Computer Vision133 [2023-2] 김동한 Auto-Encoding Variational Bayes Preview - 베이즈 정리 - 기본 조건부 확률의 정의를 이용한, 전확률 공식 활용. - 사전분포를 이용해 사후분포를 표현할 때 활용 - MLE(Maximum Likelihood Estimator) : 최대가능도 추정량 - 통계학에서 주 관심사 중 하나. 가장 그럴듯한 정도(가능도)를 최대화 하는 값을 추정량으로 사용하는 것을 의미. 확률에 기반한 통계적 추정량으로, MLE는 수학적으로 여러가지 좋은 성질들을 가져, 통계학적으로 접근할 때, 가장 자주 고려되는 추정량이다. 여기서는 log(p(xi))의 최대화에 관심을가지며 이때의 최대 추정량에 이용. - KLD(쿨백 라이블러 괴리도 or 발산) - 두 분포의 차이를 나타내는 척도로 활용 같은 분포를 가지면 KL 값이 0 이며, 차이가 크면.. 2023. 12. 2. [2023-2] 주서영 - Very Deep Convolutional Networks For Large-Scale Image Recognition Very Deep Convolutional Networks for Large-Scale Image Recognition In this work we investigate the effect of the convolutional network depth on its accuracy in the large-scale image recognition setting. Our main contribution is a thorough evaluation of networks of increasing depth using an architecture with very small (3x arxiv.org Astract large-scale의 이미지 및 영상 인식에서 Convolution networks(ConvNets.. 2023. 11. 28. [2023-2] 박태호 - You Only Look Once: Unified, Real-Time Object Detection https://arxiv.org/abs/1506.02640 You Only Look Once: Unified, Real-Time Object Detection We present YOLO, a new approach to object detection. Prior work on object detection repurposes classifiers to perform detection. Instead, we frame object detection as a regression problem to spatially separated bounding boxes and associated class probabili arxiv.org Abstract - 객체 탐지 및 분류를 하나의 신경망으로 진행하는 YOLO.. 2023. 11. 28. [2023-2] 김경훈 - High-Resolution Image Synthesis with Latent Diffusion Models 원본 논문 링크 : https://arxiv.org/abs/2112.10752 High-Resolution Image Synthesis with Latent Diffusion Models By decomposing the image formation process into a sequential application of denoising autoencoders, diffusion models (DMs) achieve state-of-the-art synthesis results on image data and beyond. Additionally, their formulation allows for a guiding mechanism t arxiv.org 0. Abstract 이미지 형성 과정을 순차적.. 2023. 11. 25. 이전 1 ··· 30 31 32 33 34 다음
