
랩실 소개
확산 모델의 샘플링·이미지 편집과 이미지 복원, 고해상도 편집을 연구해요. 단안 영상에서 동적 3D 장면을 표현하고, 비디오·언어 모델의 정보 처리와 학습 일반화도 다뤄요.
AI가 최신 논문을 바탕으로 쓴 소개예요
- 주로 내는 곳
- CVPR탑티어NeurIPS탑티어WACVT2
연구 내용
- 확산 모델: Dynamic Preference·consistency solver·다중 ODE 해를 이용한 샘플링 최적화, guidance 및 prompt interpolation 기반 조건부 이미지 변환
- 이미지 편집·복원: 저해상도 편집을 고해상도 편집에 활용, 강화된 supervision 기반 복원 및 적대적 주파수 혼합 denoising
- 동적 3D 장면: Hyper-pose 임베딩으로 포즈·장면 분리, 물리·다중 물체 상호작용을 반영한 novel view synthesis, monocular video 기반 probabilistic 4D Gaussian Splatting
- 비디오·vision-language: patch-text alignment 사전학습, VideoLLM 정보 흐름 분석, scene graph 기반 긴 영상 세부 캡셔닝 및 시간 맥락 액션 인식
- 모델 일반화·연합 학습: 이기종 연합 범주 발견의 local prior alignment, client gradient 가속·통신 효율화, class-incremental learning의 특징 증강, domain generalization의 적대적 스타일 변형
연구 주제별 논문
강건·연합·점진 학습
확산 모델 샘플링과 이미지 편집
비디오·vision-language 모델
동적 3D 장면 표현
- HyperPose: Hyper-pose Embeddings for 3D-Aware Generative Models with Self-Supervised Disentangling of Pose and SceneWACV 2026T2
- PhysGaia: A Physics-aware Benchmark with Multi-Body Interactions for Dynamic Novel View SynthesisCVPR 2026탑티어
- GP-4DGS: Probabilistic 4D Gaussian Splatting from Monocular Video via Variational Gaussian ProcessesCVPR 2026탑티어
핵심 연구 주제
컴퓨터 비전 · 기계학습 · Computer Vision · Machine Learning · Deep Learning
연도별 논문
주요 학회·저널
컨택 전 확인
지원 가능 학과
2026. 11. 11. 기준으로 학과·연구실 홈페이지에서 모은 정보예요. 잘못된 정보가 있거나 내리고 싶으시면 [email protected]로 알려 주세요.
비슷한 랩실 더 보기
| 연구실 | 대학 | 대표 연구 주제 | 탑티어 논문 | 전체 논문 | 구성원 | 비교 |
|---|---|---|---|---|---|---|
김승룡 연구실김승룡 교수모집 안내 | KAIST | 생성 모델·디퓨전3D 비전비디오 이해 | 72 | 83 | 69 | |
V-Lab박은병 교수 | 연세대 | 3D 비전생성 모델·디퓨전비디오 이해 | 28 | 36 | – |














CVPR
NeurIPS
ICLR
ICML 




