만끽의 Flow Based Generative Model 소개!

[@해완김-u8v]

안녕하세요 개념 하나하나 짚어가면서 설명해주셔서 감사합니다
조회수는 낮지만 영상의 가치는 절대 낮지 않아요 !
저처럼 도움 받는 사람들도 많을 겁니다 !!!

[@maangeek]

응원의 말씀 정말 감사합니다! 도움이 되셨다니
정말 뿌듯합니다 ㅎㅎ

[@지율-c8m]

@@maangeek 저 또한 정말 많은 도움 받고 있습니다! 감사합니다ㅎㅎ

[@jinukcho5365]

설명 잘하시네요! flow 모델 공부중인데 도움이 많이되었습니다 :)

[@maangeek]

넵 도움이 되었다니 좋네요. 감사합니다. :)

[@aibodyfat]

아이고 선생님 감사드립니다. NLP 파면서 천날만날 트랜스포머 변형만 보다가 디퓨전 코인이 떡상하길래 허겁지겁 따라가느라 머리 아픈 와중에 정말로 도움되는 영상입니다. 지식 부채만 가득한 띨빵한 저 같은놈들을 위해 가물가물한 기초도 한번씩 집어주시면서 친절히 다 설명해주시고... ㅎㅎ 아직 머릿속이 깔끔하게 정리되는 수준까지는 멀었지만 영상에서 몇개 얻어갑니다...! 좋은 영상 감사드립니다.

[@maangeek]

아이고.. 너무 좋은 응원의 글 남겨주셔서 감사합니다ㅠㅠㅠ 너무 큰 응원이 되었습니다.

[@김강렬-l2p]

좋은 강의 감사합니다. 강의 자료 슬라이드 링크가 작동하지 않는데, 확인해 주실 수 있나요?

[@vovos00]

너무 좋은 오버뷰 정말 감사합니다 최고에여

[@maangeek]

아이고 좋게봐주셔서 제가 감사합니다 :)

[@jhzi2139]

11:30

[@plhyun99]

슬라이드가 안받아지네요 ㅠㅜㅜ

[@jaeyoonkim9255]

방송 잘들었습니다. 밑에 댓글에서도 여쭤뵌것 같은데 꼭 z dimension과 input dimension이 같아야 한다는것에서 대해서는 이론적으로 맞는 예기인데요... 헌데 input과 output의 dimension이 틀리더라도 사용되는 곳이 있더군요... 어떻게 생각하시나요?

[@maangeek]

아 네 그렇군요! 어떤 연구에서 사용되나요? 중간에 feature extraction 부분에서 dimension이 유지되는 부분에서만 flow가 사용되고 다른 부분에서는 invertible하지 않은 neural network들을 연결하는 구조인가요?

[@jaeyoonkim9255]

@@maangeek 혹시 가능하시다면 제가 논문을 알려드릴테니 한번 봐주시겟어요?

[@maangeek]

@@jaeyoonkim9255 음.. 가능할지는 모르겠지만 어떤 논문인가요?

[@jaeyoonkim9255]

이 논문의 마지막 페이지인 11페이지를 보시면 Table 2에 나와있는 action dimensions, observation embedding dimension 을 보시면 observation embedding dimension이 action dimensions의 두배입니다. Pdf에서 dimension 으로 찾아보시면 11 page에 저자의 설명이 되어있습니다. 계층적으로 쌓으면 마지막 layer에서는 dimension이 안맞는데... 제가 Facebook으로 친구요청헸습니다. 받아주세요^* Facebook에서 예기했으면 편할것 같아서요.
arxiv.org/abs/1804.02808

[@maangeek]

@@jaeyoonkim9255 이 논문이 어떤 논문이죠..?

[@김정희-f6l5r]

설명 너무 잘해주시네요.... 감사요...

[@maangeek]

ㅎㅎ 칭찬 감사합니다 :)

[@jin.hy.8495]

안녕하세요 Generative Model 에 대해 1도 모르는 학생입니다. 어디서부터 공부를 해야할지 감이 안오는데 혹시 어떤 것부터 보면 좋을지 알려주실 수 있나요?

[@maangeek]

ruclips.net/video/rZufA635dq4/видео.html 이런 영상을 추천드립니다!

[@munkim1963]

Flow-based generative model에서는 z dimension이 input dimension하고 같은건가요? Invertible function들로만 이루워졌다면 down/up sampling을 못할거 같은데...

[@maangeek]

맞습니다! z dimension이 input dimension과 같습니다! 같은 dimension에서만 이루어지는 일대일 함수들만 사용한다는 한계가 있어 encoder - decoder architecture에서의 응용은 아직 어렵습니다 ㅠㅠ

[@munkim1963]

@@maangeek ​ Original Normalizing Flow페이퍼 [D. Rezende 2015] 보면 Encoder --> NF --> Decoder 이런식인것 같은데, 여기서 소개해주신 페이퍼에서는 image가 바로 flow에 들어가는것 같네요. 그렇게 되면 p(x)를 trivial deterministic invertible transformation 배우는것과 같지 않나요? 예를들어 y = 2x --> y = 1/2 x.

[@munkim1963]

아하. [D. Rezende 2015] 에서의 NF는 Gaussian --> Multimodal로 변환해주는거고 여기서 소개해주시는 NF는 Multimodal --> Gaussian으로 만들어주려는것 같습니다.

[@maangeek]

@@munkim1963 답변이 늦었네요..ㅠㅠ 네 말씀해주신 부분이 맞는 것 같습니다. 제가 소개해드린 모델들은 multimodal distribution을 gaussian distribution으로 만들고 역함수 과정을 통해 gaussian 분포의 random한 noise에서 다시 multimodal distribution을 만들려는 것입니다.

[@Spinach000]

아릉하세연

[@maangeek]

아릉하세요~~ㅎㅎㅎ