maizer's blog

다음 글로 → 석사를 졸업하고 정말 많은 일이 있었다. 졸업하던 2월만 하더라도 정말 행복했고, 사랑하는 사람들의 기대에 보답하고자 스스로에게 약속을 했다. 어디서부터 잘못된걸까.. 3월, 영어학원 4월, 첫 자취 시작 5월, ETRI 석사후 지원 그리고 탈락 6월, 영어 공부 7월, KIDA 위촉원 지원 그리고 탈락, 그리고 이별 8월, 실업 급여 마지막 수급일, 그리고 구직 9월, 강남 합격 그리고 KIDA 위촉원 추가 합격, 이사, 그리고 새로운 만남 10월, … KIDA 위촉원 계약직 입사사 뒤돌아 보면 너무 행복했던 7개월 이였지만.. 다사다난한 여름이였던거 같다. 아직 아물지 ... Read More

← 이전 글로 ``` 2022년 7월을 마지막으로 글을 안썼다는게 믿기지가 않는다. 참 많은 일이 있었고 아쉬운 순간도 많았었는데, 여전히 지금도 아쉬운 순간의 연속이다. 탑 티어 논문 하나 작성 못하고 졸업하는 내 자신에게 참 슬프기도 하고, 학연학생의 한계를 뼈저리게 느끼는 순간이기도 하다. 더 성장할 수 있는 좋은 기회였다는 생각에 만족감도 들지만 새로 시작하는 기분에 묘한 피로감이 닥쳐온다. 더 성장할 수 있음에 감사하고 이 마음을 끝까지 잃지 않기를.. Read More

Manifold 시각화[1] Manifold란? 매니폴드(Manifold)는 간단히 말해서, 데이터가 분포하는 저차원의 구조를 나타냅니다. 일반적인 데이터는 고차원 공간에서 표현되지만, 데이터가 생성되거나 분포되는 과정에서 내재된 저차원의 구조가 존재할 수 있다. 이렇게 데이터가 내재된 저차원 구조에서의 데이터들을 표현한 것이 그림과 같이 manifold이다. 우리는 다양한 데이터 압축Encoder을 통해 Latent space에 매핑할 수 있다. 데이터가 Latent space에 매핑되어 있을 때, 매핑된 데이터들의 관계를 manifold라고 할 수 있다. Manifold learning이란? ... Read More

Variational AutoEncoder[2] Variational AutoEncoder란? AutoEncoderAE와 동일하게 입력 데이터를 재현(복원)한다. 하지만 AE는 입력 데이터를 Encoder를 통해 Latent vector로 만드는 압축 방식을 하였다면, Variational AutoEncoderVAE는 입력 데이터의 Encoder 결과로 평균과 분산을 얻어, 입력 데이터의 분포를 얻게 되는 차이점이 있다. VAE는 Encoder를 통해 얻은 분포를 사용하여 latent vector $z$를 sampling하게 되는데, 이과정은 역전파가 불가... Read More

AutoEncoder란? 입력 데이터의 특성을 추출하여 입력 데이터와 비슷한 데이터를 재현(복원)한다. AutoEncoder 추상화[2] AutoEncoder 특징 UnSupervised Learning 입력값 $x$을 label로 사용하여 label을 필요로하지 않는다. Manifold Learning EncoderFeature extract 결과를 통해 입력 데이터의 차원 축소가 발생한다. Generation Model 압축 데이터를 원본 이미지와 같이 생성한다. AutoEncode... Read More

CV Paper List 3D Neural Field Generation using Triplane Diffusion Abstract 본 논문은 3D-aware generation of neural fiels에 Diffusion 모델을 적용시킨다. 3D-aware generation은 생성 과정에서 3차원 정보를 고려하여 생성하는 방법입니다. Neural fiels는 신경망의 출력 값으로 이뤄진 공간적인 데이터 구조를 의미한다. 여기서 공간적인 데이터 구조는 출력값의 2D 혹은 3D 공간을 의미한다. 1. Introduction 3D-aware generativ... Read More

CV Paper List Improved Techniques for Training Score-Based Generative Models Abstract 데이터 분포의 점수 매칭을 통해 추정된 기울기를 사용하여 랑주뱅 동역학Langevin dynamics을 통해 샘플을 생성하는 새로운 생성 모델을 소개한다. 데이터가 저차원 매니폴드에 위치할 때 기울기는 잘 정의되지 않고 추정하기 어려울 수 있다. 우리는 데이터를 다른 수준의 가우시안 노이즈로 동요시키고 해당하는 점수, 즉 동요된 데이터 분포의 기울기 벡터 필드를 모든 노이즈 수준에 대해 공동으로 추정한다. 샘플링을 위해, 우리는 점차적으로 감소하는 노이... Read More