분류 전체보기271 [2025-1] 전연주 - LDM: High-Resolution Image Synthesis with Latent Diffusion Models 논문 링크: 2112.107521. AbstractDiffusion Model (DM)은 고품질 이미지 생성에 탁월하지만, pixel space에서 직접 학습할 때 막대한 계산량과 시간이 소요됨본 논문에서는 먼저 강력한 Autoencoder를 사용해 이미지를 latent space로 압축한 뒤, 해당 공간에서 Diffusion Model을 학습하는 방안(Latent Diffusion Model, LDM)을 제안이 방식은 기존 pixel space 기반 Diffusion 대비 학습 비용과 추론(샘플 생성) 비용을 크게 절감함과 동시에, 다양한 조건(예: 텍스트, 세그멘테이션 맵 등)을 유연하게 적용할 수 있음Inpainting, Super-Resolution, Text-to-Image Synthesis 등.. 2025. 1. 17. [2025-1] 차승우-GloVe: Global Vectors for Word Representation https://aclanthology.org/D14-1162.pdf0. Abstract최근 단어의 벡터 공간 표현을 학습하는 방법은 CBOW, skip - gram 등의 방식을 통한 벡터 연사을 통해 의미적, 문법적 규칙성을 포착하는데 성공했지만, 이런한 규칙성이 발생하는 근원은 명확하지 않다. 본 논문에서는 이러한 규칙성이 나타나기 위해 필요한 모델 특성을 분석하고 명확히 한다. 그 결과로써 기존 문헌의 두 주요 모델 계열(전역 행렬 분해(LSA) 및 지역 문맥 창(Bag-of-words, skip-gram))의 장점을 결합한 새로운 전역 로그-선형 회귀 모델을 제안한다. 단어 유추(word analogy) 과제에서 75%의 성과를 보였으며, 유사성 비교 및 개체명 인식에서 기존 모델 대비 우수한 성.. 2025. 1. 17. [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. 이전 1 ··· 31 32 33 34 35 36 37 ··· 68 다음
