Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |
Tags
- dreamgaussian
- objectdrop
- posterior distillation sampling
- text2room
- instructany2pix
- 코테
- 논문리뷰
- diffusion
- Programmers
- text-to-video diffusion
- 프로그래머스
- 3d editting
- 3d generation
- 3d gaussian splatting
- insturctnerf2nerf
- Python
- BOJ
- sonicdiffusion
- novel view synthesis
- 네이버 부스트캠프 ai tech 6기
- sound-to-image generation
- Vit
- magic clothing
- transformer
- DP
- VirtualTryON
- dreamfusion
- visiontransformer
- 코딩테스트
- 3d editing
Archives
- Today
- Total
목록AI (31)
평범한 필기장
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/cjSoDW/btr3pqW0Etv/p4mJ7LoF2SAdTyNpDpcfkK/img.png)
3-2학기 학부연구생을 하면서 처음으로 읽게 된 논문이 바로 이 Generative Adversarial Nets라는 논문인데, 딥러닝 기초만 조금 봐본 제가 공부하면서 정리하는 느낌으로 하는 리뷰이니 틀린 부분, 잘못 이해한 부분이 많을 수 있다는 점 말씀드리고 리뷰 시작해보도록 하겠습니다! 0. Abstract 일단 이 논문의 abstract에서는 저자들이 두 개의 모델을 적대적인 process로 학습시켜서 생성 모델을 평가하는 프레임 워크를 목적으로 했다고 밝혔다. 여기서 두 개의 모델은 생성 모델인 G와 판별 모델인 D로 설명을 했다. generative model G : 데이터의 분포를 모사해 D가 실수할 확률을 최대화하는 방향으로 학습 discriminative model D : sample ..
AI/GAN
2023. 3. 19. 15:54