분류 전체보기270 [2025-2] 정유림 - MTEB: Massive Text Embedding Benchmark 1. 논문 개요논문 제목: MTEB: Massive Text Embedding Benchmark게재 연도: 2022 (arXiv:2210.07316)인용 횟수: 2025.04.06 기준 739회 인용.주요 성과:텍스트 임베딩 모델의 평가 한계를 극복하기 위해 8개 Task(Clustering, Classification, Retrieval 등)를 포괄하는 벤치마크 제시총 58개 데이터셋과 112개 언어를 포함하여 단일 평가 프레임워크 내에서 다양한 실제 사용 사례 반영모델 성능뿐만 아니라, latency(지연 시간) 및 임베딩 크기와의 trade-off 분석을 통한 효율성 평가 제공2. 연구 배경 및 필요성Text Embedding의 정의 및 활용:텍스트 데이터를 수치 벡터로 변환하여 NLP 작업(Clu.. 2025. 4. 6. [2025-1] 박서형 - How far are we from solving the 2D & 3D Face Alignment problem? (and adataset of 230,000 3D facial landmarks) https://arxiv.org/abs/1703.07332 How far are we from solving the 2D & 3D Face Alignment problem? (and a dataset of 230,000 3D facial landmarks)This paper investigates how far a very deep neural network is from attaining close to saturating performance on existing 2D and 3D face alignment datasets. To this end, we make the following 5 contributions: (a) we construct, for the first time, a very st.. 2025. 4. 5. [2025-1] 유경석 - PMC-VQA: Visual Instruction Tuning for Medical Visual Question Answering https://arxiv.org/pdf/2305.10415v6 AbstractMedVQA를 생성(generative) 문제로 재구성하여 인간-기계 상호작용을 자연스럽게 구현Pre-trained vision encoder와 LLM을 결합한 생성 기반 모델 제안PMC-VQA dataset 구축 : Image - Q&A pair로 구성된 VQA로 다양한 medical modality를 다룸Model 성능 평가 : PMC-VQA에서 훈련 후 VQA-RAD, SLAKE, Image-Clef-2019 benchmark에서 fine-tunning, 기존 MedVQA 모델보다 더 정확하고 적절한 답변 생성.Test set 제시 : manual verification을 거친 새로운 test set 제안하여 모델 성능을.. 2025. 4. 5. [2025-1] 주서영 - Enabling Text-free Inference in Language-guided Segmentation of Chest X-rays via Self-guidance Enabling Text-free Inference in Language-guided Segmentation of Chest X-rays via Self-guidance Enabling Text-free Inference in Language-guided Segmentation of Chest X-rays via Self-guidance11institutetext: The University of Sydney Enabling Text-free Inference in Language-guided Segmentation of Chest X-rays via Self-guidance Shuchang Ye Mingyuan Meng Mingjian Li Dagan Feng Jinman Kim .. 2025. 4. 5. 이전 1 2 3 4 ··· 68 다음
