[Paper Review]
1.[Paper Review] - Soft Contrastive Learning for Time Series (SoftCLT), ICLR 2024
시계열 데이터에 특화된 Soft Contrasive Learning 전략을 제안다양한 다운스트림 작업에서 기존 contrasive learning 방법론 모델들보다 좋은 성능을 보임plug - and - play 방식이기 때문에 다른 모델 프레임워크에 쉽게 적용시킬 수
2.[Paper Review] - W-MSE(Whitening Mean Squared Error, 2021, ICML)
Whitening MSE(W-MSE)라는 새로운 Self supervised learning loss function을 제안.배치 샘플을 구형 분포(spherical distribution)에 놓이도록 제약하며, 기존 positive-negative instance c
3.[Paper Review] - Not All Data are Good Labels: Onthe Self-supervised Labeling for Time Series Forecasting(2025.02)
Self-supervised leaerning을 활용한 라벨 보정 :기존의 원시 라벨(raw labels)이 가진 노이즈와 과적합 문제를 완화하기 위해, 재구성(reconstruction) 네트워크를 이용하여 후보 데이터셋(candidate datasets)을 생성하고
4.[Paper Review] - Unlocking the Power of Patch: Patch-Based MLP for Long-Term Time Series Forecasting(AAAI, 2025)
장기 시계열 예측 문제에서 MLP에 Patching을 적용한 PatchMLP라는 새로운 모델을 제안Transformer가 장기 시계열 예측(Long-Term Time Series Forecasting, LTSF) 과제의 해법이 될 수 있는지 회의적.패치 메커니즘을 적용
5.[Paper Review] - Do All Visual Tokens Matter Equally? Object-Evidence Preserving Token Merging for Vision-Language Retrieval (arXiv 2026)
Multi-Vector vision-language Retrieval의 가장 큰 문제는 이미지 하나당 visual token을 수백~1000개가 넘는 visual token embedding을 저장해야함.이미지가 많아질수록 retrieval index의 저장 공간이 크