이빨 빠진 미남이

Abstract Keyword: only single text condition, patch-wise text-image matching loss, CLIP(pre-trained text-image embedding model) 원래 존재하는 스타일 트랜스퍼 방법은 스타일 이미지의 정보를 콘텐츠 이미지로 바꾸기 위한 참고 스타일 이미지가 필요하다. 우리의 프레임워크는 이 스타일 이미지 없이 스타일을 원하는 스타일의 텍스트 설명만으로 가능하다. CLIP의 사전 훈련된 text-image 임베딩 모델을 사용해서 오로지 single text condition만으로 콘텐츠 이미지의 스타일을 조정하는 것을 증명한다. 특별히 우리는 사실적인 텍스쳐 전송을 위한 다양한 관점의 증강을 하는 patch-wise text..

Style Transfer 주어진 이미지의 스타일과 콘텐츠를 결합하여 새로운 이미지를 생성하는 작업 일반적으로 두 개의 이미지를 사용하는데 하나는 스타일 이미지로서 원하는 스타일을 갖고 있고, 다른 하나는 콘텐츠 이미지로서 스타일을 적용하고자 하는 대상임 스타일 이미지의 텍스처, 색상 및 시각적 특징을 콘텐츠 이미지에 적용하여 두 이미지를 결합한 결과를 생성함 스타일 전이는 주로 이미지 처리 작업에 사용되며, 예술적 효과를 부여하거나 이미지 스타일 변환을 수행하는데 사용 Generative Model 주어진 데이터로부터 새로운 데이터를 생성하는 모델 생성 모델은 주어진 데이터의 특징과 패턴을 추출한 후, 그 기반으로 새로운 샘플을 생성함 생성 모델은 딥러닝의 생성적 적대 신경망(GAN, Generativ..

깃허브에도 정리해두었습니다!⭐️⭐️⭐️⭐️⭐️ https://github.com/cha-suyeon/DIV2K_DW https://data.vision.ee.ethz.ch/cvl/DIV2K/ DIV2K Dataset Citation If you are using the DIV2K dataset please add a reference to the introductory dataset paper and to one of the following challenge reports. @InProceedings{Agustsson_2017_CVPR_Workshops, author = {Agustsson, Eirikur and Timofte, Radu}, title = {N data.vision.ee.ethz.ch ..

api를 못 찾아서 로컬에 다운 받고, 서버에 옮기는 수작업을 하니까 정말 미칠 것 같았다. 그래도 이 데이터셋은 다운로드 받는 방법이 있어서 바로 서버에 다운로드 받고 있음 https://www.cityscapes-dataset.com/ 이 데이터셋은 저 URL에서 다운받을 수 있으며, 계정이 필수다. 그래서 꼭 가입을 해야하고 'ac.kr' 계정이 필요한듯 하다. gmail은 거부 당함 wget --keep-session-cookies --save-cookies=cookies.txt --post-data 'username=myusername&password=mypassword&submit=Login' https://www.cityscapes-dataset.com/login/ 'myusername'에 ..

Paper: https://arxiv.org/abs/1812.04948 Video: https://youtu.be/kSLJriaOumA Code: https://github.com/NVlabs/stylegan StyleGAN의 output images이다. "A Style-Based Generator Architecture for Generative Adversarial Networks"은 Ian J. Goodfellow 등의 저자들이 2019년에 발표한 논문이다. 이 논문은 기존의 생성적 적대 신경망(GANs)의 생성자 아키텍처를 개선하여 고해상도 이미지 생성의 질과 다양성을 향상시키는 새로운 접근 방식을 제안한다. 이 논문에서 제안하는 아키텍처는 "style-based generator"로 알려져 있..

"Online Class-Incremental Continual Learning with Adversarial Shapley Value" 논문 읽으며 굵직한 개념 정리 1. Online Continual Learning 의미 온라인 지속적 학습(Online Continual Learning)은 컴퓨터 시스템이 새로운 데이터를 계속해서 받아들이고, 이전에 학습한 데이터와 함께 사용하여 지속적으로 학습하고 성능을 개선하는 능력을 말한다. 기존의 머신 러닝 모델은 대부분 한 번 학습하면 끝이여서 새로운 데이터를 받아들이면 처음부터 다시 학습해야 한다. 하지만 온라인 지속적 학습은 이전에 학습한 내용을 유지하면서 새로운 데이터를 계속해서 학습하여 모델의 성능을 개선할 수 있다. 온라인 지속적 학습은 대규모 데이..

대학원생 2학기 차나 되어서 이러면 안 되는 것이겠지만, 그냥 스스로 공부하며 터득한 것을 까먹지 않기 위해 간단하게 정리해보려고 한다. 처음에 공부 시작했을 때, 가장 도움이 되었던 글은 해당 글이다. 머신러닝/딥러닝 논문 읽기 by Andrew Ng Andrew Ng 교수님의 효율적인 논문 읽기 방법을 알아봅시다. facerain.club 앤드류 응이 논문 읽는 방법에 대해 알려준 강의를 참고하여 정리하신 글이다. 대체적으로 간단하게 파악하고 싶은 경우에는 논문 제목 / 요약 / 피규어 순으로 읽고 말았고, 논문을 전체 다 읽어야 하는 경우에는 언급한 방법으로 간단하게 훑어보고 그냥 순서대로 천천히 읽었다. 위 글에선 Related work를 건너뛰라고 하는데 나는 웬만해선 다 읽었고, 이 연구가 어..

`mmcv.dump`는 Python 객체를 지정된 파일에 YAML 또는 JSON 형식으로 저장하는 함수이다. 주어진 Python 객체를 적절한 형식으로 직렬화하고, 파일에 쓰기 위해 사용된다. YAML 또는 JSON 형식으로 저장할 수 있다. 이 함수는 MMCV(Massive OpenMMLab Computer Vision) 라이브러리에서 제공되며, 딕셔너리, 리스트, 튜플 등 Python에서 직렬화할 수 있는 대부분의 객체를 지원한다. 아래는 `mmcv.dump` 함수의 예시입니다. import mmcv data = { 'name': 'John', 'age': 30, 'isStudent': False, 'hobbies': ['reading', 'music', 'traveling'] } # dump dat..