윤제로의 제로베이스

데이터 파헤치기 9155개의 제출 중 2359개의 논문이 승인됨 arXiv 버전이 포함된 논문은 1724개 논문당 저자 CVPR 논문 저잧의 평균은 5.4명이다. 13개의 논문에는 저자가 1명 뿐이었다. 데이터 초록에 따를 때 가장 인기있는 데이터셋은 ImageNet, COCO, KITTI, CIFAR가 있다. Heating UP 모델 Diffusion 모델이 압도적이었다. 노이즈 제거, 이미지 편집 및 style transfer에도 적용된다. Radience Fields 역시 NeRF와 함께 많은 인기를 얻고 있다. Transformer와 ViT는 2022년에 비해 인기가 하락한 것을 보여주고 있다. CNN은 우위를 거의 잃어가고 있는 걸 볼 수 있다. Task 전통적인 Recognition 분야의 선..

R-CNN R-CNN에 대해 먼저 이해하자. R-CNN의 기본적인 구조는 2-stage Detector이다. 첫번째로는 물체의 위치를 찾는 Region Proposal, 물체를 분류하는 Region Classification이다. Region Proposal : 이미지와 레이블을 투입한 후 카테고리에 무관하게 영역을 찾는다. pre-trained CNN : proposal된 영역으로부터 고정된 크기의 feature vector를 wrapping, crop하여 CNN에 투입. SVM : CNN 결과로 나온 feature map을 SVM(Support Vector Machine)을 통해 분류 Regressor : bounding box regression 1. Region Proposal R-CNN은 이미지..

https://arxiv.org/abs/2001.05566 Image Segmentation Using Deep Learning: A Survey Image segmentation is a key topic in image processing and computer vision with applications such as scene understanding, medical image analysis, robotic perception, video surveillance, augmented reality, and image compression, among many others. Various al arxiv.org 3.4 Multi-Scale and Pyramid Network based Models ..

https://arxiv.org/abs/2001.05566 Image Segmentation Using Deep Learning: A Survey Image segmentation is a key topic in image processing and computer vision with applications such as scene understanding, medical image analysis, robotic perception, video surveillance, augmented reality, and image compression, among many others. Various al arxiv.org 3. DL-Based Image Segmentation models 3.1 Fully C..

지금껏 NeRF만 공부해왔었는데 NeRF를 연구 주제로 삼기엔 내가 아직 그정도의 흥미를 갖는 것 같지 않고, 목표성도 뚜렷하게 잡지 못해서 방황하던 차에 이번에 아예 정말 Deep Learning에 치중할 주제로 잡기로 했다. 여러 의미로 나한텐 큰 변화인데 이전에는 항상 Generative 모델만 해왔어서 이번 기회엔 Perception에 한 번 눈을 돌려보기로 했다. 돌아보면 GAN도 그렇고 VAE도 그렇고 NeRF도 그렇고 Generative에 너무 치중되어 있었던 것 같기도 하다. 사람이 너무 한 가지에만 몰두하면 거기에만 사묻히는 거 같은 생각도 들고 2년 동안 Generative 모델을 봐왔으니 다른 주제를 보더라도 새로운 감각이 샘솟지 않을까 하는 기대를 조금 해본다. 석사에 들어가기 전에..

https://apchenstu.github.io/mvsnerf/ MVSNeRF: Fast Generalizable Radiance Field Reconstruction from Multi-View Stereo Optimization progress. We show results of our fine-tuning (top) and optimizing a NeRF (bottom) with different time periods. Our 0-min result refers to the initial output from our network inference. Note that our 18-min results are already much better than apchenstu.github.io 앞서서 ..

https://openaccess.thecvf.com/content/CVPR2022/papers/Niemeyer_RegNeRF_Regularizing_Neural_Radiance_Fields_for_View_Synthesis_From_Sparse_CVPR_2022_paper.pdf https://m-niemeyer.github.io/regnerf RegNeRF NeRF optimizes the reconstruction loss for a given set of input images (blue cameras). For sparse inputs, however, this leads to degenerate solutions. In this work, we propose to sample unobserve..

https://arxiv.org/abs/2103.13415 Mip-NeRF: A Multiscale Representation for Anti-Aliasing Neural Radiance Fields The rendering procedure used by neural radiance fields (NeRF) samples a scene with a single ray per pixel and may therefore produce renderings that are excessively blurred or aliased when training or testing images observe scene content at different resolu arxiv.org https://github.com/..

https://arxiv.org/pdf/2107.02791.pdf https://github.com/dunbar12138/DSNeRF GitHub - dunbar12138/DSNeRF: Code release for DS-NeRF (Depth-supervised Neural Radiance Fields) Code release for DS-NeRF (Depth-supervised Neural Radiance Fields) - GitHub - dunbar12138/DSNeRF: Code release for DS-NeRF (Depth-supervised Neural Radiance Fields) github.com 기존의 pixelNeRF, MVSNeRF등 다양한 NeRF 논문들이 1장 혹은 적은 양의 i..

https://arxiv.org/abs/2211.13969 Unsupervised Continual Semantic Adaptation through Neural Rendering An increasing amount of applications rely on data-driven models that are deployed for perception tasks across a sequence of scenes. Due to the mismatch between training and deployment data, adapting the model on the new scenes is often crucial to obtain go arxiv.org NeRF 관련 되어서 arxiv를 항해하던 중 CVPR..