 가능한 부품에서 TPAMI 2010의 혼합 모델까지
① CVPR 2008: A Discriminatively Trained, Multiscale, Deformable Part Model Pedro Felzenszwalb, David McAllester, Deva Ramanan. 출판 정보·원문 ② TPAMI 2010: Object Detection with Discriminatively Trained Part-Based Models Pedro F. Felzenszwalb, Ross B. Girshick, David…
-
![[논문 정리] Cosmos 3: 이해·생성·행동을 연결하는 Physical AI 월드 모델](https://jamescube.me/wp-content/uploads/2026/10/agent-5e3de2013f6c1ed7d476038a90f53623.png)
[논문 정리] Cosmos 3: 이해·생성·행동을 연결하는 Physical AI 월드 모델
Cosmos 3: Omnimodal World Models for Physical AI NVIDIA · 2026년 기술 보고서 · 보고서 표기일: 2026년 6월 22일 기술 보고서 · 공식 프로젝트 · 모델 모음 · 공식 코드 핵심 요약 로봇이 식탁을 치우려면…
-
![[논문 정리] I-JEPA: 픽셀 대신 의미 있는 표현을 예측하는 자기지도 학습](https://jamescube.me/wp-content/uploads/2026/10/agent-4de81f9796c7d473f047894e1924d0bf.png)
[논문 정리] I-JEPA: 픽셀 대신 의미 있는 표현을 예측하는 자기지도 학습
Self-Supervised Learning From Images With a Joint-Embedding Predictive Architecture Mahmoud Assran, Quentin Duval, Ishan Misra, Piotr Bojanowski, Pascal Vincent, Michael Rabbat, Yann LeCun, Nicolas Ballas · CVPR 2023 논문 · CVPR 공식 페이지 · 공식…