땡글이LAB

0. Abstract 본 논문에서 주장하는 pSp 프레임워크는 사전 훈련된 Style-GAN 생성기에 공급되어 확장된 W+ 잠재 공간을 형성하는 일련의 스타일 벡터를 직접 생성하는 새로운 인코더 네트워크를 기반으로 한다. 그리고 본 논문에서는 인코더가 추가 최적화 없이 실제 이미지를 W+ 에 직접 내장할 수 있음을 보여준다. 그리고 얼굴 영역에서의 Translation 과정을 통해 pSp 프레임워크의 활용성을 입증하고 얼굴영역에 그치지 않고, 다른 영역으로 확장도 가능함을 보여준다. 최적화 과정 : Image2StyleGAN 논문에서는 W+ space 즉, w+ vector를 얻기 위한 Embedding 알고리즘을 소개하는데, 이것이 바로 최적화 과정이다. (참고 : https://circle-lab...

1. Instruction 본 논문에서는 StyleGAN에서 사용되는 latent space W 대신 latent space W+를 사용하면 조금 더 일반화된 StyleGAN 기능을 사용할 수 있다고 주장하고 있다. 또한, 본 논문에서 주장하는 embedding 알고리즘은 사람의 얼굴 뿐만이 아니라 다양한 그림체의 얼굴(만화, 그림 등) 들에도 적용 가능하다고 주장한다. 그리고 기술을 제안하는 것에 그치지 않고, 본 논문에서는 새롭게 제안한 embedding 기술이 얼마나 semantical하게 의미 있는 결과물이 나오는지 확인한다. 또한 3가지 이미지 변환들로 추후에 StyleGAN에서 사용되는 W와 본 논문에서 제안한 W+를 사용했을 때의 Morphing, Style Transfer, Expressi..

[0. 본격적인 리뷰 전 간단한 설명] Style GAN은 PGGAN 구조에서 Style transfer 개념을 적용하여 generator architecture 를 재구성한 논문이다. 그로 인하여 PGGAN 에서 불가능 했던 scale-specific control이 가능하게 되었다. image synthesis(이미자 합성) 과정에서 specific(특정)한 scale(크기)로 자유롭게 조절해가면서 style을 변경한다는 의미이다. [0-1. PGGAN] PGGAN이란, 점진적으로 낮은 해상도부터 높은 해상도까지 차근차근 점진적으로 생성하는 대표적인 생성모델로써 StyleGAN의 base가 되는 모델로 latent vector z가 Normalize를 거쳐 모델에 바로 입력이 되는 학습이 진행된다. ..

[이미지 데이터에 대한 확률분포] 이미지 데이터는 많은 픽셀들로 구현되어 있고 그 픽셀들은 3차원(RGB) 데이터를 포함하고 있어서 이미지 데이터는 고차원 데이터라고 할 수 있다. 즉, 이미지 데이터는 다차원 특징 공간의 한 점으로 표현된다. 이미지의 분포를 근사하는 모델을 학습할 수 있다. 사람의 얼굴에는 통계적인 평균치가 존재할 수 있다. 모델은 이를 수치적으로 표현할 수 있게 된다. 이미지에서의 다양한 특징들이 각각의 확률 변수가 되는 분포를 의미한다. 다변수 확률분포(multivariate probability distribution) 예시는 다음과 같다. [생성 모델(Generative Models)] 생성 모델은 실존하지 않지만 있을 법한 이미지를 생성할 수 있는 모델을 의미합니다. 분류 모델..

처음 이 문제를 접했을 때는 백트래킹 문제인 줄 알았다. 하지만 괄호 치는 경우의 수를 따진다음, 그 모든 경우의 수를 계산한 다음 min 값을 찾는 방식으로 백트래킹을 해야하는 줄 알았지만, 천천히 생각해보면, 뭔가 규칙만 찾으면, 간단한 풀이가 나올 것 같아서 천천히 봤더니, 그리디 문제임을 직감했다. - 이후에 괄호가 쳐져 있어서 안의 수들이 모두 - 취급을 받는 것이 가장 최소인 것을 알게 됐다. 만약 - 괄호 안의 - 를 만나게 되면 두 번째 -가 나오기 전까지의 괄호를 닫아준다는 식으로 생각해보면, 굉장히 간단해진다. 즉, - 이후의 값은 모두 음수로 치부해서 계산하면 그것이 최소 값이 되는 것이다. #include using namespace std; int tmp, ans; int sign..

자바 서블릿(Java Servlet)은 자바를 사용하여 웹페이지를 동적으로 생성하는 서버측 프로그램 혹은 그 사양을 말하며, 흔히 "서블릿"이라 불린다. 자바 서블릿은 웹 서버의 성능을 향상하기 위해 사용되는 자바 클래스의 일종이다. 서블릿은 JSP와 비슷한 점이 있지만, JSP 가 HTML 문서 안에 Java 코드를 포함하고 있는 반면, 서블릿은 자바 코드 안에 HTML을 포함하고 있다는 차이점이 있다. 서블릿의 주요 특징으로는, urlPatterns(/hello)의 url이 호출되면 서블릿 코드가 실행된다. HttpServletRequest 객체를 이용하면, HTTP 요청정보를 다룰 수 있다. HttpServletResponse 객체를 이용하면, HTTP 응답정보를 다룰 수 있다. 서블릿 객체는 싱글..

C++에서 자주 쓰이는 STL 자료구조들이다. set, multiset, unordered_set 은 비슷하면서도 다른 기능들을 가지고 있다. 처음으로 set과 multiset의 차이를 비교해보고 이후에 unordered_set에 대해 따로 알아보자. [set VS multiset] set과 multiset의 공통점부터 다루고, 차이점에 대해서 다루겠다. 둘의 공통점으로는 자가 균형 이진 검색 트리로 구성되어 있고, 노드 기반의 컨테이너인 점이다. 자가 균형 이진 검색 트리란, 간단히 말하자면 트리에서 삽입과 삭제가 일어나더라도 한 쪽으로 편향되지 않도록 트리의 높이를 작게 유지되며, "왼쪽 자식 노드는 오른쪽 자식 노드보다 항상 작다" 라는 성질을 만족한다. C++에서 사용되는 Set STL에 조금 더..

해당 문제는 투포인터 문제의 간단한 응용버전이다. 처음에는 투포인터로 안풀어도 될 거 같아서 그냥 구현해서 풀었지만 당연히 시간초과가 나왔었다. 생각보다 반복문 돌려야하는 게 많았다... 아래 코드는 시간초과나온 틀린 코드다. (그냥 set 에 원소들을 넣어주고 사이즈가 내가 원했던 사이즈가 맞으면 정답 ans 카운트를 하나 증가시키는 식으로 구현) #include using namespace std; typedef long long ll; int N; int arr[100005]; set s; int main(void) { ios::sync_with_stdio(0); cin.tie(0); cin >> N; for (int i = 0; i > arr[i]; } int ans..