한 줄 요약

구면 경로로 학습해 이미지 품질을 끌어올리고, 위성→거리 3D, 장편 비디오 일관성, 테스트 시 추론 선택 기법이 동시에 전진했다.

Research Papers

Spherical Flow Matching: 구 위에서 잠재 경로 유지로 이미지 품질 개선

이 논문은 모델이 노이즈에서 학습된 표현으로 이동할 때 직선이 아니라 구의 표면을 따라가도록 하면 더 나은 이미지를 만든다는 점을 보인다. 표준 잠재 플로 매칭에서는 가우시안 노이즈를 변분 오토인코더(VAE) 잠재 변수로 직선 경로로 옮기지만, 노이즈와 데이터 잠재 모두 고차원에서 얇은 구형 껍질에 몰려 있어 직선 현(弦)은 이 껍질을 벗어나게 된다. 저자들은 선형 보간을 구면 선형 보간(SLERP)으로 바꾸고, 가우시안 노이즈를 반지름 방향으로 투영해 구면 사전분포를 쓰며, 확산 아키텍처는 바꾸지 않는다. (원제: Aligning Latent Geometry for Spherical Flow Matching in Image Generation) ¹

각 잠재 토큰을 반지름과 방향으로 분해해 “컴포넌트 스와프” 탐침을 수행한 결과, 지각·의미 정보는 대부분 방향에 있고 반지름 기여는 훨씬 작다는 점을 확인한다. 이에 따라 데이터 잠재를 고정 반지름으로 투영하고, 속도 타깃을 설계상 순수 각도로 만들며, 인코더를 고정한 채 디코더만 미세조정한다. 결과적으로 매 시점에서 구 위에 머무르는 측지 경로가 형성된다. ¹

동일한 학습 설정에서 이 방법은 서로 다른 이미지 토크나이저 전반에 걸쳐 클래스 조건부 ImageNet-256의 프레셰 인셉션 거리(FID)를 일관되게 개선한다. 보조 인코더나 표현 정렬 목적함수 없이 품질을 올리는, 모델 구조 변경 부담이 작은 학습 기법이라는 점이 실무에 유리하다. ¹

Sat3DGen: 위성 한 장으로 거리 3D 장면 복원

Sat3DGen은 단 한 장의 위성 이미지만으로 거리 수준의 일관된 3D 장면을 생성한다. 기존에는 기하 우선 파이프라인이 정확하지만 단조롭고, 대리표현 기반 파이프라인은 풍부하지만 극단적 시점 차에서 기하가 무너지는 상쇄관계가 있었다. 본 방법은 피드포워드 틀에 새로운 기하 제약과 원근 뷰 학습 전략을 더해, 위성→거리 복원의 주요 오류원을 정면으로 줄인다. ²

검증을 위해 VIGOR-OOD 테스트셋과 고해상도 디지털 표면 모델(DSM)을 결합해 새 벤치마크를 만들고, 루트 평균 제곱 오차(RMSE)를 6.76미터에서 5.20미터로 낮춘다. 사실감도 개선되어, 선도 기법 Sat2Density++ 대비 프레셰 인셉션 거리(FID)를 19까지 낮춘다. 의미 지도→3D 합성, 다중 카메라 비디오 생성, 대규모 메시 생성, 단일 이미지 DSM 비지도 추정 등 다양한 다운스트림 응용도 시연했으며, 코드를 공개했다. ²

EntityBench: 멀티샷 비디오에서 등장인물 일관성 평가

EntityBench는 멀티샷 비디오 생성이 긴 이야기 전개에서 인물·오브젝트·장소의 일관성을 유지하는지를 점검하는 벤치마크다. 실제 내러티브 매체에서 수집한 140편, 2,491샷을 포함하고, 샷별 엔티티 스케줄을 명시해 쉬움/보통/어려움으로 나눈다. 최대 50샷, 교차샷 등장인물 13명, 장소 8곳, 오브젝트 22개, 최대 48샷 간격의 재등장까지 다룬다. 평가는 샷 내 품질, 프롬프트 부합, 교차샷 일관성을 분리하고, 엔티티 외형이 정확할 때만 교차샷 점수에 포함하는 충실도 게이트를 둔다. ³

기준선인 EntityMem은 생성 전에 엔티티별 시각 참조를 검증·저장하는 지속 메모리를 두는 방식이다. 실험 결과, 기존 방법은 재등장 간격이 길수록 교차샷 일관성이 급격히 떨어지며, 엔티티별 메모리를 명시적으로 두면 등장인물 충실도가 가장 높아지고(Cohen’s d = +2.33), 존재성도 향상된다. 코드와 데이터가 공개되어 재현과 확장이 가능하다. ³

OpenDeepThink: 브래들리–테리 비교로 병렬 추론 강화

OpenDeepThink는 많은 후보 해답을 병렬로 생성하고, 쌍대 비교를 통해 좋은 해를 고르는 방식으로 테스트 시 연산을 확장한다. 각 라운드에서 대형 언어 모델(LLM)이 무작위 쌍을 판단하고 브래들리–테리 집계를 통해 전역 순위를 만든 뒤, 상위 후보를 보존하고 상위 3/4에 자기 비판을 적용해 변이시키며, 하위 1/4은 버리는 토너먼트식 루프를 반복한다. ⁴

코딩 과제에서 이 프레임워크는 8회 연속 LLM 호출(벽시계 약 27분) 후 Gemini 3.1 Pro의 Codeforces Elo를 405포인트 높인다. 이 파이프라인은 강·약 모델 모두에 별도 재튜닝 없이 전이되며, 다영역 벤치마크에서는 객관 검증 가능한 영역에서 이득이 크고 주관적 영역에서는 반전되는 양상을 보인다. 또한 International Grandmaster 주석이 붙은 Codeforces 문제 73개로 구성된 CF-73을 공개하고, 공식 판정 대비 로컬 평가 일치율 99%를 보고한다. ⁴

왜 중요한가

네 연구 모두 실패 원인을 구조로 제어하거나 선택을 통해 걸러낸다. 이미지 생성에서는 기하적으로 온전한 경로를 강제해 껍질을 벗어나는 편차를 줄이고, 위성→거리 3D에서는 기하 제약으로 시점 차의 불안정을 완화한다. 비디오는 엔티티 단위 메모리로 긴 서사의 연결을 점검하고, 추론은 토너먼트식 선택으로 더 나은 답을 스스로 고른다. 공통점은 모델 아키텍처를 크게 바꾸지 않고도 품질을 끌어올리는 실용적 지렛대라는 점이다. ¹

실무 관점에서는 이미지 학습 경로 제약, 원격탐사 3D의 기하 프라이어, 스토리 비디오의 엔티티 메모리, 복잡한 문제의 테스트 시 선택 루프가 실행 가능한 옵션으로 보인다. 구면 경로의 재현성, 지역별 Sat3DGen 성능, EntityBench의 채택, 브래들리–테리 선택이 코딩 외 영역으로 일반화되는지에 주목할 만하다. ²

이번 주 시도해볼 것

1. 구면 경로 논문의 방법 파트를 읽고 그림 1–3을 보며 반지름 대 방향 효과를 이해해, 학습 파이프라인에서 궤도 이탈을 어떻게 제어할지 구상한다. ¹
2. “토너먼트식 답변”을 소규모로 실험해 본다: 챗봇에서 여러 답을 뽑아 쌍대 비교로 승자를 고르고, 자기 비판을 반영해 상위 답을 변이시켜 2–3라운드 반복한다. ⁴