Bamboo is coming

Image and video upscaling from local self-examples (2011) ACM Trans, 473회 인용, 11p 👻 본 논문은 SR survey 논문에 나온 패치 기반 SR 논문입니다. 🎈목차 0. ABSTRACT 1. INTRO - 문제점 - 기존연구 - 제안 2. PREVIOUS WORK 3. UPSCALING SCHEME 4. CONCLUSION GPT, 이 논문의 방법론적 접근은 기존의 이미지 업스케일링 방법들과 비교하여 몇 가지 독창적인 요소를 포함합니다. 주요 내용을 요약하면 다음과 같습니다: 1. 지역적 자기 유사성(Local Self-Similarity) : 자연 이미지의 지역적 자기 유사성에 기반하여, 외부 예시 데이터베이스를 사용하지 않고도 고해상도 이..

Deep Learning for Image Super-Resolution: A Survey (2021.10) IEEE, 1400회 인용, 23p 🎈목차 더보기 기존 연구 class methods deep-learning based methods SR 문제 정의 유명 데이터셋 성능 평가 지표, IQA PSNR, SSIM, MOS, Learning-based Perceptual Quality, Task-Based Evaluation ..etc Challenges NITRE, PRIM Supervised Super-Resolution SR Framework Pre-upsampling SR, Post-upsampling SR, progressive upsampling SR, Iterative up-and-dow..

Deep Learning for Image Super-Resolution: A Survey (2021.10) IEEE, 1400회 인용, 23p 🎈목차 더보기 기존 연구 class methods deep-learning based methods SR 문제 정의 유명 데이터셋 성능 평가 지표, IQA PSNR, SSIM, MOS, Learning-based Perceptual Quality, Task-Based Evaluation ..etc Challenges NITRE, PRIM Supervised Super-Resolution SR Framework Pre-upsampling SR, Post-upsampling SR, progressive upsampling SR, Iterative up-and-dow..

Deep Learning for Image Super-Resolution: A Survey (2021.10) IEEE, 1400회 인용, 23p 🎈목차 더보기 기존 연구 class methods deep-learning based methods SR 문제 정의 유명 데이터셋 성능 평가 지표, IQA PSNR, SSIM, MOS, Learning-based Perceptual Quality, Task-Based Evaluation ..etc Challenges NITRE, PRIM Supervised Super-Resolution SR Framework Pre-upsampling SR, Post-upsampling SR, progressive upsampling SR, Iterative up-and-dow..

😢 아직 읽고 있는 논문으로 계속해서 추가 예정입니다. A Survey of Large Language Models(2023.03), arXiv, 516회 인용, ongoing work; 124 pages, 946 citations 🎈목차 0. ABSTRACT 1. INTRO ㆍ 기존연구 ㆍ 최근동향 ㆍ LLM 한계점 ㆍ 논문 요약 2. BODY 3. CONCLUSION 0. ABSTRACT 언어를 이해하고 생성하려는 20년 전 통계 모델에서 신경망으로 발전, 스케일의 증가가 성능의 향상을 이끎을 발견. ChatGPT의 등장으로 LLM에 대한 관심이 크게 증가함. 1. INTRO - 기존연구 LM(Language Modeling) - 단어 순서의 생성가능성을 예측하기 위한 모델으로 SLM, NLM, PL..

🎈목차 0. ABSTRACT 1. INTRO - 문제점 - 기존연구 - 논문 요약 2. BODY 3. CONCLUSION 0. ABSTRACT Candidate generation model과 ranking model로 구성된 대규모 사용자 추천 시스템 1. INTRO - 문제점 유튜브 영상을 추천하는 것은 크게 3가지 어려움이 있다. (1) Scale -> 기존 방식은 작은 문제만 다뤄왔다 (2) Freshness -> 매초 영상이 업로드 되기때문에 기존에 있던 영상간의 균형이 중요하다 (3) Noise -> 유저간의 차이도 있고 추천 데이터가 실체가 없다 - 기존연구 matrix fatorization (행렬분해)방식은 많은데 deep neural network 관련한 건 많지 않다. neural n..

ICLR workshop paper Concept discovery and Dataset exploration with Singular Value Decomposition Motivation - 대규모 데이터셋에 모델 pre-train하는 것이 표준처럼 사용되는데 학습 데이터 내에서의 label 오류, 노이즈 등에 주의를 기울이지 않은 채로 사용하는 경우가 많다. - 따라서 딥러닝 모델의 신뢰도를 낮추는 요인 중 하나로 뽑힌다. Goal - 모델 신뢰도 상승(학습한 패턴(concept vector) 분석, 학습 데이터 세트 탐색, 오류 데이터를 미리 찾기) - intermediate layer(feature extract 이후 layer)에서 concept을 자동 추출 Contribution - Post..

http://dmqa.korea.ac.kr/activity/seminar/413 고려대학교 DMQA 연구실 고려대학교 산업경영공학부 데이터마이닝 및 품질애널리틱스 연구실 dmqa.korea.ac.kr video anomaly dectection의 종류 1. fully supervised 이상이 발견된 프레임에 labeling 2. weakly supervised 이상이 발견된 동영상에 labeling 3. unsupervised labeling 생략, 정상적인 frame이 더 많고 이상적인 현상이 더 적게 발생한다는 가정하에 학습 Real-world Anomaly Dectection in Survelilance Video(IEEE, 2018) 인용수 1200회 가량 문제점 정상과 비정상의 경계 모호 (이..

stable diffusion의 구조는 CLIP: 텍스트를 받아서 token에 따라 vector를 출력한다. 해당 사진에서 출력된 나무의 경우 나무의 위치가 왜 저 곳으로 매핑됐는지는 알 수 없다. latent space 내에 차원이 특징을 추출한 것으로 입력 데이터의 나무가 사이드에 위치된 데이터가 많았을 수도 있다. stable-diffusion-for-developers (https://haandol.github.io/2023/07/16/stable-diffusion-for-developers.html#fn:4) illustrated-stable-diffusion (https://jalammar.github.io/illustrated-stable-diffusion/) how-stable-diffus..

2022년에 Google Research에서 발표한 Imagen video: High definition video generation with diffusion models (논문, https://arxiv.org/abs/2210.02303) 2023년 기준 총 309회의 인용으로 2022년 10월 발표 이후 활발하게 연구가 진행되고 있다. 기존에 Text-to-image 모델인 Imagen을 비디오 형태로 제안했다. 최초의 비디오 diffusion 모델을 제시한다고 저자는 언급하고 있다. 현재 연구는 image에서 SOTA를 달성한 모델을 영상으로 확장 적용하는 형태로 진행되고 있음. 논문 리뷰 VideoCLIP: Contrastive Pre-training for Zero-shot Video-Tex..