Computer Vision111 [2025-1] 박경태 - Low-Resolution Object Recognition with Cross-Resolution Relational Contrastive Distillation https://arxiv.org/abs/2409.02555?utm_source=chatgpt.com Low-Resolution Object Recognition with Cross-Resolution Relational Contrastive DistillationRecognizing objects in low-resolution images is a challenging task due to the lack of informative details. Recent studies have shown that knowledge distillation approaches can effectively transfer knowledge from a high-resolution teacher model to a lo.. 2025. 1. 17. [2025-1] 최민서 - Generative Modeling by Estimating Gradients of the Data Distribution https://arxiv.org/abs/1907.05600 Generative Modeling by Estimating Gradients of the Data DistributionWe introduce a new generative model where samples are produced via Langevin dynamics using gradients of the data distribution estimated with score matching. Because gradients can be ill-defined and hard to estimate when the data resides on low-dimensionalarxiv.org 본 논문에서는 score 기반의 새로운 방식의 생성형 모델.. 2025. 1. 17. [2025-1] 유경석 - Road Extraction by Deep Residual U-Net https://arxiv.org/pdf/1711.10684AbstractRoad extraction은 원격 감지 이미지 분석 분야의 뜨거운 연구 주제Residual learning과 U-Net의 결합 구조를 통해 Road extraction 수행 1) Residual unit은 Deep network의 training이 더욱 쉽게 이루어지도록 함.2) Skip connection은 information propagation을 통해, 더 적은 parameter로 더 좋은 성능을 보임.Public road dataset을 분석하는 연구에서, 다른 network에 비해 ResUNet이 더 좋은 성능을 보였음. 1. IntorductionRoad extraction원격 감지 분야의 대표적인 기술로, 자동화 네비.. 2025. 1. 17. [2025-1] 전윤경-U-Net: Convolutional Networks for BiomedicalImage Segmentation 0. Abstract 제한된 주석 데이터 샘플을 보다 효율적으로 활용하기 위해 데이터 증강을 활용하는 네트워크와 학습 전략을 제안수축 경로(contracting path): context을 캡처확장 경로(expanding path): 정확한 위치 추정을 가능=> 소량의 이미지로 end-to-end 학습 가능 1. Introduction전통적 컨볼루션 네트워크는 단일 클래스 레이블을 출력하여 위치 정보를 포함하지 못함.Ciresan et al.: 슬라이딩 윈도우 방식으로 각 픽셀 주변의 지역(패치)을 입력으로 픽셀의 클래스 레이블을 예측장점:위치 추정,패치 개수가 학습이미지 개수보다 만항 데이터 상대적 증가단점:속도: 네트워크가 각 패치마다 개별적으로 실행, 중첩되는 패치위치 정확도와 맥락 정보 활용의.. 2025. 1. 10. 이전 1 ··· 10 11 12 13 14 15 16 ··· 28 다음
