• LightLab: 조명 강도와 색상 조절이 가능한 실사 기반 이미지 재조명 기법

이 논문은 이미지 내 광원을 세밀하게 매개변수로 제어할 수 있는 간단하고 효과적인 확산 기반 재조명 기법을 소개합니다. 기존 기법들이 다수의 입력 이미지에 의존하거나 조명 제어가 어려운 반면, LightLab은 합성 이미지와 소량의 실제 사진 쌍을 활용하여 확산 모델을 미세 조정합니다. 특히, 빛의 선형성을 활용해 다양한 조명 조건의 이미지 쌍을 생성하고, 이를 통해 강도와 색상을 명시적으로 제어할 수 있는 모델을 훈련합니다. 이 방식은 시각적으로 매력적인 조명 편집 결과를 제공하며, 사용자 선호도 측면에서도 기존 기법보다 우수한 성능을 보입니다.

https://nadmag.github.io/LightLab/

• ScienceBoard: 과학 워크플로 자동화를 위한 LLM 기반 에이전트의 가능성과 한계

대규모 언어 모델(LLM)은 과학 연구 전반에서 에이전트 형태로 활용되며, 인간처럼 운영체제와 상호 작용해 연구자의 작업을 자동화하는 가능성을 보여주고 있습니다. 이에 대응해 저자들은 사실적인 과학 워크플로 환경과 169개의 고품질 실제 작업을 포함한 벤치마크인 ScienceBoard를 제안합니다. GPT-4o 등 최신 모델을 평가한 결과, 복잡한 과학 워크플로에서의 성공률은 15%에 불과해, 현재 에이전트 설계에는 여전히 큰 한계가 존재함을 보여줍니다.

https://huggingface.co/papers/2505.19897

AI 전문가로 가는 최적의 여정, 인공지능학교 아이펠 14기 모집중 : https://aiffel.io/