전체 글62 [Tübingen ML] Computer Vision - Lecture 2.3 (Image Formation: Photometric Image Formation) 튀빙겐 대학교의 Lecture: Computer Vision 2.3을 공부하며 정리한 자료입니다. Photometric Image Formation 지금까지 ray가 image plane에 어떻게 맺히는지를 알아봤다면 2.3에서는 이미지에 pixel intensities(픽셀이 얼마나 밝은지?)와 컬러가 어떻게되는지 알아본다. Rendering Equation Rendering equation은 파장($L_in$)에 따른 광원에서 위치($\mathtt{p}$)로 들어오는 빛($L_{in}$) 중에서 얼마나 많은 양이 관찰 방향(viewing direction, $\mathtt{v}$)으로 반사되는지를 설명한다. 관찰자(viewing direction)의 눈쪽으로 얼마나 반사된 빛이 들어오냐에 따라 물체가.. 2023. 3. 16. [Tübingen ML] Computer Vision - Lecture 2.2 (Image Formation: Geometric Image Formation) 튀빙겐 대학교의 Lecture: Computer Vision 2.2을 공부하며 정리한 자료입니다. Origins of the Pinhole Camera 핀홀 카메라에 대한 이야기. 별거 없었던 것 같다. 아래 [그림 2]에서는 물리적 카메라 모델(physical camera model)과 수학적 카메라 모델(mathmatical camera model)을 비교한다. 물리적 카메라 모델은 focal point뒤에 상이 맺혀서 상이 뒤집힌다. Perspective projection(3D to 2D)을 모델링할 때는 즉, 수학적 카메라 모델은 이미지 플레인이 focal point 앞에 있다고 가정한다. Image coordinates의 적절한 변화를 주면 두 모델은 같다. Projection Models .. 2023. 3. 14. [Tübingen ML] Computer Vision - Lecture 2.1 (Image Formation: Primitives and Transformations) 튀빙겐 대학교의 Lecture: Computer Vision 2.1을 공부하며 정리한 자료입니다. Lecture 2.1 (Image Formation: Primitives and Transformations) Primitives and Transformations Geometric primitives는 3D shapes를 묘사하기 위한 basic building blocks이고, 여기서는 points, lines, planes(점, 선 면) 을 이야기한다. Basic transformation에 대해 이야기한다. 2D Points 2D points는 각각 inhomogeneous coordinates, homogeneous 좌표로 아래와 같이 쓸 수 있다. $l : (a, b, c)$라는 직선이 있을 때.. 2023. 3. 13. 더 늦기 전에 2022년 회고 트위터에서 몇 분의 회고를 보고 '오 나도 써볼까' 라는 생각이 들어 한 번 써보게 되었습니다. 뭘하고 살았는지 사실 기억이 잘 안나서 사진으로 기억을 더듬어야 할 것 같습니다.. 제 블로그에 처음 오신 분이 대부분이시겠죠? 저는 수줍게 😊 익명으로 블로그를 운영해와서 이번에도 역시 제가 어느 회사에 다니는지는 이야기하진 않겠지만 Computer Vision 분야의 ML Engineer로 일하고 있습니다. 그리고 twitter에서는 @eden_i_m 이라는 이름으로 아무 이야기나 떠들며 살고 있습니다. 블로그에 기술 얘기가 아닌 제 이야기를 적으려니 조금 부끄럽습니다. 그럼 시작해보겠습니다. 아! 그런데 이 회고는 딱히 computer vision이나 deep learning과 관련이 없습니다. 올해 초.. 2023. 1. 5. Self Supervised Learning를 여행하는 히치하이커를 위한 안내서 (4) - SimCLR v1, v2 simCLR v1 논문, simCLR v2 논문, 코드 Self Supervised Learning를 여행하는 히치하이커를 위한 안내서 저는 요즘 모두의 연구소에서 Self Supervised Learning(SSL)을 공부하고 SSL에 대해 논문을 쓰는 것을 목표로 하는 SSL LAB(쓸랩)의 연구원으로도 활동하고 있습니다. 이번 논문은 제가 Self Supervised Learning을 처음 접했던 논문이었고, 이 분야에서도 연구가 더욱 활발하게 된 계기가 되었던 논문인 것 같습니다. 미리 알아두면 좋은 지식 - Contrastive Learning : Positive pair와 Negative pair로 구성하여 Positive pair 끼리는 거리를 좁히고, Negative pair끼리는 거리를 .. 2022. 7. 31. SSD : Single Shot MultiBox Detector 지난 포스팅에서 정리했던 SpaceNet Challenge 1에서 2등을 한 사람이 SSD의 방법의 일부를 이용했다. 2016년도 논문이기 때문에 굉장히 많은 사람들이 포스팅을 했지만 내 스스로 되돌아보는 의미에서 간단히 SSD를 정리해볼까 한다. 아래는 지난 포스팅에 대한 링크이다. https://i-am-eden.tistory.com/48 SpaceNet Challenge 1 SpaceNet 이란? > SpaceNet® is dedicated to accelerating applied research in geospatial machine learning. 나만의 정리 SpaceNet Challenge 1 주제 및 정보 : Rio de Janeiro building footprint extractio.. 2022. 7. 23. 이전 1 2 3 4 5 6 ··· 11 다음
