[논문리뷰] CodeCap-Bench: Can Code Serve as a Good Video Caption?본 논문은 기존의 자연어 기반 비디오 캡셔닝이 갖는 정밀한 공간 구조와 복잡한 시간적 동역학 표현의 모호함 및 장황함을 해결하기 위해 'Code as Video Caption' 패러다임을 제안한다. 기존의 자연어 기술 방식은 영상의 시각적 상세 정보를 보존하는 데 한계가 있으며, 이는 캡션의 모호성으로 이어진다.#Review#Video Captioning#Multimodal Large Language Models (MLLMs)#Code Generation#Benchmarking#Visual Fidelity#Spatio-temporal Reasoning2026년 10월 27일댓글 수 로딩 중
[논문리뷰] Rubrics as Visual-Repair Context for Self-Evolving UI-to-Code Generation본 논문은 UI-to-Code 생성 과정에서 테스트 타임(Test-time) Self-Evolution이 겪는 불안정성을 해결하는 것을 목표로 합니다.#Review#UI-to-Code#Self-Evolution#Visual Repair Coupling#Rubric-guided#Vision-Language Models#Visual Fidelity#Test-time Refinement2026년 8월 26일댓글 수 로딩 중
[논문리뷰] Lumos-Nexus: Efficient Frequency Bridging with Homogeneous Latent Space for Video Unified Models본 논문은 기존의 커넥터 기반 비디오 생성 모델이 높은 시각적 품질과 복잡한 논리적 추론 능력을 동시에 달성하는 데 겪는 한계를 해결하고자 합니다.#Review#Video Unified Models#Unified Progressive Frequency Bridging#Reasoning-driven Generation#Connector-based#Flow-matching#Visual Fidelity2026년 5월 31일댓글 수 로딩 중
[논문리뷰] OmniRefiner: Reinforcement-Guided Local Diffusion Refinement현재 확산 모델들이 참조 이미지를 사용하여 이미지를 정제할 때 로고, 텍스트, 얼굴 특징, 복잡한 패턴과 같은 세부 시각적 디테일을 보존하는 데 어려움 을 겪는 문제를 해결하는 것을 목표로 합니다.#Review#Diffusion Models#Image Refinement#Reinforcement Learning#Fine-Grained Editing#Reference-Guided Generation#Latent Diffusion#Visual Fidelity#Detail Restoration2025년 11월 30일댓글 수 로딩 중