전체 글121 [paper review] Kimi K3 : Open Frontier Intelligence 논문 리뷰 안녕하세요. 이번 포스팅은 kimi K3 논문입니다. 최근 오픈모델에서 압도적 성능인 kimi k3.1 pro를 내놓았는데 그 baseline인 k3은 어떻게 생겼는지 살펴보겠습니다. 전체적으로 논문에서 말하는 것들은 우선 전체 파라미터는 2.8T(조) 규모의 파라미터인데 MoE구조로 이뤄져있어서 실제로 작동하는 부위는 약 104b(1000억) 개입니다. 아키텍쳐로는 KDA, AttnRes, Stable LatentMoE를 사용하였는데 KDA는 tranformer가 text가 길어질수록 메모리 사용량이 폭발하는걸 막을수 있도록 핵심 정보만 기억해서 연산 효율을 높이는 방법이고 AttnRes(Attention Residuals)은 residual block에서 유추할 수 있듯이 layer가 깊어질수록 gr.. 2026. 10. 28. [paper review] SplaTAM: Splat, Track & Map 3D Gaussians for Dense RGB-D SLAM 논문리뷰 splaTAM은 3D GS를 도입한 RGBD SLAM이고 대표적인 baseline모델입니다. SLAM에서 map을 representation하는 방법은 다양합니다. traditional 방법으로는 그냥 3D point혹은 surfel이 가장 대중적인 방법입니다. NeRF 계열의 implelicit한 방법을 활용하는 방법들이 있지만 ray tracing과정에서 공간 내 수많은 점을 하나씩 network에 통과시키는 sampling방식이라서 매우 느립니다. 3DGS가 유명해지면서 3DGS를 활용하는 방법들이 있지만 explicit하기에 매우 빠르지만 camera pose가 prior로 필요하기에 본 논문에서는 unposed rgbd에서 tracking과 3dgs 기반의 mapping을 하는 시스템을 구축했습.. 2026. 10. 22. [paper review] BIEVR-LIO: Robust LiDAR-Inertial Odometrythrough Bump-Image-Enhanced Voxel Maps 논문 리뷰 이번 포스팅은 BIEVR-LIO라는 이전의 LIO 관련 알고리즘입니다. ETH에서 나왔으며 최근의 lidar odometry 모델들의 특징들이 그렇듯 범용적으로 잘되면서 험난한 환경에서도 강인한것이 특징입니다.기존의 LIO방식들은 FAST-LIO2, LIO-SAM등에서 tightly coupled 가 많지만 최근 rko도 그렇고 본 모델도 그렇고 loosely coupled방법을 사용하는 것이 많습니다. IMU는 undistortion과 initial guess에서만 사용하고 실제 pose는 순수하게 scan to map registration으로만 결정합니다. 또 Degeneracy를 해결하기 위해서 intensity를 활용하는 모델들도 많지만 저가형 센서에는 sparse해서 해당 방식이 유효하지않다.. 2026. 10. 20. [paper review] A Robust Approach for LiDAR-Inertial OdometryWithout Sensor-Specific Modeling(rko-lio) 논문 리뷰 안녕하세요. 이번 포스팅은 Kiss-icp로 유명한 PRBonn에서 나온 lio 관련 논문입니다.기존의 lio (Lidar-Inertial Odometry) 는 filter-based, factor graph base 방법들을 많이 사용합니다. 문제는 이 방법들은 센서의 노이즈를 매우 정밀하게 모델링해야합니다. 즉 굉장히 sensor specific합니다. 그래서 비싼 calibration 작업을 주기적으로 반복하는것이 일반적입니다. 논문에서는 저자들이 filtering, pre-integration방식을 대체하는 새로운 대안을 제안합니다. 그래서 sensor noise, bias를 상세히 분석해야하는 요구사항이 크게 줄어들었다고 합니다. Relative works기존의 filter base방법으로는 .. 2026. 10. 8. [paper review] Spatial-MLLM: Boosting MLLM Capabilities inVisual-based Spatial Intelligence 논문리뷰 이번논문은 NeurIPS 2025 (Spotlight)인 Spatial-MLLM 이라는 VLM3D계통의 논문입니다.MLLM은 Multimodal Large Language Model의 약자로 image, audio, video등 여러 형태의 modality를 함께 이해하는 모델입니다. 기존의 MLLM은 2D작업에는 뛰어나지만 3D 공간을 이해하는 능력이 부족합니다.(Gemini, GPT-4o)이를 위해서는 pointcloud, depth 정보 데이터를 함께 제공받는 방법의 approach들이 있지만 실제 세계에서는 적용하기 어렵습니다. 본 논문에서는 2D video만으로 공간을 이해하고 추론하는 능력을 갖춘 MLLM을 소개합니다. VLM(Vision-Language Model) 훑어보기안녕하세요. 이.. 2026. 8. 12. [paper reivew] LEMON-Mapping : Loop-Enhanced Large-Scale Multi-Session PointCloud Merging and Optimization for Globally Consistent Mapping 논문리뷰 안녕하세요. 이번 포스팅은 LEMON-Mapping이라는 Mapping관련 paper입니다.자율주행 분야에서 Map을 만드는것은 전형적인 pipeline의 한 부분입니다. 문제는 large scale로 가게되면 (논문에서는 multi agent robot) Pose Graph Optimization(PGO)방식을 사용해서 global map 의 consistency를 보장하지만 이 방법은 기존의 geometric fetaure를 무시하고 단순하게 loop closure간의 pose optimization만 사용하기에 여러 local map이 겹치는 부분은 divergence하거나 미묘하게 어긋나거나 blurring이 발생합니다. 논문에서는 보다 정확한 mapping을 위해서는 pose중심의 PGO가 아.. 2026. 5. 11. 이전 1 2 3 4 ··· 21 다음
