순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
Taylor 공식 기반 다중분기 선형 트랜스포머 MB‑TaylorFormer V2 이미지 복원 개선
MB-TaylorFormer V2: Improved Multi-Branch Linear Transformer Expanded by Taylor Formula for Image Restoration
Zhi Juan Jin, Yuwei Qiu, Kaihao Zhang 외 · IEEE Transactions on Pattern Analysis and Machine Intelligence · 2025년 · 조회 14
왜 이 논문인가 — 선정 기준
HOT PAPER · 최근 가장 주목받는 논문 — 피인용·FWCI·동년 인용 백분위
2025-04 발표 · 피인용 244회 · FWCI 98.3 · 동년 인용 상위 1%
HOT PAPER 슬롯에 선정된 이유는 2025년 발표 이후 244회의 피인용과 FWCI 98.3으로 동년 논문 상위 1%에 속하는 높은 주목도를 보였기 때문이다.
논문 요약
본 연구는 이미지 복원에서 Softmax‑attention의 2차 복잡도가 고해상도 적용을 저해한다는 문제를 해결하고자 한다. Taylor 전개를 이용해 Softmax‑attention을 근사하고, 1차 전개의 나머지를 보존하는 정규화 매핑을 도입해 선형 계산 복잡도를 달성하였다. 또한 다중 스케일 패치 임베딩을 결합한 다중분기 구조를 제안하여 다양한 수용 영역과 다중 레벨 특징을 활용한다. 이를 통해 기존 모델 대비 효율성과 성능을 동시에 향상시켰다.
후속 연구설계에 활용하기
Taylor 근사 기반의 효율적 attention 모듈을 다른 비전 태스크에 적용하거나, 다중분기 패치 임베딩을 변형해 새로운 변수·구조를 실험 설계에 활용할 수 있다.
핵심어
트랜스포머Taylor 전개이미지 복원선형 복잡도
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.