hamstersAreCute1246 👻 선배의 수상한 다이어리: 캠퍼스 적응 공포 AR 체험 중간발표 조원들 다 짱짱..🚌 승객으로 잘 가는 중더 열심히 해야 댐👻 PPT한나랑 민경 님이 담당한 ppt👻 UI/UX나랑 김한나님이 ui ux귀신 선배 캐릭터를 그렸다담요 컴공에 비치된 털담요임현실고증 한나님 영상 2025. 5. 20. 🛡️ UCPC 5차 회의 보호되어 있는 글 입니다. 2025. 5. 19. ❇️ [Masked Autoencoders Are Scalable Vision Learners] 논문 발표 준비 에그타르트(big), 곤약젤리, 티즐, 삼김, 단백이, ❇️ 발표문 #1-1. 컴퓨터 비전에서의 표현 학습 한계 CNN을 기반으로 한 컴퓨터 비전의 대표적인 성공은 ImageNet 사전학습입니다.하지만 그 성공은 라벨링된 수백만 장의 이미지에 기반하고 있습니다.이제는 ViT 같은 대형 모델들이 등장했는데, 이런 모델은 ImageNet만으로는 부족합니다.실제로, 기존 연구들은 수억 장 규모의 비공개 데이터셋(JFT 등)에 의존하고 있고,일반 연구자나 기업 입장에서 접근이 어렵습니다.그러면 어떻게 해야 할까요?NLP처럼, 라벨 없이도 표현을 학습할 수는 없을까요? >여기 보시는 그래프는 모델 크기에 따른 성능 비교입니다.기존의 Vision Transformer는 JFT-300M과 같은 거대한 라벨링 .. 2025. 5. 19. ✳️ [Swin Transformer: Hierarchical Vision Transformer using Shifted Windows] 인트로 리뷰 + 발표자료 보호되어 있는 글 입니다. 2025. 5. 19. 🌌 [Identifying galaxy mergers in observations and simulations with deep learning] 논문 공부 📘 ABSTRACT 배경(Context). 은하 병합은 은하의 형성과 진화에서 중요한 요소이다.Euclid 및 LSST와 같은 대형 관측 조사가 다가옴에 따라, 은하 병합을 빠르고 효율적으로 식별할 수 있는 정확한 기법이 필요하다. 목표(Aims). 우리는 딥러닝 기법이 실제 관측에서의 시각적 분류와 시뮬레이션에서의 물리적 분류를 재현할 수 있는지, 그리고 이 두 분류 간에 어떤 차이점이 있는지를 파악하고자 한다. 병합 연구의 주요 문제 중 하나는 ‘정답 데이터(truth sample)’의 부재인데, 우리의 방법은 시각적으로 식별된 병합 카탈로그의 편향을 테스트하는 데 사용될 수 있다. 방법(Methods). 우리는 합성곱 신경망(CNN) 아키텍처를 설계하고 두 가지 방식으로 학습했다:하나는 SDSS.. 2025. 5. 15. 👻 사라진 선배의 다이어리: 캠퍼스 적응 공포 AR 체험 가상현실 팀플새내기를 위한 AR 캠퍼스 서비스 만들기 나는... 캠퍼스 타임루프 하구 싶엇는데아쉽슨 근데 공포도 좋아📕 사라진 선배의 다이어리: 캠퍼스 적응 공포 AR 체험 🎯 앱 개요장르: 공포 + 추리 + 정보 전달타겟: 대학교 신입생플레이 방식: 싱글 플레이, AR 기반 위치 탐색 + 단서 수집 + 꿀팁 제공핵심 기능:AR로 캠퍼스 공간 인식 → 다이어리 조각 수집다이어리 찾기를 통해 공포 서사 + 실용 정보 전달미션 추적 📘 스토리 배경 캠퍼스에 얽힌 괴담 속 ‘사라진 선배’의 다이어리를 따라가며, 신입생에게 꼭 필요한 학교 꿀팁을 AR 체험과 함께 전달하는 공포 컨셉 앱.실종된 선배 00의 다이어리가 캠퍼스 여기저기에 흩어져 있다. 당신은 그것을 모으면서 선배 남긴 마지막 하루를 알게 된다.. 2025. 5. 15. ✳️ [Masked Autoencoders Are Scalable Vision Learners] 논문 읽기 📘 ABSTRACT 이 논문은 Masked Autoencoder(MAE)가 컴퓨터 비전에서 확장 가능한 자가 지도 학습 방법임을 보여준다. 우리의 MAE 접근법은 간단하다: 입력 이미지의 일부 패치를 무작위로 마스킹하고, 누락된 픽셀을 복원하는 것이다. 이 방법은 두 가지 핵심 설계에 기반한다. 첫째, 비대칭적인 인코더-디코더 구조를 설계했다. 인코더는 마스크된 토큰 없이 보이는 패치에만 작동하고, 디코더는 잠재 표현(latent representation)과 마스크 토큰을 이용해 원래 이미지를 복원한다.둘째, 입력 이미지의 상당 비율(예: 75%)을 마스킹하는 것이 의미 있는 자가 지도 학습 과제를 형성한다는 점을 발견했다. 이 두 설계를 결합함으로써, 우리는 대규모 모델을 효율적이고 효과적으로 학습.. 2025. 5. 14. 🔭 LSST with AI : day 2 싸인받았따!!소은이 알바 사장님이 부탁하셧다고 A4용지 묶음 가져옴ㅋㅋㅋㅋ나도 껴서 받음밥...오늘도 맛잇음...챱챱🔭 Practical application tutorial session II: machine learning with survey images GitHub - csabiu/KAML-2025: AI with LSST workshop - KAML 2025AI with LSST workshop - KAML 2025. Contribute to csabiu/KAML-2025 development by creating an account on GitHub.github.com 이미지 처리!🔭 Autoencoder-Based Galaxy Image Search: A New Approach to M.. 2025. 5. 14. 🔭 LSST with AI : day 1(PM) 밥...맛있음...공짜밥인데 짱임🔭 Practical application tutorial session I: machine learning with survey catalogs GitHub - csabiu/KAML-2025: AI with LSST workshop - KAML 2025AI with LSST workshop - KAML 2025. Contribute to csabiu/KAML-2025 development by creating an account on GitHub.github.com SDSS(슬론 디지털 전천탐사)의 천체 데이터를 불러와서 은하(GALAXY), 별(STAR), 퀘이사(QSO)를 분류하는 천체 분류 머신러닝 📚 전체 노트북 구성 요약 1. 데이터 수집 및 전처.. 2025. 5. 13. 🔭 LSST with AI : day 1(AM) 💫 LSST with AI : 11th Korea Astronomy Machine Learning Meeting 신청우주먼지 교수님이 추천해주셨다이번에 데이터 다뤄 보니까 어렵더라가서 체험하면 좋을 듯! "LSST with AI" KAML 2025Welcome! Welcome to the webpage of 11th Korea Astronomy Machine Learning Meeting, Spring 2025, "LSST with Ajunggoldchae-coding.tistory.com이거왓다쿠키 한국천문연구원KMTNet 생명체가 존재할 가능성이 있는 지구형 외계행성을 탐색하기 위하여 2009년부터 KMTNet 과제를 시작하였으며, 1.6m 광시야 망원경과 모자이크 CCD 카메라를 남반구의 칠레,.. 2025. 5. 13. 이전 1 ··· 11 12 13 14 15 16 17 ··· 125 다음
