Research/Paper Review & Implementation 검색 결과
12 개의 검색 결과가 있습니다.
Research/Paper Review & Implementation

Pointcloud-related Models (2) - PointNet++

목차 [논문 링크, Github 링크] 이전 포스팅에서 Point cloud 데이터를 직접적으로 다루는 최초의 모델인 PointNet 논문을 리뷰해보았다. 이번에는 이를 보완한 PointNet++ 모델을 제안한 논문 'Charles Ruizhongtai et al., PointNet++: Deep Hierarchical Feature Learing on Point Sets in a Metric Space'를 리뷰해보려 한다. Point를 직접적으로 다루는 모델의 원리를 공부해보기 위해 선택한 논문이므로 experiment에 대한 상세한 설명은 뺐다. Motivation PointNet은 point cloud data를 직접적으로 입력받아 point 각각의 feature와 global feature를 구한..

2023. 1. 22. 16:58
Research/Paper Review & Implementation

Pointcloud-related Models (1) - PointNet

목차 [논문 링크, Github 링크] 3D Vision에서는 pointcloud 데이터를 자주 다룬다. 최초로 이 데이터를 직접적으로 다루는 모델인 PointNet을 제안한 논문 'Charles R. et al., PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation' 논문을 리뷰해보려 한다. Motivation 기존에 3D data를 어떻게 표현(representation)할 것인가에 따라 다음과 같이 다양한 학습 방법이 있었다. Volumetric CNN : 3D Voxel로 표현된 3D representation을 다룸 Multiview CNN : 3D point cloud나 shape을 2D image로 변환한 ..

2023. 1. 22. 16:53
Research/Paper Review & Implementation

[논문 리뷰] [2019 ICLR] How Powerful Are Graph Neural Networks? (a.k.a. GIN)

CNN은 이미지, 텍스트, 비디오 데이터를 다루는 데 아주 유용하다. 이 데이터들을 graph의 관점에서 보면 고정된 size를 갖는 간단한 graph(혹은 sequence)로 생각해볼 수 있다. 하지만 실생활에서의 수많은 데이터는 size가 정해져있지 않고, 훨씬 복잡한 graph로 표현해야 하는 경우가 많다. 이러한 경우에는 CNN보다는 GNN이 훨씬 유용하다. (특히 scene graph 연구를 하다보면 GNN을 필수적으로 사용해야 할 것이다.) 물론 scene(vision)과 관련된 task에서는 attention 개념을 활용하는 모델이 더 많이 사용될 수는 있겠지만, graph 이론을 배워보는 과정에서 attention을 적용하지 않고 GNN의 graph representation 성능을 최대한..

2022. 10. 5. 01:24
Research/Paper Review & Implementation

[논문 리뷰] [2017 NIPS] Attention is All You Need (a.k.a. Transformer) (2)

자연어 처리 분야의 대세를 바꿔버린, 게다가 비젼 분야에도 응용되어 대세로 자리매김한 Transformer라는 아키텍쳐를 제안한 논문을 읽고 리뷰해보려 한다. 워낙 유명한 논문이어서 많은 리뷰가 존재하지만, 그만큼 논문 내용이 궁금해서 읽어보았다. Transformer를 알아보기 이전에 알고 있어야 할 것들과 도입 부분은 이전 글을 참조하자. https://jjuke-brain.tistory.com/entry/%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0-2017-NIPS-Attention-is-All-You-Need-aka-Transformer-%EB%85%BC%EB%AC%B8 [논문 리뷰] [2017 NIPS] Attention is All You Need (a.k.a. Tran..

2022. 9. 10. 18:06
Research/Paper Review & Implementation

[논문 리뷰] [2017 NIPS] Attention is All You Need (a.k.a. Transformer) (1)

자연어 처리 분야의 대세를 바꿔버린, 게다가 비젼 분야에도 응용되어 대세로 자리매김한 Transformer라는 아키텍쳐를 제안한 논문을 읽고 리뷰해보려 한다. 워낙 유명한 논문이어서 많은 리뷰가 존재하지만, 그만큼 논문 내용이 궁금해서 읽어보았다. 목차 Motivation 3D Vision 분야의 연구를 시작하기 앞서 여러 논문을 추천받아 읽어봤고, 몇 차례의 세미나를 통해 요즘 연구의 트렌드가 어떤지 1~2달간 알아보는 시간을 가졌다. (말하자면 연구 인턴?) 첫 번째 깨달은 점은 현재 연구 트렌드는 내가 전혀 알아들을 수도 없을 만큼 머신러닝, 딥러닝 기초 지식에 비해 깊어졌다는 것이다. 내가 배웠던 내용도 (2D object detection 분야를 예로 들자면) 2010년도 중반이 되어서야 인간의..

2022. 9. 9. 15:47
Research/Paper Review & Implementation

[논문 리뷰] [2019 ICCV] 3D Scene Graph: A structure for unified semantics, 3D space, and camera

3D Scene Graph를 연구하기 앞서 관련 내용을 다룬 논문을 읽고 리뷰해보려 한다. [논문 링크, 깃허브 링크, 프로젝트 페이지] 목차 Core Questions 논문을 읽고 얻은 insight를 정리해보자. What did authors try to accomplish? 다양한 semantic 정보와 서로의 관계를 담을 공간과 그 구조를 통합적으로 나타내는 3d scene graph를 제안하였다. 논문에서는 주로 scene graph 구조 중 node를 얻기 위한 방법을 소개한다. What were the key elements of the approach? Input : 3D mesh와 panorama 이미지(+camera parameter) Output : Semantic 정보를 표현한 3D..

2022. 8. 22. 19:04