논문 정보
- 날짜:
2026-04-10 - 카테고리: -
- 우선순위 점수: 3.467
핵심 요약
텍스트-비디오 확산 모델에서 발생하는 객체 수 불일치 문제를 해결하기 위해 NUMINA라는 학습 불필요(training-free) 프레임워크를 제안합니다. 이 방식은 어텐션 맵을 통해 잠재 레이아웃을 도출하고 이를 정교화하여 객체 생성 수를 가이드합니다. 실험 결과 Wan2.1 모델에서 최대 7.4%의 수치 정확도 향상을 보였으며 CLIP 정렬도 개선되었습니다.학습자 관점 포인트
- 우리 팀 영향: 추가 학습 없이도 비디오 생성 시 객체 개수 제어 성능을 높일 수 있어, 정밀한 영상 합성이 필요한 프로젝트에 즉시 적용 가능한 기술입니다.
- 권장 액션: 실험
- 액션 근거: 기존 모델의 가중치 수정 없이 어텐션 조작만으로 수치 일관성을 개선할 수 있어 효율적인 성능 향상이 기대됩니다.
원문 링크
- arXiv: https://arxiv.org/abs/2604.08546
- Hugging Face Papers: https://huggingface.co/papers/2604.08546