[230905] 모두의연구소가 전하는 "모두를 위한 AI 뉴스"

모두의연구소는 함께 공유하고 성장하는 국내 최대 AI 커뮤니티입니다🌱. 그럼, 오늘의 AI 뉴스 시작해 볼게요! 🙂 1️⃣ 고밀도 추적과 TAP 모델을 활용한 로봇의 빠른 작업 학습 실험실이나 공장 외부에서 로봇을 유용하게 사용하려면 새로운 동작을 빠르게 학습할 수 있는 방법이 필요한데요! 현존하는 방식들은 작업별로 적용하기 어렵거나 데이터 효율성이 떨어집니다. 오늘 소개해드리는 연구에 따르면 "고밀도 추적"을 통한 빠른 학습을 제안하며, TAP 모델을 이용해 데모에서의 움직임을 추출하고 다양한 상황에 적용합니다. 이 방법을 사용하면 로봇이 복잡한 작업을 몇 분 안에 학습하고 수행할 수 있으니 앞으로 기대가 됩니다! ▶️ https://huggingface.co/papers/2308.15975 2️⃣ MVDream: 텍스트 프롬프트를 활용한 일관된 멀티뷰 이미지 생성 모델 텍스트 프롬프트를 기반으로 기하학적으로 일관된 멀티뷰 이미지를 생성하는 MVDream이라는 멀티뷰 확산 모델을 소개합니다! 이 모델은 대규모 웹 데이터와 3D 에셋의 렌더링 데이터를 결합하여 2D와 3D의 일관성을 달성하는데요. 이를 통해 3D 생성에 대한 멀티뷰 프리뷰와 2D 리프팅 방법의 안정성 향상이 가능하다고 합니다! 또한, 이 모델은 개인화된 3D 생성을 위한 드림부스3D 애플리케이션에서 적은 샷 설정으로 빠르게 미세 조정이 가능해질 것 같아요. ▶️ https://huggingface.co/papers/2308.16512 3️⃣ Belebele: 122개 언어 변형을 포함한 다국어 기계 독해 데이터 세트의 소개와 평가 Belebele은 122개 언어 변형을 포함하는 객관식 기계 독해(MRC) 데이터 세트로, 자연어 이해(NLU) 벤치마크의 언어 범위를 확장했다고 합니다! 이는 고자원, 중자원, 저자원 언어의 텍스트 모델 평가에 적합하며, 영어 데이터 세트는 매우 어려운 수준이라고 하는데요! 병렬화된 데이터 세트는 모든 언어 모델 성능 비교를 가능하게 하며, 다국어 마스킹 언어 모델(MLM)과 대규모 언어 모델(LLM)의 성능을 평가했습니다. 작은 MLM이 다양한 언어 이해력이 뛰어나며, 큰 어휘 크기와 의식적 어휘 구성이 리소스가 적은 언어에서의 성능 향상과 관련이 있다는 결과를 보여졌다고 해요. Belebele은 NLP의 다국어 성능 평가와 분석에 중요한 도구로 제시될 것 같습니다!  ▶️ https://huggingface.co/papers/2308.16884 📍 AI학교 아이펠 7기 사전 등록하기! →https://bit.ly/3YDkLV4