프로그래밍선

1) 두 가지 학습/샘플 방식Unconditional모델이 아무 조건 없이 이미지를 생성함. “그럴듯한 ImageNet 스타일” 이미지를 뽑아냄.→ 라벨(클래스) 을 전혀 쓰지 않음. 폴더 이름도 상관없고, 매핑도 불필요.category X, random하게 생성됨.예전 generative model 은 unconditional을 많이 사용했음.but 조건 없는 생성은 랜덤이고 제어 불가능 → conditional task가 요새는 더 많이 사용됨.모델은 훈련 데이터셋 분포를 학습하면서 이미지를 생성하는데, 조건이 없다면 훈련 중에 본 이미지와 통계적으로 유사한 새 이미지를 생성하게됨.Class-conditional 모델에 클래스 조건을 넣고 “이 클래스처럼 보여야 해”라고 가이드.→ 라벨이 필수. 학..

Accepted to ICCV 2025 ConferenceLearning Dense Feature Matching via Lifting Single 2D Image to 3D Spacehttps://github.com/Sharpiless/L2M GitHub - Sharpiless/L2M: Official implementation of our ICCV'25 paper "Learning Dense Feature Matching via Lifting Single 2D ImaOfficial implementation of our ICCV'25 paper "Learning Dense Feature Matching via Lifting Single 2D Image to 3D Space" - Sharpiless/L..

Self Attention문장 내부에서 자기자신과 Cross AttentionCross-Attention은 Transformer 모델에서 디코더가 인코더의 출력을 참조하여 정보를 얻는 메커니즘입니다. 이는 디코더가 현재 생성 중인 출력과 관련된 입력의 부분에 집중할 수 있게 도와줍니다. 예를 들어, 기계 번역에서 영어 문장을 힌디어로 번역할 때, 디코더는 이미 생성된 단어들과 입력 문장의 관련 부분을 동시에 고려하여 다음 단어를 생성합니다.입력 준비:두 개의 입력 시퀀스(예: 이미지 패치 시퀀스와 텍스트 시퀀스)를 준비합니다.Query, Key, Value 생성:디코더의 출력에서 Query를 생성하고, 인코더의 출력에서 Key와 Value를 생성합니다.GeeksforGeeksAttention 계산:..

Holopix50k 데이터셋은 약 49,368쌍의 스테레오 이미지 페어로 구성되어 있으며, 다양한 실제 환경에서 촬영된 이미지들을 포함하고 있어 COCO 데이터셋과 유사한 다양성을 제공합니다. 이러한 특성으로 인해 스테레오 비전, 깊이 추정, 스타일 변환 등 다양한 컴퓨터 비전 과제에 활용될 수 있습니다. 데이터셋 구성총 이미지 수: 약 49,368쌍의 스테레오 이미지 페어해상도: 720p(HD) 및 360p(SD) 해상도의 이미지 포함장면 다양성: 실내, 실외, 인물, 사물, 풍경 등 다양한 장면 포함촬영 환경: 모바일 앱 Holopix™를 통해 수집된 실제 환경의 이미지 다운로드 방법 Holopix50k 데이터셋은 GitHub에서 제공하는 스크립트를 통해 다운로드할 수 있습니다. Linux 또는 ..

CVPR 2025 https://arxiv.org/pdf/2501.09898 https://nvlabs.github.io/FoundationStereo/ https://nvlabs.github.io/FoundationStereo/Tremendous progress has been made in deep stereo matching to excel on benchmark datasets through per-domain fine-tuning. However, achieving strong zero-shot generalization — a hallmark of foundation models in other computer vision tasks — remains challnvlabs.github.ioht..

콘다, Tmux 환경 셋팅 다시# conda가 실행되도록 환경설정 추가echo 'source /home/work/data0/minsun/miniconda3/etc/profile.d/conda.sh' >> ~/.bashrcecho 'conda activate base' >> ~/.bashrc# 적용source ~/.bashrc# 작업 경로로 이동cd ~/data0/minsun# 필요한 디렉토리 만들기mkdir -p tmux_local# 설치에 필요한 도구 설치sudo apt-get updatesudo apt-get install -y build-essential automake pkg-config libncurses5-dev libevent-dev# libevent 설치curl -LO https://git..

14 Feb 2025 https://arxiv.org/pdf/2502.09509https://github.com/zelaki/eqvae. GitHub - zelaki/eqvae: EQ-VAE: Equivariance Regularized Latent Space for Improved Generative Image Modeling.EQ-VAE: Equivariance Regularized Latent Space for Improved Generative Image Modeling. - zelaki/eqvaegithub.comhttps://eq-vae.github.io/ EQ-VAEEquivariance Regularized Latent Space for Improved Generative Image Mo..

Self-Supervised Learning의 핵심 목표 레이블 없이 데이터를 통해 좋은 Feature Representation을 얻는 것.다운스트림 태스크(예: 이미지 분류, 객체 탐지 등)에 활용 가능한 좋은 Feature(표현)를 추출하는 Encoder를 만드는 것SSL 모델의 output = 의미 있는 feature vector그 feature는 나중에 classification, detection 등에 사용됨“학습을 위한 중간 표현을 잘 만드는 방법”을 고민하는 것입력 (Input)원본 이미지, 텍스트, 오디오 등출력 (Output)고차원 Feature Vector (예: 512차원, 1024차원 등)목표 (Task)이 Feature Vector가 의미 있게 정렬되도록 학습하는 것사용 방법학습..

디버깅파이토치와 cuda 버전은 공식문서에서 참고해서제대로 맞추고, hugging face  cached_download고치고 뜨는 오류오류 메시지TypeError: scale_model_input() got an unexpected keyword argument 'step_i'는 scheduler의 scale_model_input() 함수가 더 이상 또는 아직 ‘step_i’라는 인자를 받지 않는다는 의미다.scheduler.scale_model_input 역할 : denoising autoencoder의 input 값들을 현재 시간단계(timestep)에 맞게 scaling하기 위함 해결 방법:코드 수정:• 코드 내에서 scheduler.scale_model_input()를 호출할 때 전달하는 인자 ..

위아래로 터미널 기록 보고싶다면ctrl + b : set -g mouse on끄고싶다면off (켜있으면 복사 안됨) 1.tmux new -s (서버가 끊겨도 할당 받은 gpu가 유지됩니다.) 2. srun --gpus-per-node=1 --time=1-23:00:00 --pty /bin/bash (GPU를 할당)하신다음에 쓰시면 됩니다. tmux는 터미널 멀티플렉서로, 하나의 터미널 창에서 여러 세션, 윈도우, 그리고 분할된 패널(페인)들을 관리할 수 있게 해준다. tmux 설치하기 1. 필요한 의존성 설치 (관리자 권한 필요, 한 번만sudo apt updatesudo apt install -y build-essential libevent-dev libncurses-dev2. tmux소스 다운로드..