본문 바로가기
  • CobsLab upgrades your company value by AI technology

분류 전체보기111

GCN에 대한 새로운 LRP 기반 설명 방법 - GCN-LRP explanation exploring latent attention of graph convolutional networks 안녕하세요 콥스랩(COBS LAB)입니다. 오늘 소개해 드릴 논문은 ‘GCN-LRP explanation exploring latent attention of graph convolutional networks’입니다. 해당 내용은 유튜브 ‘딥러닝 논문 읽기 모임' 중 ‘GCN-LRP’ 영상 스크립트를 편집한 내용으로, 영상으로도 확인하실 수 있습니다. (영상링크:https://youtu.be/u_sy3UfFJsU) 저자가 왜 GCN-LRP 모델을 만들게 되었는지 그 Motivation에 대해 간단히 소개를 하고 관련 연구로 GCN-LRP에 대해 간략히 설명드리겠습니다. 그다음 기존 LRP를 단순히 GCN에 적용하였을 때 생기는 문제점들을 해결하기 위해 본 논문에서 제안하는 방법에 대해 설명을 한 뒤 성.. 2022. 8. 11.
data augmentation의 새로운 관점- SimCSE:Simple Contrastive Learning of Sentence Embedding 안녕하세요 콥스랩(COBS LAB)입니다. 오늘 소개해 드릴 논문은 ‘SimCSE:Simple Contrastive Learning of Sentence Embedding’입니다. 해당 내용은 유튜브 ‘딥러닝 논문 읽기 모임' 중 ‘SimCSE’ 영상 스크립트를 편집한 내용으로, 영상으로도 확인하실 수 있습니다. (영상링크:https://youtu.be/RToEmUYyGO4) 먼저 이 해당 논문을 이해하기 위해서 필요한 background knowledge부터 말씀드리겠습니다. 세 가지의 background knowledge가 필요합니다. 하나는 Contrastive learning입니다. 요즘 NLP에서 굉장히 representation이 잘 되는 연구가 활발하게 진행되고 있는데요. Contrastiv.. 2022. 8. 5.
최초의 연속적인 신경 장면 표현- NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis 안녕하세요 콥스랩(COBS LAB)입니다. 오늘 소개해 드릴 논문은 ‘NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis’입니다. 해당 내용은 유튜브 ‘딥러닝 논문 읽기 모임' 중 ‘NeRF’ 영상 스크립트를 편집한 내용으로, 영상으로도 확인하실 수 있습니다. (영상링크:https://youtu.be/Mk0y1L8TvKE) 이번에 발표드릴 논문은 2020년에 ECCV 베스트 paper로 accept 된 NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis 논문입니다. 처음으로는 3D Aware 모델입니다. 어떤 StyleGAN 같은 경우에는 어떤 하나의 fe.. 2022. 8. 3.
LaMDA : Language Models for Dialog Application 안녕하세요 콥스랩(COBS LAB)입니다. 오늘 소개해 드릴 논문은 ‘LaMDA : Language Models for Dialog Applications’입니다. 해당 내용은 유튜브 ‘딥러닝 논문 읽기 모임' 중 ‘LaMDA’ 영상 스크립트를 편집한 내용으로, 영상으로도 확인하실 수 있습니다. (영상링크:https://youtu.be/re2AiBnFGGk) LaMDA 모델 같은 경우는 2021년 Google I/O 에서 발표되었던 논문입니다. BERT와 GPT, Transformer Chatbot을 키워드로 구성되어 있음을 알 수 있습니다. 이 논문은 단어의 시퀀스의 확률을 할당하는 Large scale LM 모델 방법과 직접 labeling 한 데이터로 Fine tuning 한 Transformer .. 2022. 7. 29.