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 |
- 코딩테스트
- 설명가능한 인공지능
- meta-learning
- SmoothGrad
- Explainable AI
- Cam
- Score-CAM
- python
- 설명가능한
- 메타러닝
- Machine Learning
- 백준
- grad-cam
- 머신러닝
- 기계학습
- coding test
- Unsupervised learning
- Class activation map
- 코딩 테스트
- xai
- cs231n
- Artificial Intelligence
- Interpretability
- GAN
- 시계열 분석
- Deep learning
- keras
- 딥러닝
- AI
- 인공지능
- Today
- Total
목록생성모델 (2)
iMTE
논문 제목 : Stitch it in Time: GAN-Based Facial Editing of Real Videos 논문 주소 : https://arxiv.org/abs/2201.08361 Youtube video : https://www.youtube.com/watch?v=4lQkQSmA8nA Stitch it in Time: GAN-Based Facial Editing of Real Videos The ability of Generative Adversarial Networks to encode rich semantics within their latent space has been widely adopted for facial image editing. However, replicating th..
Generative Adversarial Networks (GAN) 두 신경망이 '경쟁'하면서 서로 학습하는 재미있는 아이디어를 가진 network를 Generative adversarial networks 라고 부른다. 두개의 신경망 중 하나는 1. Generative model, 2. Discriminator모델이다. 흔히 이 모델을 설명할 때 위조지폐를 만드는 범인과 이를 감독하는 경찰의 예를 든다. 경찰은 범인이 만든 위조 지폐를 구분을 하고, 거짓인지 진짜인지를 밝힌다. 범인은 이런 과정을 보고 경찰을 속이기 위해서 더 나은 위조 지폐를 만들어 낸다. 그러면 경찰은 다시 더 정밀하게 구분하도록 학습을 하게되고.. 최종적으로는 경찰은 위조 지폐를 분류할 거짓이라고 확률이 50 %가 될 정도로 정밀..