🤖 AI93 😛 Clip : Learning Transferable Visual Models From Natural Language Supervision : 4. Comparison to Human Performance - 9. Conclusion 😛 4. 인간 성능과의 비교 (Comparison to Human Performance) 🎯 실험 목적• CLIP과 인간이 비슷한 상황에서 제로샷/퓨샷 학습 성능을 어떻게 보이는지 비교• 모델과 인간의 표본 효율(sample efficiency) 및 학습 방식의 차이를 분석 🧪 실험 설계• 실험 데이터셋: Oxford IIT Pets (총 3669장, 37개의 고양이/강아지 품종)• 5명의 인간 평가자에게 3가지 조건에서 분류 실험 수행:• Zero-shot: 아무 예시도 없이 품종 분류• 1-shot: 품종별 예시 이미지 1장 제공• 2-shot: 품종별 예시 이미지 2장 제공• CLIP은 동일한 조건에서 제로샷 분류기로 평가 📊 결과 요약 (정량)조건전체 정확도“모름 제외” 정확도다수결 정.. 2025. 4. 4. 😛 Clip : Learning Transferable Visual Models From Natural Language Supervision : 1. Introduction - 3. Experiments 😛 1. Introduction and Motivating Work 🧩 핵심 문제• 기존 컴퓨터 비전 모델은 고정된 라벨(예: ImageNet의 1000개 클래스)에 대해 훈련됨→ 새로운 시각 개념을 처리하려면 추가 라벨 데이터가 필요함 💡 새로운 대안: 자연어 기반 감독• 텍스트로부터 이미지 표현을 학습하면 훨씬 더 일반적이고 유연한 모델을 만들 수 있음• 자연어는 훨씬 넓은 시각 개념 공간을 표현할 수 있음 (예: “해변에 있는 노란 우산” 등) 📚 이전 연구 흐름• 과거 연구들도 텍스트-이미지 간의 연결을 활용하여 표현 학습을 시도• 예: 캡션 기반 단어 예측, 해시태그 기반 학습, 이미지-문서 동시 학습 등하지만:• 기존 연구들은 주로 소규모 데이터셋 또는 낮은 정확도 (예: 11.5% .. 2025. 4. 3. 🏞️GPT 4o Image Generation~ UCPC 회장 오빠 인스타 스토리에 지피티 느낌 나는 만화가 올라왔는데한글이 너무 잘 나왔길래뭐지???? 🤩chatGPT4🤩 - 이독 로고 만들어보기달리3(DALL·E) OpenAI에서 개발한 생성형 이미지 생성형 인공지능 챗GPT를 통해 달리에 요청사항을 바로 전송할 수 있음챗 지피티 4의 개선점 중 하나는" 더욱 정교한 언어 이해와 처리 능력"이전junggoldchae-coding.tistory.com이때 진짜 아 영어도 안 되고안되겠다 싶었던 기억이 있는데 다른 모델을 사용했나?우리 연구 생성 모델로 쓸 좋은 모델일까?지피티였네 https://openai.com/index/introducing-4o-image-generation/어제의 따끈한 업데이트다? 멀닫라는 뭐지플러스 요금제가 아닌가?신.. 2025. 3. 26. 🦿NLP / 감정분석(LSTM) 모델 훈련/평가 보호되어 있는 글 입니다. 2025. 2. 23. 🦿다층 퍼셉트론(MLP) 기반 숫자 분류 모델 (PyTorch) 보호되어 있는 글 입니다. 2025. 2. 23. 📑 AI Q&As 보호되어 있는 글 입니다. 2025. 2. 15. 📑 모델 최적화 및 트레이닝 기본 개념 보호되어 있는 글 입니다. 2025. 2. 15. 📑 딥러닝(DL) 기본 개념 보호되어 있는 글 입니다. 2025. 2. 15. 📑 머신러닝(ML) 기본 개념 보호되어 있는 글 입니다. 2025. 2. 15. 🫧 DBSCAN (Density-Based Spatial Clustering of Applications with Noise) 클러스터링 알고리즘🫐 🫧 DBSCAN (Density-Based Spatial Clustering of Applications with Noise) 알고리즘데이터 밀도가 높은 영역을 기반으로 클러스터를 생성 (조건 : 어느 점을 기준으로 반경 x 내에 점이 n 개 이상 있으면) 하나의 클러스터로 인식 Core point : 조건을 만족시키는 포인트Border point : 조건을 만족시키지는 않으나 Core point의 내부 점인, 클러스터에 포함되는 포인트Noise point : 조건도 만족시키지 않고 Core point의 내부 점에 들어가지도 않은 포인트 반경 x 내에 있는 Core point들은 "연결" 되어 있음=> 하나의 클러스터로 정의 🫐 DBSCAN 사용 라이브러리 DBSCANGallery exampl.. 2025. 2. 14. 이전 1 2 3 4 ··· 10 다음
