2026-08-17 · 주간 AI ｜ AI 활용 기계공학 논문 브리핑

이번 주 4편

AI 시각적 인스턴스 분할을 위한 부호화 거리 함수 예측 AI 테스트 시점의 AI4AI: 하네스(Harnesses)를 통한 강한 모델에서 약한 모델로의 능력 전이 AI 활용 기계공학 CNN을 이용한 미세구조로부터 리그닌 함유 폴리우레탄 경질 폼의 기계적 특성 예측 AI 활용 기계공학 동적 베이즈 네트워크 기반 다중 균열 피로 수명 예측

AI 2편

cs.CV · 발표 2026-08-13임팩트

Predicting Signed Distance Functions for Visual Instance Segmentation

시각적 인스턴스 분할을 위한 부호화 거리 함수 예측

Emil Brissman, Joakim Johnander, Michael Felsberg

인용 3

기존 앵커 기반 방식은 다양한 객체 모양에 대응하기 어렵다는 한계가 있습니다.
이 연구는 신경망을 훈련하여 여러 방향의 거리 맵(distance map)을 계산하는 새로운 방법을 제안합니다.
각 픽셀에서 가장 가까운 객체 윤곽선까지의 거리를 예측하여 부호화 거리 함수(SDF)를 근사합니다.
COCO 데이터셋에서 YOLACT보다 전경 IoU(Intersection over Union) 측면에서 더 높은 성능을 보였습니다.
이 방법은 실제 세계의 다양한 객체 모양을 더 잘 포착하여 인스턴스 분할의 유망한 방향을 제시합니다.

TLDR (Semantic Scholar): This work proposes to train a neural network to compute distance maps along different directions and achieves an approximation to the signed distance function (SDF), which yields a higher performance in terms of foreground intersection over union (IoU) on the COCO dataset.

#인스턴스 분할#부호화 거리 함수#딥러닝#컴퓨터 비전

arXiv PDF Semantic Scholar

cs.LG, cs.AI, cs.CL · 발표 2026-08-12최신

AI4AI at Test-Time: Strong-to-Weak Capability Transfer via Harnesses

테스트 시점의 AI4AI: 하네스(Harnesses)를 통한 강한 모델에서 약한 모델로의 능력 전이

Cheng Qian, Wenting Zhao, Liangwei Yang, Heng Wang, Jielin Qiu, Heng Ji, Silvio Savarese, Huan Wang 외 1명

HF upvotes 108

기존 연구는 주로 훈련 시점에 큰 모델의 능력을 작은 모델로 전이시키는 데 집중했습니다.
이 논문은 매개변수 업데이트 없이 테스트 시점에 강한 모델이 약한 모델을 돕는 '하네스'를 제안합니다.
강한 빌더(builder) 모델이 검증 데이터 5%로 하네스를 반복 개선하고, 이를 약한 타겟(target) 모델에 적용합니다.
실험 결과, 타겟 모델의 성능이 평균 0.49에서 0.91로 거의 두 배 향상되었습니다.
이는 불안정한 추론을 확정적 코드로 전환하는 등 인지 구조를 전이하는 새로운 방법입니다.

#AI 모델#능력 전이#테스트 시점#하네스

arXiv PDF

AI 활용 기계공학 2편

cs.CE, cond-mat.mtrl-sci · 발표 2026-08-11임팩트

Predicting Mechanical Properties of Lignin-Containing Polyurethane Rigid Foams from Microstructure Using Convolutional Neural Networks

CNN을 이용한 미세구조로부터 리그닌 함유 폴리우레탄 경질 폼의 기계적 특성 예측

Ilige S. Hage, Charbel Y. Seif, Jose Enrico Q. Quinsaat, Daniel J. van de Pas, Richard Vendamme, Walter Eeversd, Karolien Vanbroekhovend, Elias Feghalid

매칭: neural network, data-driven, structural, mechanical, relevance:0.80

바이오 기반 경질 폼은 지속 가능성과 성능이 우수하지만, 복잡한 제조 과정과 파괴 시험의 어려움이 있습니다.
이 연구는 리그닌 함유 폴리우레탄(PU) 폼의 미세구조와 기계적 특성 간의 상관관계를 머신러닝으로 분석합니다.
주사전자현미경(SEM) 이미지와 압축 데이터를 활용하여 맞춤형 이중 헤드 CNN을 훈련시켰습니다.
CNN은 밀도, 압축 탄성 계수, 항복 강도, 압축 강도를 예측하며, R2 값 0.850~0.91, 상관계수 0.92 이상을 달성했습니다.
이 비파괴적이고 데이터 기반 프레임워크는 바이오 기반 PU 폼의 기계적 거동을 예측하고 이해하는 데 기여합니다.

#기계적 특성 예측#컨볼루션 신경망#리그닌#폴리우레탄 폼

arXiv PDF Semantic Scholar

· 발표 2026-08-12최신

Multicrack Fatigue Life Prediction Based on Dynamic Bayesian Networks

동적 베이즈 네트워크 기반 다중 균열 피로 수명 예측

Yitao Wang, Weidong Zhao, Zichen Xiao, Yifan Wang

매칭: neural network, surrogate model, stress, fatigue, fracture, crack, digital twin, relevance:0.85

선박 및 해양 구조물의 다중 균열 상호작용으로 인한 피로 수명 예측의 어려움을 해결합니다.
동적 베이즈 네트워크(DBN)를 활용하여 다중 균열 구조물의 피로 수명을 예측하는 방법을 제안합니다.
ABAQUS 및 Franc3D 시뮬레이션과 신경망 대리 모델로 응력 확대 계수(SIF)를 효율적으로 예측합니다.
DH36 고강도강 실험을 통해 실제 균열 진화 데이터를 얻고, 제안 방법의 정확도를 검증했습니다.
이 방법은 장기 예측 오류를 줄이고, 다중 균열 시스템의 피로 수명 예측 정확도를 크게 향상합니다.

#피로 수명 예측#동적 베이즈 네트워크#다중 균열#파괴 역학

arXiv PDF Semantic Scholar

←전체 주차 목록으로

선정 기준: 임팩트(최근 365일, 영향력 인용 가중) + 최신(최근 14일) · 요약 엔진: openai_compat