KUBIG 2023-1 활동 블로그

[논문 리뷰 스터디] 부트스트랩을 활용한 이상원인 변수의 탐지기법_실제 적용

작성자 : 17기 우윤규 - T-square 관리도는 품질 관리에서 사용되는 통계적 도구 중 하나로, 두 개 이상의 그룹 간에 평균값 차이가 통계적으로 유의한지를 검정하는 데 사용됩니다. 예를 들어, 제조 업체에서 제품의 품질을 비교하기 위해 두 개 이상의 제품 그룹을 비교하는 경우에 T-square 관리도를 사용할 수 있습니다. T-square 관리도는 일반적으로 다음과 같은 단계로 수행됩니다. 1. 데이터 수집: 비교하고자 하는 그룹 간의 측정 데이터를 수집합니다. 각 그룹은 같은 조건에서 수집되어야 하며, 가능한 경우 동일한 크기의 표본으로 구성되어야 합니다. 2. 가설 설정: T-square 관리도에서는 두 가지 가설을 설정합니다. 첫 번째 가설은 각 그룹의 평균값이 서로 동일하다는 것입니다. 두..

[논문 리뷰 스터디] HOTR: End-to-End Human-Object Interaction Detection with Transformers

작성자 : 17기 임청수 0. Abstract HOI detection : 이미지 내에서 set of interactions를 탐지하는 task를 의미한다. → 쉽게 말해 사람과 물체간의 상호작용을 탐지하는 역할을 한다. 화면에 등장하는 사람과 물체간의 상호작용을 human, object, interaction 형태로 bounding box와 classfication을 활용하여 표현한다. human, objects를 localization → 사람과 물체를 localize 후 분류 interaction label로 분류 하는 과정을 거침 → interaction association을 찾음 기존에는 객체를 탐지하고 각각 pair를 만든 후 interaction을 파악하는 방식으로 2단계에 나누어 간접적으..

[논문 리뷰 스터디] Denoising Diffusion Probabilistic Models

작성자: 16기 천원준 https://arxiv.org/abs/2006.11239 Denoising Diffusion Probabilistic Models We 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 bound arxiv.org Introduction Diffusion 모델은 시간에 따라 데이터에 가우시안 ..

[논문 리뷰 스터디] U-Net : Convolutional Networks for Biomedical Image Segmentation

작성자 : 17기 임종우 해당 논문에서는 데이터 증강을 사용하여 주어진 의료 이미지를 효과적으로 학습시키는 네트워크와 학습 전략을 고안하였다. 네트워크의 구조는 context를 처리하기 위한 constracting path와 정확한 localization이 가능하도록 하는 대칭된 expanding path로 구성되어있다. 또한 그 사이의 skip connection 역시 존재한다. 논문에서는 neuronal sturcture에 대한 segmentation task에서, 해당 네트워크를 사용하여 적은 수의 이미지로도 효과적이고 강력한, 심지어 빠른 end to end learning을 할 수 있음을 보인다. Segmentation 최근 다양한 CNN 모델들이 등장하였고 좋은 성능을 내고 있는데, CNN은 ..

[논문 리뷰 스터디] FDA: Fourier Domain Adaptation for Semantic Segmentation

작성자: 16기 임정준 #-1 Background Knowledge * What is Fourier Transform? 푸리에 변환(Fourier transform, FT)은 시간이나 공간에 대한 함수를 시간 또는 공간 주파수 성분으로 분해하는 변환을 일컫는다. 즉, 푸리에 변환을 통하여 얻어지는 복소평면에서의 요소들을 활용하여 크기와 위상을 뽑아낼 수 있고, 이를 다시 역변환하여 원래 도메인으로의 함수로 변환할 수도 있다(역 푸리에 변환) 푸리에 변환에 대한 equation은 다음과 같이 정의된다. * 1차원 이미지에 대한 이산 푸리에 변환 공식 * 여기서 x[n]은 이산함수를 의미 이로 인해 얻어지는 F(u,v)는 다음과 같이 실수부와 허수부로 분해할 수 있다. 이에 대한 Magnitude와 Phas..