[ultralytics] Ultralytics Plotting 최적화: PIL 기반 시각화 속도를 최대 15배 향상시킨 비결PIL 기반 시각화 속도를 최대 15배 향상시킨 Ultralytics의 최신 Plotting 최적화 분석#Ultralytics#Python#Optimization#Computer Vision#PIL#OpenCV2026년 11월 3일댓글 수 로딩 중
[transformers] Hugging Face Transformers Pipelines: 지연 로딩으로 초기화 성능 대폭 개선Transformers 라이브러리의 pipelines 모듈이 지연 로딩으로 변경되어 초기 로딩 속도와 메모리 사용량이 크게 개선되었습니다.#HuggingFace#Transformers#Python#성능 최적화#지연 로딩#모듈 임포트#CI/CD2026년 11월 3일댓글 수 로딩 중
[flashinfer] Blackwell과 그 너머를 위한 최적화: FlashInfer의 Chain-Aware State Walk 개선 분석FlashInfer의 KCP 패키지에서 세그먼트 길이에 따른 가변 Value Width 선택 로직을 도입하여 Blackwell(B200) 등 최신 GPU에서 최대 11%의 성능 향상을 달성했습니다.#FlashInfer#CUDA#LLM-Optimization#Blackwell#Deep-Learning2026년 11월 3일댓글 수 로딩 중
[flashinfer] FlashInfer: FP8 64-head 디코딩 성능 최적화 및 Programmatic Dependent Launch 도입FlashInfer의 FP8 64-head 디코딩 성능을 최적화하고 PDL을 도입하여 GPU 활용도를 높인 PR 분석#FlashInfer#GPU 최적화#FP8#LLM#성능 개선#Programmatic Dependent Launch2026년 11월 3일댓글 수 로딩 중
[onnxruntime] ONNX Runtime: CUDA 기반 MoE 추론을 위한 INT3 최적화 및 스트리밍 성능 개선INT3 그룹화 오프로드, 제로 콜드 도어벨 최적화 및 다중 스레드 웨이브 스테이징을 통한 MoE 추론 성능 극대화.#ONNX Runtime#CUDA#MoE#INT3#Optimization2026년 11월 3일댓글 수 로딩 중
[flashinfer] [FlashInfer] R200 GPU를 위한 KCP GDN 트레이닝 플래너 최적화: fill_small_guard의 도입R200 등 고성능 GPU에서 긴 체인 프래그먼트 처리 시 성능 저하를 방지하기 위한 하이브리드 플래닝 전략 도입으로 최대 1.14x 성능 향상.#FlashInfer#CUDA#DeepLearning#Optimization#GDN#R2002026년 11월 2일댓글 수 로딩 중
[onnxruntime] ONNX Runtime CUDA NVFP4 QMoE 성능 최적화: 256개 전문가 라우팅 및 GEMV 커널 개선ONNX Runtime CUDA에서 NVFP4 QMoE 모델의 성능을 획기적으로 개선하는 최적화 기법을 소개합니다.#ONNX Runtime#CUDA#QMoE#NVFP4#최적화#성능 개선#LLM2026년 11월 2일댓글 수 로딩 중
[논문리뷰] WorldFlow: Joint Video and 3D Motion Prediction via Large-Scale Pretraining본 논문은 기존 비디오 세계 모델이 3D 동역학을 암시적으로만 처리하고, 액션 기반 모델은 특정 로봇 설정에 종속적이라는 문제를 해결하고자 합니다. 기존의 독립적인 3D 모션 예측 모델은 단순한 흐름(Flow) 데이터에만 의존하여 물리적 상식 학습에 한계가 있었습니다.#Review#World Models#3D Motion Prediction#Joint Generation#Rectified-Flow#Embodied Intelligence#Multimodal Learning2026년 11월 2일댓글 수 로딩 중
[논문리뷰] Where Do Vision Language Models Fail at 3D Reasoning?본 논문은 Vision Language Models(VLMs)가 개별적인 공간 정보 판단은 수행할 수 있으나, 3D 객체의 속성을 정확하게 복원하고 이를 일관되게 활용하는 데 실패하는 문제를 해결하고자 한다.#Review#Vision-Language Models#3D Reasoning#Spatial Reasoning#Benchmark#Voxel Objects#Diagnostic Analysis#Visual Grounding2026년 11월 2일댓글 수 로딩 중
[논문리뷰] When Morphs Look Better: Face Image Quality as a Training-Free Signal for Morphing Attack Detection본 논문은 morphing attack의 발전 속도가 탐지기(detector) 학습 속도를 앞지르는 상황에서, 별도의 학습 없이 활용 가능한 Training-Free 탐지 신호로서 FIQA의 잠재력을 탐구한다.#Review#Face Image Quality Assessment#Morphing Attack Detection#Biometrics#Training-Free#Diffusion-based Attacks2026년 11월 2일댓글 수 로딩 중
[논문리뷰] When Does Latent Prediction Error Support Physical Surprise Claims in Video World Models?본 논문은 Video World Models의 Latent Prediction Error가 과연 물리적 위반(physical surprise)을 신뢰성 있게 측정하는지 검증합니다.#Review#Video World Models#Latent Prediction Error#Physical Surprise#V-JEPA2#Physion++#IntPhys2#Representation Geometry2026년 11월 2일댓글 수 로딩 중
[논문리뷰] Wave Forcing: Towards Speed-of-Light Streaming Video GenerationCore Problem: Real-time long-video generation requires continuous output with consistent appearance and natural motion, a challenge for existing methods.#Review#Wave Forcing#Streaming Video Generation#Causal Wavefront#Wave Parallelism#Multi-step Denoising#Real-time Inference#End-to-End Throughput2026년 11월 2일댓글 수 로딩 중
[논문리뷰] Video Generation Meets Agent Harness: Agentic Video Generation, Agentic World Modeling and Recursive Self-Improvement본 논문은 비디오 생성 기술이 단순한 end-to-end 합성에서 나아가, 에이전트 기반의 복합적인 의사결정 프로세스로 진화해야 할 필요성을 제기합니다 .#Review#Video Generation#Agent Harness#World Models#Recursive Self-Improvement#Agentic Workflow2026년 11월 2일댓글 수 로딩 중
[논문리뷰] TinyAstral: Transferring Self-Evolving Harnesses to Tiny Generalist Manipulation Agents본 논문은 대규모 VLM(Vision-Language Model) 기반 로봇 에이전트의 성능을 저비용 모델로 이전하는 문제를 해결하기 위해 TinyAstral 프레임워크를 제안한다.#Review#Robot Manipulation#Recursive Self-Improvement#Vision-Language Models#Model Distillation#Autonomous Agents2026년 11월 2일댓글 수 로딩 중
[논문리뷰] TaoMate-FVSR:Audio-Guided Facial Video Restoration본 논문은 AIGC로 생성된 비디오에서 얼굴 부위가 저해상도로 표현되거나, 복원된 입 모양이 실제 발화 오디오와 일치하지 않는 문제를 해결하고자 합니다.#Review#Facial Video Restoration#Audio-Guided#Reference-Guided#Video Flow Model#Lip Correction#Visual Dubbing2026년 11월 2일댓글 수 로딩 중
[논문리뷰] Self-Improvement with Auxiliary Rewards: Learning from Verified Traces and Evaluating Transfer본 논문은 정답(Answer-level)만을 보상으로 활용하는 기존의 RLVR 방식이 동일한 정답을 도출한 서로 다른 추론 과정(Reasoning traces)을 구분하지 못한다는 한계점을 해결하고자 합니다.#Review#Self-Improvement#Auxiliary Rewards#Small Language Models#Reasoning Traces#Test-time Reinforcement Learning#DPO#SFT2026년 11월 2일댓글 수 로딩 중
[논문리뷰] SWE-Trail: History-Guided Trajectory Collection for Coding Agent Training본 논문은 coding agent 학습을 위한 데이터 수집 과정에서 발생하는 독립적 샘플링(independent sampling)의 중복성 문제와 train-test 불일치 문제를 해결하고자 한다 .#Review#Coding Agent#Trajectory Collection#Software Engineering#History-Guided#Post-Training#SWE-bench2026년 11월 2일댓글 수 로딩 중
[논문리뷰] SIMIT: Self-Improving Vision-Language Models via Imagination at Test-Time본 논문은 Vision-Language Model(VLM)이 배포 후 직면하는 미지의 태스크나 도메인에 대응하기 위해, 외부 자원 없이 자체적으로 학습 데이터를 생성하여 개선하는 Test-Time Self-Improvement 문제를 해결하고자 합니다.#Review#Vision-Language Models#Test-Time Adaptation#Self-Supervision#Synthetic Data#Imagination#Multimodal Generation2026년 11월 2일댓글 수 로딩 중
[논문리뷰] Reviso: Not All Visual Evidence Deserves Equal Attention in Video Captioning본 논문은 기존의 MLLM 기반 비디오 캡셔닝 모델이 모든 시각적 정보를 동등하게 처리함으로써 사소한 세부 사항에 과도하게 집중하고 정작 중요한 문맥과 핵심 사건을 놓치는 문제를 해결하고자 합니다.#Review#Video Captioning#Multimodal Large Language Models (MLLMs)#Active Observation#Agentic Framework#GRPO#Hierarchical Planning2026년 11월 2일댓글 수 로딩 중
[논문리뷰] ProVe: Proposer-Verifier Decoding본 연구는 기존 Speculative Decoding이 가진 고정된 역할 분담 모델, 즉 느린 small draft 모델과 빠른 대형 verifier 모델의 한계를 극복하고자 제안되었습니다. 기존 방식은 draft 모델의 직렬 연산 병목으로 인해 가속 효율에 제한이 있었습니다.#Review#Speculative Decoding#Block Proposal#AR Model#Throughput#Verifier#Inference Acceleration#Auto-regressive2026년 11월 2일댓글 수 로딩 중