논문 정보
- 날짜:
2026-04-12 - 카테고리: -
- 우선순위 점수: 3.6
핵심 요약
텍스트-비디오 확산 모델이 프롬프트에 명시된 객체의 개수를 정확히 생성하지 못하는 문제를 해결하기 위해 NUMINA 프레임워크를 제안합니다. 이 방식은 별도의 학습 없이 어텐션 맵을 활용해 레이아웃을 식별하고 가이드하는 방식을 통해 수치적 일치성을 개선합니다. 실험 결과 Wan2.1 모델 시리즈에서 객체 카운팅 정확도를 최대 7.4% 향상시켰으며 시간적 일관성도 유지했습니다.학습자 관점 포인트
- 우리 팀 영향: 추가 학습 비용 없이 기존 비디오 생성 모델의 수치적 정확도를 개선할 수 있어 정교한 객체 제어가 필요한 프로젝트에 활용 가능성이 높습니다.
- 권장 액션: 실험
- 액션 근거: 학습이 필요 없는 Training-free 방식이며 오픈소스 코드가 제공되므로 내부 모델에 적용하여 카운팅 성능 개선 여부를 즉시 검증할 수 있습니다.
원문 링크
- arXiv: https://arxiv.org/abs/2604.08546
- Hugging Face Papers: https://huggingface.co/papers/2604.08546