Earticle

Cone-beam computed tomography (CBCT) is essential in adaptive radiation therapy (ART), yet its clinical utility is hindered by high noise levels, artifacts, and degraded textures. This study introduces a deep learning framework based on a Conditional Denoising Diffusion Probabilistic Model (DDPM) to synthesize high-quality CT (sCT) images from CBCT scans. The model incorporates a specialized encoder and Fusion Block for better fusing input and label images and preserve fine anatomical details. Trained on paired CBCT and deformed CT(dCT) pelvic datasets, the proposed method significantly reduces noise and artifacts while enhancing anatomical fidelity. This approach promises to improve CBCT usability in clinical workflows and enhancing ART planning accuracy.

본 논문에서는 인물 사진에서 자동으로 캐릭터를 생성하는 diffusion 기반 모델을 제안한다. 우리의 네트워크는 세 단계 diffusion process, UNet, denoising 과정을 거쳐 최종 캐릭터를 생성한다. diffusion process에서는 세부 스타일까지 손실 없이 학습하게 하기 위해 스타일 벡터에 노이즈를 점진적으로 추가한 노이즈 벡터 집합을 만든다. 스타일 이미지를 제외한 모든 입력 값은 CLIP 인코더로 벡터로 만든 뒤, 앞서 생성한 노이즈 스타일 벡터와 UNet에서 학습하게 된다. 우리는 세부 조건을 조정하기 위해 CLIP 인코더를 사용한다. 그 후 UNet을 통한 벡터의 노이즈를 제거해 최종적인 캐릭터 이미지를 얻는다

With the recent advent of Metaverse, the character industry that reflects the characteristics of users' faces is drawing attention. there is a hassle that users have to select face components such as eyes, nose, and mouth one by one. In this paper, we propose a diffusion-based model that automatically generates characters from content human photographs. Our model generates user artistic characters by reflecting content information such as face angle, direction, and shape of a content human photo. In particular, our model automatically analyzes detailed information such as glasses and whiskers from content photo images and reflects them in artistic characters generated. Our network generates the final character through a three-step: diffusion process, UNet, and denoising processes. We use image encoders and CLIP encoders for the connection between style and input data. In the diffusion process, a collection of noise vectors is gradually added to a style vector to enable lossless learning of the detailed styles. All input values except for the style images are vectorized with CLIP encoders and then learned with noise style vectors in the UNet. Subsequently, noise is removed from the vectors through the UNet to obtain the artistic character image. We demonstrate our performance by comparing the results of other models with our results. Our method reflects content information without loss and generates natural high-definition characters.

Colorectal cancer is one of the most common cancers worldwide and poses a significant threat to humans, and it is preventable through early detection of polyps. Consequently, research is actively underway to improve the performance of early detection using artificial intelligence, particularly through segmentation tasks. This segmentation task requires expert annotated images of lesion areas and medical images, requiring large amounts of high-quality data. However, due to the limitations of medical data, there are constraints in obtaining high-quality data. Augmentation by image generation models has been actively researched to address this issue. In this study, we propose a diffusion model that generates diverse images by strongly applying different weights to the lesion area and the background area of the annotation, thereby improving the diverse generation capability in the background area. The evaluation involved assessing the quality of the generated images, augmenting the original dataset with this generated data, and applying it to the segmentation task to evaluate the performance improvement. This proves that assigning varying weights to the background can address the issue of data scarcity in medical imaging.

빅데이터는 초기에는 기업의 내부적 프로세스 상에서 발생하는 데이터를 기반으로 의사결정을 지원하기 위해 활용 되었다. 하지만 최근에는 빅데이터의 폭발적인 수요 증가로 인하여, 신 기술 발전 의 동력이라는 관점에서 전세계의 IT분야 기업들은 빅데이터의 성장 잠재력과 새로운 가치에 주목하 고 있다. 본 연구는 국내의 빅 데이터 도입 수준을 제고하고 적용을 활성화하기 위한 정책 가이드라 인을 도출하는 것을 목적으로 한다. 이를 위하여 조직의 성숙도 평가를 위한 영역을 정의하고 각 영 역별 성숙도의 단계를 정의하였다. 빅데이터의 확산 패턴은 가치와 성속도를 기반으로 시뮬레이션으 로 분석하였다. 시뮬레이션 결과에 따라 빅 데이터의 도입 전략을 제시하였다.

Due to the highly competitive situations, organizations are required more and more to assess continuously internal decision making process and align them with strategies. The big data platform can be a solution to such requirements. Especially with the fourth industrial revolution, new opportunities from big data analytics can be increased through the platform where the decision making components such as data, business intelligence and business rules are integrated. In this paper we first define evaluation criteria for competence level of organization. Then we define stages of big data readiness for each competence level. And we analyze the diffusion pattern with Rogers's diffusion model. The simulation results shows that big data diffusion is influenced in early stage by internal situation, however as time progresses the diffusion pattern is more influenced by external situation. The results of this study can be used to design big data adoption policy and to evaluate the competence status and business process.

본 연구는 고교야구 투수의 경기 기록 데이터를 활용하여 프로야구 지명 여부를 예측하는 머신러닝 기반 분류 모델 을 개발하는 것을 목표로 한다. 이를 위하여 최근 생성 모델링 분야에서 주목받는 Diffusion 모델의 원리를 도입하 고, 학습 데이터에 점진적으로 노이즈를 주입한 후 다층 퍼셉트론(MLP) 기반 네트워크를 통해 이를 제거하는 과정 을 학습하는 조건부 노이즈 예측 모델을 설계하였다. 본 모델은 소프트맥스(Softmax) 함수를 출력층에 적용한 다 중 클래스 분류 구조로, 고교 투수의 프로 지명 가능성을 '유력', '가능', '어려움'의 세 가지 범주로 예측한다. 모델 입력에는 평균자책점(ERA), 피안타율(BAA), 9이닝당 탈삼진 수(K/9)를 포함한 주요 투수 지표뿐만 아니라, 구 속, 이닝 소화율, 경기 출장 수 등 다양한 정량적 통계 지표가 활용된다. 나아가, Diffusion 모델의 구조적 특성을 통해 예측 과정에서의 불확실성을 정량화하고, 이를 기반으로 보다 신뢰성 있는 예측 결과를 도출할 수 있는 가능성 을 탐색하였다. 제안된 모델은 향후 프로야구 스카우팅 및 선수 평가 과정에서 객관적인 의사결정을 지원하는 도구로 활용될 수 있다.

This study aims to develop a predictive model to determine the likelihood of high school baseball pitchers being drafted into professional leagues based on their performance records. To achieve this, we propose a multi-class classification model that leverages the principle of diffusion modeling, wherein noise is gradually added to the training data during training, and a multi-layer perceptron (MLP) network is trained to denoise the input. The model incorporates a Softmax activation function at the output layer to classify pitchers into one of three categories: highly likely, possible, or unlikely to be drafted. The input features used in the model include core pitching statistics such as Earned Run Average (ERA), Batting Average Against (BAA), and Strikeouts per Nine Innings (K/9), as well as other quantitative indicators like pitching velocity, number of appearances, and innings pitched ratio. Furthermore, the model explores the potential of diffusion-based approaches to quantify and calibrate prediction uncertainty, offering a new perspective on how generative modeling techniques can enhance the reliability of classification outcomes. The proposed model can be utilized as a tool to support objective decision-making in future professional baseball scouting and player evaluation processes.

본 논문에서는 인지 통제 메커니즘을 설명하기 위한 분석 도구로 주목받고 있는 갈등 과제를 위한 확산 모형(Diffusion Model for Conflict tasks, DMC)의 이론적 기초를 간략히 소개하고, 이를 적용한 주요 경험적 연구들을 체계적으로 정리하였다. 특히, 전통적인 반응시간 기반 분석과 DMC 기반 분석 결과를 비교하여, 자극 특성 및 과제 유형과 같은 실험적 조작 요인, 그리고 개인의 각성 수준과 연령 등의 참가자 특성 요인에 따라 인지 통제의 하위 정보처리 과정이 다르게 작동하는지를 살펴보았다. 아울러 기존 반응시간 분석만으로는 한 이론을 지지하기 어려웠던 상반된 이론적 주장들을 DMC 분석을 통해 검토하고, 이를 바탕으로 정교한 해석을 가능하게 한 연구 사례들을 소개함으로써 이론적 측면에서도 DMC 분석이 해석적 유용성을 가질 수 있음을 보여주었다. 마지막으로는 최근 기존 DMC의 구조적 제약을 보완하고자 제안된 수정 모형(Revised Diffusion Model for Conflict tasks; RDMC)을 소개하고, DMC와의 구조적 차이를 비교함으로써 RDMC가 갖는 분석적 이점도 함께 논의하였다. 종합적으로 본 논문은 DMC 기반 분석이 인지 통제 연구에서 기존 반응시간 분석을 보완하며 인지 통제 기제에 대한 설명력을 높일 수 있는 유용한 도구임을 강조하며, 향후 다양한 영역에서의 활용 방안도 제시하였다.

In the present paper, we provided a concise overview of the theoretical foundations of the Diffusion Model for Conflict tasks (DMC), a computational model that had recently gained attention as a valuable tool for explaining cognitive control mechanisms, and systematically reviewed key empirical studies that had applied the DMC to a variety of conflict tasks. In particular, by comparing the results of traditional reaction-time (RT) analyses with those of DMC-based analyses, this review explored how sub-components of cognitive control were modulated by experimental manipulations (e.g., stimulus features and task types) and individual differences (e.g., arousal levels and age). Furthermore, the paper highlighted cases in which DMC analyses enabled more refined theoretical interpretations, especially in instances where traditional RT analyses alone failed to resolve conflicting theoretical claims. These examples illustrated the explanatory power of DMC in disentangling the contributions of task-relevant and irrelevant processes. The paper also introduced the Revised Diffusion Model for Conflict tasks (RDMC), a recently proposed extension of the original DMC designed to address its structural limitations, and discussed the analytic advantages of RDMC by comparing its key parameters to those of the original model. In sum, this review underscored the utility of DMC-based analysis as a complementary approach to traditional RT-based methods in cognitive control research, and outlined potential avenues for applying this modeling framework across various domains of cognitive science.

대장암은 전 세계적으로 인간 건강에 심각한 위협을 가하는 주요 질병 중 하나이며, 이에 대한 조기 진단과 치료는 생존율을 크게 향상할 수 있다. 최근 인공지능(AI) 기술의 발전으로 대장암 진단 및 치 료 접근 방식에 혁신적인 변화가 이루어지고 있으나, 인공지능 모델의 학습을 위해서는 대량의 고품질 의료 데이터가 필수적이다. 그러나 의료 데이터의 획득은 프라이버시, 저작권, 그리고 데이터 공유에 대한 엄격한 정책으로 인해 상당한 도전 과제를 안고 있다. 본 연구는 Semantic Map을 조건으로 하 는 SDM(Semantic Diffusion Model)을 활용하여 실제와 유사한 고품질의 대장 내시경 이미지를 생성 하는 데 성공하였다. 이 과정을 심층적으로 분석하여, 의료 데이터의 접근성 문제에 대한 혁신적인 해 결책을 제시하고자 한다.

본 연구는 Cone-beam CT에서 발생하는 노이즈가 제거된 CT 이미지 생성을 위하여 텍스처를 보존하는 모델을 제안한다. Denoising Diffusion Probabilistic Model(DDPM)을 기반으로, 고주파 최적화 모듈, 이중 모드 특징 융합, 경계 인식 제약을 통합해 이미지 품질을 개선했다. 서울대학교병원에서 촬영된 84명 환자의 데이터(490개 CBCT/dCT 영상 쌍)에서 2D 슬라이스를 추출하여 학습(27,520 슬라이스), 검증(5,840 슬라이스), 테스트(5,840 슬라이스) 데이터셋으로 나누어 모델을 학습한다. 실험 결과 지표별로 각각 70.3%(MAE), 58.3%(SSIM), 및 118.4%(PSNR)의 성능 향상을 달성하였으며, 이는 제안한 모델이 의료 영상의 텍스처 및 조직의 우수한 복원 성능을 보였으며. 이를 통해 CBCT의 활용성을 더욱 높여줄 것으로 기대된다.

본 연구에서는 source face와 target face를 합성해서 게임 캐릭터의 얼굴을 효과적으로 생성 하기 위한 방법으로 target face의 특징을 제거한 nullface를 생성한 다음 source face의 얼굴 의 특징을 적용해서 새로운 얼굴을 합성하는 기법을 제안한다. 이를 위해서 본 연구는 2 가지 모듈을 이용해서 수행된다. 첫 번째 모듈은 nullface를 생성하며, 두번째 모듈은 nullface에 source face의 특징을 적용해서 새로운 얼굴을 합성한다. 이 두 과정 모두 diffusion model에 기반한 방법론을 적용함으로써 효과적인 얼굴 합성 기법을 구현한다.

This study proposes an effective method for synthesizing game character faces from both source face and target face by first creating a nullface, which removes the facial features of the target face, and then synthesizing a result face by applying the features of a source face to the nullface. The proposed approach synthesizes a face face using two distinct modules. The first module generates the nullface from the target face, while the second module synthesizes a new face by applying the features of the source face to the nullface. Both processes employs diffusion models to implement an efficient and effective face synthesis technique.

본 연구는 루머로서 원자력 위험정보가 인터넷 사용자들에게 인터넷에서 수용과 확산되는 과정을 탐색하기 위해 시행되었다. 우리는 1) 정부제공 정보의 불신과 인터넷 정보의 신뢰가 루머 수용에 영향을 주고, 2) 루머수용은 태도변화에 영향을 주고, 3) 태도변화는 전파의도를 증가시킬 것이라고 가정하였다. 또한 4) 전파의도에 대한 영향력은 도움동기(정책개발 도움, 타인 돕기)에 의해 조절될 것이라고 가정되었다. 분석결과, 정부 정보 불신과 인터넷 정보 신뢰는 인터넷 루머 수용에 정적으로 영향을 주고, 루머 수용 역시 태도변화에 정적으로 영향을 주었다. 즉, 정부정보의 불신과 인터넷정보의 신뢰의 증가 그리고 태도변화는 전파의도를 증가시켰다. 정책 개발 도움동기는 정부정보불신이 전파의도에 미치는 영향을 조절하였고, 인터넷 정보 신뢰와 태도변호가 전파의도에 미치는 영향은 타인돕기 동기에 의해 조절되었다. 즉, 정부정보를 불신하는 사람들의 루머 전파의도는 정부정책 개발동기에 의해 증가되고, 인터넷 정보를 신뢰하고, 태도변화가 일어난 사람의 루머 전파의도는 타인을 돕고자 하는 동기에 의해 증가되었다.

This study was conducted to explore a process in which nuclear risk information as a rumor is accepted in the internet and spread to internet users. We assumed that (1) the distrust of government information and the reliability of internet information influence the degree of rumor acceptance, (2) the rumor acceptance affects change of attitude, (3) change of attitude increases the intention of information spread, and (4) the influence on information spread intention is moderated by helping motivation levels (i.e. helping development policies, helping others). Our results confirmed all the assumed propositions are true, which significantly highlight the process of rumor spread. In particular, the motivation of helping development policies should moderate the effect of distrust of government information on information spread intention, and spread intention was moderated by helping motivation among people who trust internet information and change their attitude.

Cone-Beam Computed Tomography (CBCT) plays a central role in Image-Guided Radiation Therapy (IGRT), but its relatively long acquisition time often leads to motion artifacts that reduce diagnostic quality. This work presents a framework for artifact correction based on residual learning within a conditional Denoising Diffusion Probabilistic Model (DDPM). In this setting, the model learns to predict the residual artifact component instead of the entire CT image. To encourage stable learning, a hybrid loss function incorporating L1 regularization on the predicted residual is introduced. The L1 term is intended to promote sparsity, guiding the model to focus on localized artifact regions while maintaining robustness against anatomical inconsistencies between CBCT and CT pairs. Experiments on paired CBCT-CT datasets showed improved quantitative and perceptual results compared to baseline diffusion and residual models, suggesting that the sparsity constraint may contribute to more reliable artifact suppression.

The ASV-SR method introduces an innovative approach to single-image super-resolution (SISR) by integrating adaptive Stochastic Variation within a diffusion model. This combination effectively captures pixel interactions and various patterns, addressing long-range dependencies in images and overcoming the limitations of traditional deterministic SISR methods. Extensive evaluations on diverse image datasets, including PSNR, SSIM, and LPIPS metrics, reveal that the proposed model outperforms current state-of-the-art techniques. Additionally, the incorporation of a modified SWIN transformer (MST) enhances feature extraction, improving the model's adaptability and efficiency in tackling SISR challenges. This comprehensive approach underscores the significance of incorporating stochastic processes like stochastic variation to advance image super-resolution.

본 연구는 우리나라의 개방형 기관 리포지터리 확산을 위해 리포지터리 수용의 영향요인을 분석하고자 한 것이다. 데이터 수집을 위해 개방형 기관 리포지터리 수용기관과 비수용기관을 대상으로 질문조사를 진행하였고 질문지는 수정된기술확산 통합모델을 적용하여 구성하였다. 기술확산 통합모델은 혁신이나 기술이 특정 요인이나 계기를 통해서 사회전반에 확산되는 일련의 과정을 설명하는 이론이다. 분석결과, 개방형 기관 리포지터리 수용을 결정하는 주요한 영향요인에는 사회적 특성이 가장 많은 영향을 끼치는 것으로 나타났고 다음으로 기관의 특성, 혁신저항특성, 시스템 특성의순으로 나타났다. 본 연구는 우리나라 리포지터리 확산과 활성화를 위한 정책 수립의 기초적인 자료를 제공할 것이다.

For the spread of the open access institutional repository in Korea, this study aims to analyze the factors affecting the acceptance of the repository. To gather the research data, a questionnaire survey was conducted for acceptance and non-acceptance institutions of the open access repositories. The questionnaire consisted of questions based on the revised R-TDM. Integrated Technology Diffusion Model is a theory that seeks to explain how, why, and at what rate new technology and innovations spread through specific factors and cultures. According to the data analyzing, technology acceptance level of social factors was turned out the most effective factors to make a decision to accept the repository to their institutions. And institution factors, innovation resistance factors, and system factors were arranged in order of strong influence. This study will provides the basis for developing policies for dissemination and spread of repositories in Korea.

방송의 디지털화가 진행되고 있는 가운데 우리나라 소비자들의 디지털TV 채택은 상대적으로 더디게 진행되고 있는 것으로 평가되고 있다. 이는 디지털TV 전송방식에 대한 논쟁으로 지난 수년간 소비자들이 디지털TV 구입을 늦춰온 점과 지역디지털방송의 실시 계획이 지연된 데 기인하는 것으로 볼 수 있다. 그러나 또 다른 이유로 여전히 우리나라의 소비자들은 디지털TV가 제공하는 이점 및 디지털TV 이용방법에 대 해서 제대로 이해하지 못하고 있다는 점을 들 수 있다. 특히 단순히 디지털TV를 고화질, 고음질, 대화면이라는 특성으로 이해하고 있는 측면이 강하다. 이에 비해 현재 이러한 점에 착안해서 동 연구에서는 개혁확산이론에서 제시하고 있는 개혁확산의 단계별 특성을 중심으로 지식의 단계와 설득의 단계에서 나타나고 있는 특성들에 대해 디지털TV 채택자와 비채택자간에 어떤 차이가 있는지 조사하였다. 또한 그동안 기존 연구에서 도출돼왔던 신규 미디어 채택에 영향을 주는 인구통계학적 요인과 미디어 보유 및 이용량 그리고 소비자의 기술혁신 성향이 디지털TV 채택에 어떤 영향을 주 는지 탐색해 보았다.

The purpose of this study is to find which factors affect consumers’of adoption of digital TV. Former research based on diffusion of innovation theory showed that adoption of innovation is affected by demographic variables, media ownership and usage, and consumer’s attitude of innovation. This study examined those factors and furthermore the characteristics of each steps that suggested in diffusion of innovation theory. The difference between digital adopter and non-adopter was tested. As a result, awareness and understanding of digital TV and relative advantage, reliability, compatibility, complexity and trialability of digital TV were tested to how they affect consumer’s decision of digital tv adoption. The study found that education and income in demographic variables, consumer’s attitude of innovation, awareness and understanding of digital TV, relative advantage, reliability and trialability affect consumers’adoption of digital TV. However, media ownership and usage are not showed statistically significant relationship with digital adoption.

Purpose: The purpose of this study is to explore factors which influence adoption, implementation and continued use of tele-healthcare systems. Methods: Qualitative research was conducted by in-depth interviews with 17 professionals from various fields of organizations involved in developing and implementing tele-healthcare systems. Data were analysed thematically, using a conceptual model of diffusion of innovations. Results: The system users were reacted positively to the 3 attributes out of 9 which decided the adoption of innovation. In addition, it is required to redesign the tele-health care system simpler and easier so that the system users can access to the system much more easily regardless of space and time limitations. From the design stage on an individual level, it is necessary to conduct detailed needs analysis and listen to users who are at the center of innovation diffusion. On an organizational level, it is necessary to actively prepare for possible problems during system implementation, educate the users and build communication channels continuously. Conclusion: This study has identified the factors affecting the innovation of tele-health care systems and contributed to the understanding of the operation of tele-health care systems by the diffusion of innovation theory in community health posts.

본 연구는 메타버스 플랫폼의 수용과 사용, 그리고 확산으로 이어지는 이용자 행동을 살펴보기 위하여 수행되었다. 이를 위해 메타버스 플랫폼 ‘게더타운’ 사용 경험이 있는 이용자 323명을 대상으로 지각된 혜택요인(유용성, 정보접근 편의성, 사회적 정체성)과 지각된 희생요 인(콘텐츠 품질 위험, 기술적 노력, 혁신 저항)을 도출하고 이들이 지각된 가치에 미치는 영향을 살펴본 후, 지각된 가치가 사용률과 사용 다양성에 미치는 영향을 실증 분석하였다. 연구결과, 지각된 혜택요인 중 유용성과 정보접근 편의성이 지각된 가치에 긍정적인 영향을 미쳤으며, 지각된 희생요인 중 혁신 저항만이 지각된 가치에 부정적인 영향을 미치는 것으로 나타났다. 또한 지각된 가치는 사용률과 사용 다양성에 유의한 영향을 미치는 것으로 확인되었다. 이러한 결과는 메타버스 플랫폼의 확산을 위해 이용자들의 효율성과 접근성을 높일 수 있도록 노력해야 하며, 메타버스 플랫폼으로의 전환에 대해 발생하는 저항성을 낮출 방안을 찾는 것이 필요함을 시사한다. 본 연구는 가치기반수용모델과 사용-확산모델을 결합하여 이용자들의 메타버스 플랫폼 사용 행위에 대한 이해를 제공하였다는 점에서 학술적 의의를 찾을 수 있을 것이다. 또한, 플랫폼 사용에 실질적으로 영향을 미치는 요인들을 도출함으로써 메타버스 플랫폼의 마케팅 전략 수립에 도움을 줄 수 있다는 점에서 실무적 의의를 지닌다.

This study was conducted to examine user behaviors resulting from the adoption, usage, and diffusion of metaverse platforms. To achieve this, data was collected from 323 users who had experiences with the metaverse platform 'GatherTown'. The study aimed to identify perceived benefit factors (usefulness, information accessibility, social identity) and perceived sacrifice factors (content quality risk, technical effort, innovation resistance). After deriving these factors, the study explored their impact on perceived value and subsequently examined the empirical effects of perceived value on usage frequency and usage diversity. Results suggest that among the perceived benefit factors, usefulness and information accessibility had a positive effect on perceived value, and among the perceived sacrifice factors, only innovation resistance had a negative effect on perceived value. In addition, perceived value was confirmed to have a significant influences on usage frequency and diversity. The study contributes academically by combining the value-based adoption model and usage-diffusion model, providing insights into user behavior in metaverse platform usage. Practically, the study could help to formulate marketing strategies for metaverse platforms by identifying factors which influence actual platform usage.

In this paper, the situation of energy efficiency standards and MEPS (Minimum Energy Performance Standard) for motors and diffusion states are analyzed. For this purpose, a new methodology is used, which was proposed in the existing study, using diffusion models and learning curves. The existing diffusion models could not explain affects from new appliances' penetration during the diffusion. But a mixed diffusion model with learning curves or learning ratio is studied to explain this penetration.

기존의 포인트 클라우드 디퓨전 모델은 전체적인 형상 생성에는 효과적이지만, 캡션에 포함된 세부적인 의미나 형상 속성을 충분히 반영하는 데 한계가 있다. 이를 해결하기 위해 본 연구는 CLIP-conditioned 디퓨전 모델을 기반으로 한 텍스트 가이드 3D 포인트 클라우드 방법을 제안한다. 구체적으로는 포인트 클라우드 확산 구조를 기반으로, 낱말 단위의 교차 주의 기법과 문장 전체 의미 기반 특징 조절 방식을 사용하여 자연어 정보를 잡음 제거 신경망에 주입한다. 또한 관사나 전치사처럼 정보량이 낮은 단어에 과도하게 주의가 집중되는 문제를 완화하기 위해, 전체 낱말 순서는 유지하면서 미리 정의된 불용어 위치의 중요도만 낮추는 경량의 불용어 인식 주의 재가중 전략을 도입한다. 우리는 의자와 탁자 범주의 3차원 형상 자료와 그에 대응하는 자연어 설명문을 사용하여 모델을 학습하고 평가한다. 실험에서는 분포 수준의 생성 품질, 문장과 형상 사이의 정성적 대응 관계, 낱말 단위 주의 동작, 그리고 주의 구성 방식에 따른 제거 실험을 분석한다. 정량적으로 제안 모델은 Chair/Table 범주에서 각각 MMD-CD 6.80/6.33, COV-CD 49.75/43.75, 1-NN-CD 77.99/71.75, JSD 9.6/13.2를 보였다. 이와 함께 Chair 범주의 ablation study에서 stop-word-aware attention reweighting은 COV-CD를 37.18%에서 49.75%로 향상시키고 JSD를 12.2에서 9.6으로 감소시켰다. 또한 불용어 인식 재가중 방식은 중요한 단어에 대한 주의 집중과 의미 반영 범위를 개선한다. 그러나 제안한 모델은 여전히 세밀한 속성 반영과 더 넓은 범주로의 일반화 측면에서 한계를 가진다.

Current point-cloud diffusion models can generate overall shapes well, but they struggle to capture detailed semantic features and specific shape attributes described in captions. To improve this, we present a text-guided 3D point cloud generation method that uses a CLIP-conditioned diffusion model. Our approach adds natural-language information to the denoising network through token-level cross-attention and sentence-level semantic feature modulation. To prevent the model from focusing too much on less important words like articles and prepositions, we use a simple stop-word-aware attention reweighting strategy. This keeps the full token sequence but lowers the influence of stop words. We train and test our model on 3D chair and table data paired with matching natural-language descriptions. Our experiments look at overall generation quality, how well the shapes match the text, token-level attention patterns, and results from different attention setups. Quantitatively, the proposed model achieved MMD-CD scores of 6.80/6.33, COV-CD scores of 49.75/43.75, 1-NN-CD scores of 77.99/71.75, and JSD values of 9.6/13.2 on the Chair/Table categories, respectively. In the chair-category ablation study, stop-word-aware attention reweighting improved COV-CD from 37.18% to 49.75% and reduced JSD from 12.2 to 9.6. The results also show that stop-word-aware reweighting helps the model focus on key words and improves semantic coverage. Still, our model has some limits in grounding fine-grained attributes and generalizing to more object categories.