(23.05.02) Depth Estimation 논문 정리하기 2탄 - 논문 제목: Predicting depth, surface normals and semantic labels with a common multi-scale convolutional architecture (ICCV 2015) - https://arxiv.org/pdf/1411.4734v4.pdf (https://arxiv.org/pdf/2003.06620.pdf survey에서 설명하는 내용) single image로부터 depth estimation, surface normal estimation, semantic label prediction과 같은 task를 다룰 수 있는 일반적인 multi-scale framework를 제안..

(23.05.02) https://pygments.org/demo/ Demo — Pygments Try out Pygments! This website requires JavaScript (and WebAssembly) You can also try out pygments locally by running pip install pygments . Then you can use the command-line interface . Language guess the language ABAP ABNF ActionScript ActionScript 3 Ada pygments.org 위 사이트에 들어가면 이렇게 뜨는데 원하는 언어, 입력하고자 하는 코드를 넣으면 아래에 예쁘게 나온다! 워드로 과제 제출해야할 때 유..

(23.05.01) Depth Estimation 논문 정리하기 1탄 - 논문 제목: Depth Map Prediction from a Single Image using a Multi-Scale Deep Network (NeurIPS 2014) - https://arxiv.org/pdf/1406.2283v1.pdf (https://arxiv.org/pdf/2003.06620.pdf survey에서 설명하는 내용) supervised methods의 supervisory signal은 depth maps의 ground truth에 기반한다. Monocular depth estimation은 regressive problem으로 여겨질 수 있다. deep neural network는 single images..

(23.04.30) Monocular Depth Estimation Based On Deep Learning: An Overview https://arxiv.org/pdf/2003.06620.pdf 하나하나 논문들 읽어봐야겠다!! Monocular depth estimation에 대해 ground truth가 사용되는 측면을 기준으로 3가지로 나누어 볼 수 있다. 1. Supervised methods 2. Unsupervised methods 3. Semi-supervised methods unsupervised methods나 semi-supervised methods의 training 과정은 monocular videos나 stereo image pairs에 의존하지만, testing할 때는 sin..

(23.04.30) Monocular Depth Estimation Based On Deep Learning: An Overview https://arxiv.org/pdf/2003.06620.pdf 이번에는 evaluation metrics에 대한 정리 Depth Estimation 의 evaluation metrics

(23.04.30) Monocular Depth Estimation Based On Deep Learning: An Overview https://arxiv.org/pdf/2003.06620.pdf 이번에는 dataset 정리 Depth Estimation의 Dataset 1. KITTI - 가장 크며, computer vision task들의 공통적으로 쓰이는 dataset이다. optical flow, visual odometry, depth, object detection, semantiv segmentation, tracking 등에 쓰인다. - unsupervised and semi-supervised monocolar depth estimation의 commonest benchmark이고, p..

(23.04.30) Monocular Depth Estimation Based On Deep Learning: An Overview https://arxiv.org/pdf/2003.06620.pdf Depth Estimation 흐름을 볼 수 있는 survey다. Depth Estimation Traditional depth estimation methods 은 multiple viewpoints의 feature correspondences 기반이다. 이를 stereo depth estimation 이라고 한다. Monocular depth estimation은 single image를 가지고 depth maps를 추론하는 방식이다. 그러나 이는 ill-posed problem이다. (ill-posed ..

(23.04.24) 선형대수 정리하기 9탄 우선, Upper triangular와 Lower triangular란 아래와 같은 꼴의 행렬을 말한다. LU 분해 : 행렬 A에 대해서 Lower triangular와 Upper triangular로 분해해주는 과정을 말한다. PLU 분해 : 행렬 A가 행연산3 으로만 사다리꼴 행 형태로 바꿀 수 없다면, 행연산1 을 통해 바꿔주는 과정을 거쳐야하는데, 이 과정이 포함된 분해를 PLU 분해라고 한다. LDU 분해 : 행렬 A에 대해서 LU 분해를 진행하였는데, diagonal 원소를 1로 만들어 깔끔한 모양의 결과를 만들어내는 분해과정이다. 참고: https://www.youtube.com/watch?v=z66pF_yiGVQ&list=PL_iJu012NOxdZ..

(23.04.24) 선형대수 정리하기 8탄 SVD (singular value decomposition) 자세히 읽고싶다면: https://darkpgmr.tistory.com/106 참고: https://www.youtube.com/watch?v=TxB96QVlgXk&list=PL_iJu012NOxdZDxoGsYidMf2_bERIQaP0&index=31

(23.04.19) LV.1 이상한 문자 만들기 https://school.programmers.co.kr/learn/courses/30/lessons/12930 내가 작성한 코드 def solution(s): x = [] x = s.split() result = [] for i in x: answer = '' for j in range(len(i)): if j%2 == 0: answer += i[j].upper() else: answer += i[j].lower() result.append(answer) return ' '.join(result) 어디에서 틀린 건지 알 수가 없다 대체 왜 틀린걸까?

(23.04.03) Vision Language Model 논문 리뷰 1탄 논문 제목: Learning Transferable Visual Models From Natural Language Supervision (2021) - https://arxiv.org/pdf/2103.00020.pdf 기존 state-of-art computer vision systems - 고정되어있는 object 카테고리에서 예측하고 학습. -> 제한되어있는 supervision 형태로 인해 제한되는 부분들 발생. -> 자연어를 사용하여 image representation learning하는 것은 어떨까? ====> natural language supervision CLIP 1) contrastive pre-trainin..

(23.03.31) algorithms S. Dasgupta, C. H. Papadimitriou, and U. V. Vazirani (2008) 책 읽고 정리하기 http://algorithmics.lsi.upc.edu/docs/Dasgupta-Papadimitriou-Vazirani.pdf 정리한 내용 6.5 chain matrix multiplication chain matrix muliplication - 행렬 곱셈 연산에서 곱셈 순서를 다르게 하면, 곱셈 cost도 달라지는데 최소의 cost로 곱셈 연산을 할 수 있도록 하는 방법을 dynamic programming 알고리즘을 통해서 알아낼 수 있다. - 아래와 같이 A, B, C, D 행렬의 곱셈 순서를 다르게 하면 cost가 다르다. - T..

(23.03.30) algorithms S. Dasgupta, C. H. Papadimitriou, and U. V. Vazirani (2008) 책 읽고 정리하기 http://algorithmics.lsi.upc.edu/docs/Dasgupta-Papadimitriou-Vazirani.pdf 정리한 내용 6.4 Knapsack 예전에 수업들으면서 정리했던 내용: https://hey-stranger.tistory.com/140 Knapsack - 최대 무게가 정해져있는 배낭 안에 value가 최대가 되도록 물건을 담는 방법을 찾는 문제이다. - knapsack은 중복을 허용하여 물건을 선택하는 경우와 중복을 허용하지 않고 물건을 선택하는 경우로 나누어 생각해 볼 수 있다. knapsack with re..

(23.03.29) algorithms S. Dasgupta, C. H. Papadimitriou, and U. V. Vazirani (2008) 책 읽고 정리하기 http://algorithmics.lsi.upc.edu/docs/Dasgupta-Papadimitriou-Vazirani.pdf 정리한 내용 6.3 Edit distance Edit distance - edit distance: 어떤 두 단어(문자열)가 같아지도록 하기 위해 수행해야하는 연산의 수 (minimum number of edits) - 예를 들어 edit distance를 해결한 예시를 살펴보면 아래와 같다. - edit distance by dynamic programming - edit distance algorithm by ..

(23.03.29) algorithms S. Dasgupta, C. H. Papadimitriou, and U. V. Vazirani (2008) 책 읽고 정리하기 http://algorithmics.lsi.upc.edu/docs/Dasgupta-Papadimitriou-Vazirani.pdf 정리한 내용 6.1 Shortest paths in dags, revisited 6.2 longest increasing subsequences Dynamic Programming - dynammic programming의 핵심은 문제를 한 번만 풀도록 하는 것이다. - 하나의 problem을 sub-problem으로 계속해서 쪼개고, 가장 작은 sub-problem부터 해결함으로써 더 큰 sub-problem을 ..