[논문리뷰] A Modular Agent for Reliable and Auditable Spatial Relation Verification in CT Scans본 논문은 최신 VLM들이 의료 영상 내 해부학적 구조의 공간적 관계를 이해하는 데 있어 심각한 한계를 보이며, 이는 오진으로 이어질 위험이 있음을 지적한다.#Review#Medical Image Reasoning#Vision-Language Models#Agents#Spatial Reasoning#Auditable#CT Scans#YOLO2026년 8월 26일댓글 수 로딩 중
[논문리뷰] YOLO-PEFT: Parameter-Efficient Fine-Tuning on YOLO Family본 논문은 YOLO 시리즈와 같은 대규모 객체 탐지 모델을 새로운 타겟 도메인에 적용할 때 발생하는 높은 컴퓨팅 자원 및 저장 공간 요구 문제를 해결하고자 한다. 기존의 Full Fine-Tuning 방식은 모델 전체의 가중치를 수정해야 하므로, 배포 시 각 태스크마다 전체 모델을 저장해야 하는 비효율성이 존재한다.#Review#YOLO#Parameter-Efficient Fine-Tuning#PEFT#Transfer Learning#Object Detection#Model Adaptation2026년 8월 9일댓글 수 로딩 중
[Ultralytics] v8.4.28 — autobatch를 데이터셋 크기로 제한하여 소규모 데이터셋 학습 안정화데이터셋보다 큰 배치 크기가 산출되는 문제를 해결하고, 캘리브레이션 배치 크기 로직을 개선합니다.#Ultralytics#YOLO#Auto-batch#Training#INT82026년 3월 30일댓글 수 로딩 중
[Ultralytics] multi_scale 옵션을 auto-batch 계산에 포함하여 OOM 방지multi_scale 학습 시 실제 최대 이미지 크기를 반영하여 auto-batch가 메모리를 과도하게 할당하지 않도록 수정합니다.#Ultralytics#YOLO#Training#Auto-batch#Memory2026년 3월 27일댓글 수 로딩 중
[Ultralytics] MPS 디바이스에서 메모리 누수 방지를 위한 적극적 메모리 정리Apple MPS 디바이스에서 발생하는 메모리 누수를 방지하기 위해 threshold 없이 항상 메모리를 정리하도록 수정합니다.#Ultralytics#YOLO#MPS#Memory Leak#Apple Silicon2026년 3월 27일댓글 수 로딩 중
[Ultralytics] detect/obb Loss 계산의 preprocess를 벡터화하여 학습 속도 향상배치별 for 루프를 scatter_add 기반 벡터 연산으로 대체하여 detect/obb Loss의 preprocess 단계를 가속합니다.#Ultralytics#YOLO#PyTorch#Vectorization#Performance2026년 3월 22일댓글 수 로딩 중
[Ultralytics] Pose Loss의 keypoint 배치 루프를 벡터 연산으로 최적화Pose 모델 학습에서 keypoint를 배치별로 정리하는 for 루프를 scatter_add 기반 벡터화로 대체합니다.#Ultralytics#YOLO#Pose Estimation#Vectorization#PyTorch2026년 3월 20일댓글 수 로딩 중
[Ultralytics] 캘리브레이션 데이터셋이 배치보다 작을 때 에러 대신 자동 조정INT8 캘리브레이션 데이터셋이 batch 크기보다 작으면 에러를 던지던 동작을 자동 조정 + 경고로 개선합니다.#Ultralytics#YOLO#INT8#Calibration#Export2026년 3월 12일댓글 수 로딩 중
[Ultralytics] IMX 벤치마크에 세그멘테이션 모델 지원IMX export 벤치마크에서 segmentation task를 허용하도록 검증 조건 수정#Ultralytics#YOLO#IMX#Segmentation#Edge AI2026년 2월 12일댓글 수 로딩 중
[ultralytics] Ultralytics 8.3.229: COCO Segmentation 평가 300% 가속화 분석외부 라이브러리 의존성을 제거하고 PyTorch 기반의 최적화된 RLE 인코딩 및 마스크 스케일링을 도입하여 성능을 3배 향상시킨 사례를 분석합니다.#Ultralytics#YOLO#Optimization#PyTorch#ComputerVision2025년 11월 18일댓글 수 로딩 중
[ultralytics] COCO Segmentation 검증 300% 속도 향상 — RLE 인코딩 벡터화ThreadPool + faster_coco_eval 의존성을 PyTorch 벡터화 RLE로 교체하여 검증 속도 3배 향상#Python#PyTorch#YOLO#Performance#Segmentation2025년 11월 18일댓글 수 로딩 중
[Ultralytics] 학습 중 Multi-GPU 검증 지원Multi-GPU 학습 시 검증도 모든 GPU에서 병렬 수행하도록 개선한 PR 분석#Ultralytics#YOLO#Multi-GPU#Distributed Training#PyTorch2025년 10월 20일댓글 수 로딩 중
[ultralytics] Ultralytics 8.3.215: 세그멘테이션 마스크 처리 성능 최적화 분석YOLO 세그멘테이션의 crop_mask 연산을 3배 가속화한 최적화 전략과 성능 개선 사례를 살펴봅니다.#YOLO#PyTorch#Optimization#ComputerVision#Performance2025년 10월 16일댓글 수 로딩 중