Papers with Code

AI 논문과 코드·arXiv 링크를 함께 보며 최신 연구 흐름을 따라가는 연구 큐레이션

약간의 설정 필요 Web
research #연구 논문#코드 저장소#ML 벤치마크

소개

ML 논문을 검색하면 관련 코드 리포지토리와 데이터셋을 한눈에 보여줍니다. 연구자와 실무자가 최신 성능을 따라가고, 제공된 구현으로 빠르게 실험을 재현하는 데 유용합니다. 단순 문헌 목록이 아니라 실행 가능한 코드가 연결된 논문에 초점을 맞춥니다.

에디터 한마디

실행 가능한 코드와 데이터셋이 함께 필요한 연구자나 엔지니어에게 적합합니다; 최신 ML 방법을 재현하거나 빠르게 프로토타입을 만들고자 할 때 써볼 만합니다.

주요 기능

  • 주제 검색(예: diffusion models) → 코드 리포지토리 직접 링크 제공
  • 논문 페이지 열기 → 구현과 함께 참조된 데이터셋도 표시
  • 관심 분야 팔로우 → 최신 SOTA 작업 업데이트 수신
  • 런타임 가능한 구현에 초점 — 코드가 있는 논문 우선 노출

이런 상황에 추천

  • 박사과정 학생이 비전 분야 최신 기법을 조사하면서 재현 가능한 코드를 제공하는 논문을 추려야 할 때
  • ML 엔지니어가 새 기능 프로토타입을 만들면서 최근 논문의 준비된 코드와 참조 데이터셋이 필요할 때

이렇게 써보세요

  1. 1
    실행 가능한 코드가 있는 논문 선별하기

    회원가입 후 주제(예: "vision transformer fine-tuning")로 검색 → 코드 링크가 표시된 최신 논문을 골라 읽기 목록에 저장 → 각 논문 페이지에서 연결된 저장소와 데이터셋을 확인하여 재현성이 높은 논문을 선별합니다.

  2. 2
    프로토타입용 즉시 실행 가능한 구현 찾기

    구현하려는 방법을 검색(예: "denoising diffusion model") → 저장소 링크와 라이선스 정보가 있는 논문을 선택 → 저장소로 이동해 예제 사용법을 복제하거나 로컬 프로토타입에 붙여넣습니다.

  3. 3
    모델별 성능 지표 비교하기

    관심 있는 벤치마크나 과제(예: "ImageNet accuracy")를 검색 → 리더보드나 과제 페이지에서 상위 논문과 지표를 확인 → 각 논문을 열어 코드 링크와 데이터셋 정보를 검증합니다.

  4. 4
    논문에서 참조한 데이터셋 수집하기

    관련 논문군(예: "semantic segmentation")을 검색 → 유망한 논문을 열어 데이터셋 섹션의 이름과 링크 확인 → 데이터셋 링크로 이동해 라이선스와 다운로드 방법을 확인합니다.

  5. 5
    서브필드를 팔로우해 새 코드 릴리스 추적하기

    관심 영역(예: "diffusion models")을 팔로우 또는 구독 → 피드나 이메일 업데이트에서 새로 추가된 코드 포함 논문을 확인 → 관련 논문이 나타나면 바로 열어 구현과 데이터셋을 확보합니다.

장단점

장점

  • 논문 페이지에서 연결된 코드 저장소로 바로 이동할 수 있어 구현 시도 속도가 빠릅니다.
  • 각 논문에 참조된 데이터셋이 함께 표시되어 재현 실험에 필요한 데이터 탐색이 수월합니다.
  • 리더보드와 팔로우/구독 기능으로 특정 연구 분야의 최신 성과와 코드 릴리스를 꾸준히 추적할 수 있습니다.

단점

  • 머신러닝·AI 중심 플랫폼이라 비(非)ML 분야나 희소한 하위 분야의 문헌·코드가 부족할 수 있으며, 유료 논문의 전체 본문(PDF) 제공은 보장되지 않습니다.

시작하는 법

  1. 1 paperswithcode.com에 접속(계정 불필요)
  2. 2 관심 주제를 검색하거나 최신 ML 분야를 둘러보기
  3. 3 논문 페이지를 열어 연결된 코드와 데이터셋에 바로 접근

비슷한 도구

FAQ

어떤 플랫폼에서 사용할 수 있나요?

Web에서 사용 가능합니다.

한국어를 지원하나요?

현재 한국어는 지원하지 않습니다.

도움이 되었나요?