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
- remixmatch paper
- WGAN
- CycleGAN
- 딥러닝손실함수
- Entropy Minimization
- simclrv2
- Pix2Pix
- dann paper
- cifar100-c
- conjugate pseudo label paper
- SSL
- BYOL
- shrinkmatch paper
- shrinkmatch
- 컴퓨터구조
- Pseudo Label
- adamatch paper
- mocov3
- CoMatch
- tent paper
- Meta Pseudo Labels
- 백준 알고리즘
- CGAN
- GAN
- UnderstandingDeepLearning
- semi supervised learnin 가정
- 최린컴퓨터구조
- mme paper
- ConMatch
- dcgan
Archives
- Today
- Total
목록AdaIN (1)
Hello Data

지난번 Style Transfer 논문 리뷰에 이은 AdaIN 논문 리뷰입니다. Style Transfer의 gram matrix개념은 사실 너무 복잡하고 어려워서 완전히 이해하기 힘들었는데 이번 논문은 빠르고 많은 수의 스타일을 임의로 전달할 수 있다는 점에서 아주 인상적입니다. 바로 시작해보겠습니다. Introduction 기존 style transfer하는 방법들은 각각의 trade-off를 가지고 있었습니다. 속도가 빠르지만 스타일을 1개만 전달/ 속도가 느리고 여러개의 스타일을 전달 그리고 이 논문에서는 이러한 문제점들을 Instance Normalization 개념을 통해서 개선했다고 합니다. 이러한 방법은 3자리수의 속도 이상을 개선했다고 합니다.(100배) BatchNormalization..
Generative
2022. 12. 29. 19:24