동빈님 항상 좋은 정보 감사합니다! 궁금한 것이 있는데요. 이렇게 논문 리뷰를 영상으로 만드실 정도면 논문을 많이 이해하시고 이런 좋은 영상을 만드신 것 같은데, 혹시 이렇게 논문을 하나 잡고 이해하는데는 동빈님 같은 경우 시간이 얼마나 걸리시는 편이신가요? 논문 이해를 빠르게 하기 위한 동빈님만의 팁이 있을까요..?!
1:19:24 에서 마스크 벡터가 2차원이고 [0,1]일때 0이 표정을 의미한다고 하셨는데, 1이 의미하는것은 RaFD데이터의 도메인을 사용했다는 뜻 아닌가요? 그래서 [1,0]을 사용했을 경우에는 age와 hair-color 도메인이 들어있는 celebA데이터셋의 도메인을 사용해서 위와 같이 잘못 생성 한거구요.
starGAN V2는 latent vector인 z를 사용하기 때문에, 이 z를 변형해가면서 어떤 z가 어떤 attribute로 바꾸게 할 수 있는지 latent space를 탐색하는 방식으로는 할 수 있을 것 같습니다. 사실 말씀하신거처럼 starGAN 이랑 starGAN v2 랑은 domain을 주입하냐 안 하냐의 차이가 있기 때문에 같은 task라고는 말할 수 없겠죠. 그래서 StyleGAN도 원하는 attribute로 바꾸는게 어렵기 때문에 요즘은 StyleCLIP 같은 모델을 사용해서 attribute랑 latent vector를 매핑할 수 있도록 하고 있긴 합니다.
![[비전공자 AI] Decision Tree, 의사결정 나무](http://i.ytimg.com/vi/AyCTgUVvttU/mqdefault.jpg)
![[딥러닝 기계 번역] Seq2Seq: Sequence to Sequence Learning with Neural Networks (꼼꼼한 딥러닝 논문 리뷰와 코드 실습)](/img/1.gif)
논문 읽어주는 남자, 동빈나~! (일할 때 들으면 최고!)
동빈님 항상 좋은 정보 감사합니다! 궁금한 것이 있는데요. 이렇게 논문 리뷰를 영상으로 만드실 정도면 논문을 많이 이해하시고 이런 좋은 영상을 만드신 것 같은데, 혹시 이렇게 논문을 하나 잡고 이해하는데는 동빈님 같은 경우 시간이 얼마나 걸리시는 편이신가요? 논문 이해를 빠르게 하기 위한 동빈님만의 팁이 있을까요..?!
1:19:24 에서 마스크 벡터가 2차원이고 [0,1]일때 0이 표정을 의미한다고 하셨는데, 1이 의미하는것은 RaFD데이터의 도메인을 사용했다는 뜻 아닌가요? 그래서 [1,0]을 사용했을 경우에는 age와 hair-color 도메인이 들어있는 celebA데이터셋의 도메인을 사용해서 위와 같이 잘못 생성 한거구요.
코드 실습까지 대단하네요 와
항상 잘 보고 있습니다!!
좋은 영상 감사합니다. 설명 덕분에 이해가 잘 되네요. 요즘 GAN에 관심이 많은데요. 시간이 되시면 이미지 분야가 아닌 text 분야(예를 들면 tabular data)의 GAN에 대한 논문도 리뷰 한번 부탁드리겠습니다.
thispersondoesnotexist라는 웹사이트 우연히 알게되어 starGAN에 대해 공부하고 있었는데 동빈님덕분에 이해하기 쉬워졌어요
좋은 영상 감사합니다!
36:43 질문있습니다... 대답해주실진 모르겠지만... 제너레이터의 cost function이 fake이미지에 대해서만 학습하는건 이해가 되는데요, 왜 descirminator는 real 이미지에 대해서만 domain 판별 학습을 하는거죠?? fake image의 domain 판별은 학습에 관여하지 않나요?
생각해보니 G로 만든값은 틀릴수도 있으니 그런것같네요...
博主讲得好快哇，用了实时翻译软件还是跟不上🥲
동빈님 혹시 코드로 구현하실때는 백지에서부터 구현하시나요?\
갓동빈..유익한 내용 감사합니다
감사합니다!!
33:05
정우성 사진으로 StarGAN을 이용해 translation을 하신 것 처럼, StarGAN V2에도 도메인을 주입하여 의도적으로 특정 도메인에 해당하는 Attribute만 변환할 수 있을까요?
starGAN V2는 latent vector인 z를 사용하기 때문에, 이 z를 변형해가면서 어떤 z가 어떤 attribute로 바꾸게 할 수 있는지 latent space를 탐색하는 방식으로는 할 수 있을 것 같습니다. 사실 말씀하신거처럼 starGAN 이랑 starGAN v2 랑은 domain을 주입하냐 안 하냐의 차이가 있기 때문에 같은 task라고는 말할 수 없겠죠. 그래서 StyleGAN도 원하는 attribute로 바꾸는게 어렵기 때문에 요즘은 StyleCLIP 같은 모델을 사용해서 attribute랑 latent vector를 매핑할 수 있도록 하고 있긴 합니다.
@@송주경-f1t 친절한 답변 감사합니다. StyleCLIP에 대해 새롭게 알게되었습니다.
Hair Attribute 변환에 baldGAN과 MichiGAN을 결합하여 사용 중에 있었는데, 참고 해보도록 하겠습니다.
감사합니다~!