maizer's blog

Chapter 01) 문장의 기본 요소 Section 01) 주어와 술어 Point 1) 문장 = 주어 + 술어 문장 주어부 문장의 주체로서 술어부를 행하는 대상 술어부 동작이나 상태를 나타내는 요소들 Point 2) 술어 = 동사 + 다른 요소 술어부 동사 술어부는 필수적으로 동사가 포함되어야 한다. 다른 요소 ... Read More

lilianweng.github.io - What are Diffusion Models? So far, I’ve written about three types of generative models, GAN, VAE, and Flow-based models. They have shown great success in generating high-quality samples, but each has some limitations of its own. GAN models are known for potentially unstable training and less diversity in generation due... Read More

chpater 9) 전치사 추가 37) 유사 전치사 비교 for 정확한 기간의 길이 숫자 앞에 온다 during 특정 기간 by 그 시점 until 특정 시점까지 계속 from 시작한 시작점 since 어느 때부터 계속 between 2개 사이 among 3개 이상의 사이 in 어... Read More

chpater 10) 관계대명사 추가 39) 관계대명사와 전치사 관계대명사가 전치사의 목적어로 쓰이는 경우 관계대명사는 두 문장에서 중복으로 사용되는 명사를 줄이면서 두 문장을 연결하기 위한 도구이다. The company. + John works for the company is rapidly growing. 전치사 + 관계대명사(격식을 차린 표현) The company for which John works is rapidly growing. 관계대명사 The company ... Read More

벡터나 행렬의 크기를 나타내는 노름(norm)은 벡터나 행렬의 크기나 길이를 측정하는 함수로, 다양한 종류가 있습니다. 벡터의 노름을 구하는 방법에는 다음과 같은 것들이 있습니다. $L_1$ 노름: 벡터의 각 요소의 절댓값을 더한 값입니다. 수식으로는 $\Vert x \Vert_{1} = \sum_i \vert x_i \vert$ 입니다. $L_2$ 노름: 벡터의 각 요소의 제곱을 더한 값에 루트를 씌운 값입니다. 수식으로는 $\Vert x \Vert_{2} = \sqrt{\sum_i x_i^2}$ 입니다. 이 노름은 Euclidean distance로서 자주 사용됩니다. $L_p$ 노름: 벡터의 각 요소의 ... Read More

chpater 8) 접속사 $\cdot$ 비교 추가 30) and, or, but 심화 등위접속사의 사용방법 명령문 + and/or Study hard, and ~ (= If you study hard, ~) 공부를 열심히 하면 ~ Study hard, or ~ (= If you don’t study hard, ~) 공부를 열심히 하지 않으면 ~ 짝으로 된 접속어구 both A ... Read More

CV Paper List Person Image Synthesis via Denoising Diffusion Model Abstract The pose-guided person image generation task requires synthesizing photorealistic images of humans in arbitrary poses. The existing approaches use generative adversarial networks that do not necessarily maintain realistic textures or need dense correspondences that s... Read More