본문 바로가기

🏛 Research58

[NLP] BERT 간단 설명 | Bi-Directional LM | 양방향 언어 모델 BERT(Bidirectional Encoder Representations from Transformers) BERT는 자연어 처리 (NLP) 분야에서 혁신적인 모델 중 하나로, 구글이 개발해 2018년에 공개되었다. BERT는 이전의 NLP 모델보다 더 탁월한 성능을 제공하여 다양한 자연어 처리 작업에서 상위 성과를 이루어 냈다. 이 모델은 특히 사전 훈련된 언어 모델을 사용하여 다른 NLP 작업에 적용할 수 있는 다목적 모델로 주목받았다. 논문 제목은 아래와 같으며 피인용수는 약 8만회(23년 9월 기준)로 이제는 LM 분야에서 정말 기본이 되는 연구라고 할 수 있다. paper : BERT: Pre-training of Deep Bidirectional Transformers for Languag.. 2023. 9. 25.

[논문 리뷰] NeRF 간단 설명 & 원리 이해하기 | 새로운 방향에서 바라본 view를 생성하는 기술 - paper : NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis / ECCV2020 NeRF 논문이 공개된지도 시간이 꽤 흘렀는데, 2020 ECCV에서 공개됐을 때만 해도 굉장히 신기하고 획기적인 view synthesis 방법으로 관심을 받았지만, 여러 단점 때문에 실제 서비스에 적용되기는 쉽지 않았다. 하지만, 2023 CVPR에서는 2022년에 비해 radiance라는 단어의 사용이 80% 증가하고, NeRF의 경우 39% 증가했을 만큼 NeRF는 활발히 연구되고 있다. 특히 이젠 개념 증명을 넘어 veiw editing 이나 각종 application 연구가 진행되고 있다. 즉 NeRF가 이제 각종 서비스에 활용될만.. 2023. 8. 10.

[논문 리뷰] Fast Segment Anything | Fast SAM | SAM의 경량화 SAM (Segment Anything Model) 설명 및 사용 방법 [Meta AI] SAM (Segment Anything Model) 사용 방법 | 모든 객체를 분할하는 Vision AI 모델 SAM (Segment Anything Model) Meta 에서 SAM (Segment Anything Model) 이라는 어떤 것이든 분할할 수 있는 모델을 공개했다. 논문 제목 자체가 'Segment Anything' 인데 굉장히 자신감 넘치는 워딩이다. 간단한 설명을 mvje.tistory.com Meta AI의 Segment Anything Model (SAM)이 공개된지 얼마나 됐다고 벌써 Fast SAM이라는 속도가 향상된 버전의 SAM이 공개되었다. 빅테크 기업에서 혁신적인 AI 모델을 지속적.. 2023. 7. 2.

[논문 소개] Drag Your GAN - 마우스 드래그로 이미지를 생성/변형하는 AI Drag Your GAN 이전의 접근 방식과 달리 Drag Your GAN은 사용자의 마우스 드래그만으로 GAN을 제어한다. 논문 저자는 누구나 픽셀의 위치를 정밀하게 제어하여 이미지를 변형할 수 있으므로 동물, 자동차, 인간, 풍경 등과 같은 다양한 범주의 포즈, 모양, 표현 및 레이아웃을 조작할 수 있다고 한다. 논문에 공개된 figure를 보면 사자의 입을 드래그하여 벌리게 하거나 다른 곳을 응시하게 할수 있고, 사람의 자세를 바꾸거나 풍경 속 산의 높이를 바꿀 수도 있다. 물론 꽤나 자연스럽게 말이다. GAN 분야에서 이미 이미지 매니폴드를 학습하여 이미지를 생성/변형하는 연구는 많았지만 이렇게 뭔가 프로덕트화(?)되어 공개된 논문은 처음 보는 것 같다. Motion supervision 단계는 .. 2023. 5. 28.

[논문 소개] TAM (Track Anything Model) | 어떤 것이든 추적하는 Vision AI 모델 | Sagment Anything 비디오 버전 Track Anything: Segment Anything Meets Videos 세상 참 빠르다. Meta AI의 SAM (Segment Anything Model)이 나온지 얼마나 됐다고 SAM을 비디오에 적용해 tracking task를 수행하는 TAM (Tracking Anything Model) 논문이 나왔다고 한다. Track-Anything은 비디오 객체 추적 및 분할을 위한 유연한 대화형 도구로 Segment Anything에서 개발되었으며 사용자 클릭을 통해서만 추적 및 세그먼트화할 항목을 지정할 수 있다. 추적하는 동안 사용자는 추적하려는 개체를 유연하게 변경하거나 모호한 부분이 있는 경우 관심 영역을 수정할 수도 있다. 이러한 특성을 통해 Track-Anything은 다음과 같은 작업.. 2023. 4. 30.

[논문 소개] DINOv2 - Self-supervised Vision Transformer | Meta AI | 레이블 데이터 없이 강력한 성능을 내는 Vision AI 모델 DINOv2 논문 제목 : DINOv2: Learning Robust Visual Features without Supervision GitHub Demo 23년 4월 Meta AI에서 self-supervised learning을 사용하여 고성능 컴퓨터비전 모델을 학습하는 새로운 방법인 DINOv2를 공개했다. LLM(Large Language Model) 학습에도 활용되는 self-supervised learning 방법은 모델 학습 시 많은 양의 레이블이 지정된 데이터가 필요하지 않기 때문에 AI 모델을 학습하는 강력하고 유연한 방법이다. 논문에 따르면 최근 몇년 동안 컴퓨터비전 작업의 표준 접근 방식이었던 이미지-텍스트를 페어로 학습하는 멀티모달 방식의 학습 방법에서는 이미지의 캡션 정보에 의존한.. 2023. 4. 29.

이전 1 2 3 4 5 6 ··· 10 다음

티스토리툴바