Club|Project/Euron | AI,데이터분석 학회19 디퓨전 DDPM: Denoising DiffusionProbabilistic Models 발표 정리 보호되어 있는 글 입니다. 2025. 4. 8. 😛 Clip 유런 발표 : Learning Transferable Visual Models From Natural Language Supervision PPT 실습 코드 🎤 발표 대본 — Slide #01: Introduction 안녕하세요, 오늘 발표에서는 OpenAI의 CLIP 논문을 중심으로 “자연어로 학습한 시각 모델이 얼마나 강력한가” 를 이야기해 보려고 합니다. 먼저, 기존 컴퓨터 비전 시스템의 한계부터 짚고 가겠습니다. 대부분의 비전 모델은 고정된 라벨을 이용한 지도 학습에 의존해 왔습니다.하지만 이런 방식은 확장성에 한계가 있고,제로샷 전이도 어렵고, 라벨링 비용도 굉장히 큽니다. 반면, NLP에서는 이미 GPT나 BERT 같은 모델들이,웹에서 수집한 자연어 데이터로 사전학습(pretraining) 을 하면서놀라운 성과를 보여주고 있죠. 그렇다면 이런 아이디어를 컴퓨터 비전에도 적용할 수는 없을까?이게 바로 CLIP 논문의 출발점입.. 2025. 4. 8. ✳️ Denoising Diffusion Probabilistic Models 인트로 리뷰 Denoising Diffusion Probabilistic ModelsWe present high quality image synthesis results using diffusion probabilistic models, a class of latent variable models inspired by considerations from nonequilibrium thermodynamics. Our best results are obtained by training on a weighted variational boundarxiv.org초록 (Abstract) 우리는 비평형 열역학(non-equilibrium thermodynamics)에서 영감을 받은 잠재 변수 모델(latent variable m.. 2025. 4. 7. ✳️ 유런 DQN 발표 정리 보호되어 있는 글 입니다. 2025. 4. 1. ✳️[ Playing Atari with Deep Reinforcement Learning ] 논문 리뷰 (Mnih et al., 2013, DeepMind) Playing Atari with Deep Reinforcement LearningWe present the first deep learning model to successfully learn control policies directly from high-dimensional sensory input using reinforcement learning. The model is a convolutional neural network, trained with a variant of Q-learning, whose input is rawarxiv.org ✳️ 논문 읽기시간 부족으로 제대로 못 일금..ㅜㅜ✳️ 논문 정리🎮 Abstract딥러닝 기반의 강.. 2025. 3. 30. 🪼 강화 학습-마르코프 결정 과정 : 딥러닝 파이토치 교과서 딥러닝 파이토치 교과서 - 서지영 12장. 강화 학습🪼강화 학습이란머신러닝 / 딥러닝의 한 종류어떤 환경에서 어떤 행동을 했을 때 그것이 잘 된 행동인지 아닌지 판단하고 보상/벌칙을 주는 과정을 반복하여 스스로 학습하게 하는 분야 환경 environment에이전트 agent => 환경과 상호 작용하는 에이전트를 학습시키는 것 상태 state (다양한 상황) 에서 행동 action을 취하며 그에 대한 응답으로 보상 reward를 받으며 학습상태 State : 에이전트가 관찰 가능한 상태의 집합 시간 T에서 에이전트의 상태 s행동 Action: 에이전트가 상태 S에서 가능한 행동시간 T에서 특정 행동 a 🪼마르코프 결정 과정강화 학습의 문제들은 마르코프 결정 과정으로 표현됨마르코프 결정 과정은 모두 마.. 2025. 3. 28. 🪼 강화 학습 - MDP를 위한 벨만 방정식 : 딥러닝 파이토치 교과서 보호되어 있는 글 입니다. 2025. 3. 28. Generative Adversarial Nets : 발표 정리 보호되어 있는 글 입니다. 2025. 3. 25. ✳️ [GAN: Generative Adversarial Nets] 논문 리뷰 https://arxiv.org/pdf/1406.2661 ✳️ [GAN: Generative Adversarial Nets] 논문 공부✳️ [GAN: Generative Adversarial Nets] 논문 리뷰1. Introduction논문에서 다루고 있는 주제가 무엇인지와 해당 주제의 필요성이 무엇인가논문에서 제안하는 방법이 기존 방법의 문제점에 대응되도록 제안 되었는가 ▪️ 주제와 필요성이 논문은 생성 모델을 학습하는 새로운 방식으로서 적대적 생성 신경망(Generative Adversarial Nets, GAN)을 제안기존 생성 모델들은 확률 분포를 명시적으로 정의하고, 근사 추론이나 MCMC 기반 샘플링이 필요해 학습이 느리고 복잡 ▪️ 기존 방법의 문제점 대응 여부GAN은 확률 분포를 직접 정.. 2025. 3. 24. 🪼생성 모델 : 딥러닝 파이토치 교과서 딥러닝 파이토치 교과서 - 서지영 13장. 생성 모델 🪼오우 못 봤던 예쁜 해파리 임티 발견🪼생성 모델이란주어진 데이터를 학습하여 데이터 분포를 따르는 유사한 데이터를 생성하는 모델 🪼생성 모델 개념판별 모델 descriminate model이미지를 분류하는 모델생성자 모델 generative model 추출한 특성들의 조합을 이용하여 새로운 이미지를 생성 🪼생성 모델 유형1) 변형 오토인코더 모델- 모델의 확률 변수를 구함 ( 명시적 방법 ) 2) GAN 모델- 확률 변수를 이용하지 않음 ( 암시적 방법 )🪼변형 오토인코더이미지의 잠재 공간에서 샘플링하여 완전히 새로운 이미지나 기존 이미지를 변형하는 방식으로 학습을 진행 변형 오토인코더 == 오토인코더의 확장🪼오토인코더란입력을 출력으로 .. 2025. 3. 23. 이전 1 2 다음
