스탠퍼드 AI 연구소, CVPR 2026서 최신 연구 발표
- •스탠퍼드 AI 연구소가 6월 3일부터 7일까지 덴버에서 열린 CVPR 2026에서 다양한 연구 성과를 공개했다.
- •비디오 확산 모델, Embodied AI, 의료용 파운데이션 모델 및 로봇 조작 등 폭넓은 분야를 다뤘다.
- •VLA 정렬을 위한 'Scaling Verification' 등 다수의 논문이 우수 논문상 후보에 지명되는 성과를 거뒀다.
스탠퍼드 AI 연구소(SAIL)는 6월 3일부터 6월 7일까지 콜로라도주 덴버에서 개최된 컴퓨터 비전 및 패턴 인식 학회(CVPR) 2026에서 광범위한 연구 결과를 발표했다. 이번 성과는 비디오 생성, 로봇 학습, 의료 영상 분야를 아우르며 다수의 논문이 수상 후보로 선정되는 영예를 안았다.
주요 연구로는 비디오 확산 모델의 드리프트 현상을 줄이는 역방향 집계 방식의 'BAgger'와 4D 비디오 합성에서 시간과 카메라 포즈를 분리 제어하는 'BulletTime'이 있다. 또한 4D 동작 생성을 위한 'Choreographing a World of Dynamic Objects', 비디오 모델의 신원 제어 플러그인인 'Stand-In', 상호작용형 비디오 생성을 다룬 'Generated Reality', 기하학 정보 기반의 'GaussFusion' 등이 주목받았다.
로봇 공학 및 Embodied AI 분야에서는 인간과 로봇의 1인칭 시점 데이터를 활용한 VLA 파인튜닝 연구 'Ego-Pi'가 공개됐다. 또한 모방 학습을 통한 전신 조작 연구인 'HoMMI'와 도구 강화 멀티 에이전트 시스템을 이용한 3D 객체 배치 연구 'VULCAN'이 소개됐다. 특히 'Scaling Verification Can Be More Effective than Scaling Policy Learning for Vision-Language-Action Alignment' 논문은 최우수 논문상 최종 후보에 이름을 올렸다.
이 외에도 물체 이해도와 시각적 토큰화 기술을 발전시킨 'Physical Object Understanding with a Physically Controllable World Model'과 'Spherical Leech Quantization'이 수상 후보로 선정됐다. 또한 알츠하이머 진단을 위한 뇌 MRI 파운데이션 모델에 희소 오토인코더를 적용한 'GeoSAE'와 파운데이션 모델의 공간 인지 발달 과정을 탐구한 'Theory of Space' 연구도 함께 발표되었다.