분류 전체보기41 [Lab study] Journal Club Lab study인 Journal Club에서 발표한 논문 리뷰 PPT입니다. Transformer: Attention is All You Need[발표일자: 24.07.10]NeurIPS 2017Citations: 170,606https://arxiv.org/abs/1706.03762CFG: Classifier-free Diffusion Guidance[발표일자: 24.09.20]NeurIPS 2021Citations: 3,518https://arxiv.org/abs/2207.12598 StyleGAN: A Style-Based Generator Architecture for Generative Adversarial Networks[발표일자: 24.11.08]ICLR 2018Citations: 8796.. 2025. 5. 9. 제 56회 SQLD 합격 후기 및 공부법 안녕하세요, 오늘은 25.03.08일에 시행된 56회 SQLD 시험 후기와 공부 방법을 공유드리겠습니다.먼저 SQL에 대한 사전 지식에 대해 말씀드리면, 학부 때 데이터 사이언스학과를 복수 전공하면서 3년 전 데이터베이스 전공 수업을 들은 적이 있습니다. 따라서 기본적인 쿼리문은 어느 정도 숙지하고 있었습니다. 공부 기간은 약 3일 정도 되고, 유튜브 정리본과 가장 유명한 노랑이 책을 이용하여 준비하였습니다.노랑이 책이 생각보다 너무 어려워서, 개인적으로는 빅데이터 분석기사보다 준비 과정이 더 힘들었습니다.실제 시험은 이 책보다 훨씬 쉽게 나오기 때문에 다들 포기하지 마시고 제가 추천하는 방법을 토대로 준비하시면 좋을 것 같습니다! 공부 방법저는 유튜브 요약 강의를 먼저 학습한 뒤 노랑이 책의 1, 2과.. 2025. 5. 9. [논문 리뷰] NFD: 3D Neural Field Generation using Triplane Diffusion [논문]3D Neural Field Generation using Triplane DiffusionCVPR 2023Citations: 244https://arxiv.org/abs/2211.16677SummaryNFD - Neural field diffusion modelTriplane 기반 3D 생성 구조기존 2D diffusion model을 그대로 활용하면서, 3D shape 생성을 가능하게 하는 framework 제안3D shape을 3장의 axis-aligned 2D feature plane (triplane)으로 변환하여, 2D diffusion model로 학습 가능하도록 구성hybrid explicit-implicit representations 방식 활용각 voxel 좌표에 대해 세 평면에.. 2025. 5. 8. 9회 빅데이터분석기사 필기, 실기 합격 후기 및 공부법 오늘은 24.09.07 9회 빅데이터분석기사 필기와 24.11.30 9회 빅데이터분석기사 실기를 합격할 수 있었던 공부법에 대해 남겨보려고 합니다. 저는 학부에서 통계학과와 데이터사이언스를 복수 전공하였고, 현재는 데이터사이언스 대학원에서 석사 과정을 진행하고 있습니다.따라서 해당 과목의 지식이 어느 정도 충분한 상태였기 때문에 벼락치기를 진행하였고 모두 한 번에 합격했습니다!!! 필기, 실기 모두 2일씩 투자를 했고, 저와 비슷한 베이스를 가지신 분들께 벼락치기 노하루를 알려드리기 위해 이 포스트를 작성합니다. 빅데이터분석기사 - 필기수제비 기출 문제집의 최근 4개의 기출을 풀고 틀린 부분들은 오답 노트를 작성하여 해당 문제들만 계속 외웠습니다.(다른 기출 문제집으로 공부하셔도 됩니다!!!)4개의 기출.. 2025. 5. 5. [논문 리뷰] Sin3DM: Learning a Diffusion Model from a Single 3D Textured Shape [논문]Sin3DM: Learning a Diffusion Model from a Single 3D Textured ShapeICLR 2024Citations: 19https://arxiv.org/abs/2305.15399https://github.com/Sin3DM/Sin3DMMethods[Sin3DM overview]단일 textured shape만 가지고 학습internal patch dist.를 학습하고 high-quality variations 생성함3D mesh → compact latent spacememory, computational cost 절감Encoder - 3D input을 3개의 2D plane feature map으로 압축Triplane latent - LDM의 inputDen.. 2025. 4. 14. [논문 리뷰] ALDM: Adaptive Latent Diffusion Model for 3D Medical Image to Image Translation: Multi-modal Magnetic Resonance Imaging Study [논문]Adaptive Latent Diffusion Model for 3D Medical Image to Image Translation: Multi-modal Magnetic Resonance Imaging StudyWACA 2024Citations: 40https://arxiv.org/abs/2311.00265Summary[문제점]3D MRI image analysis - 다양한 modality (T1, T2, FLAIR 등)이 필요but, 비용, 시간, 환자 안전성 등으로 모든 modality를 촬영하기 어려움[ALDM]Patch cropping 없이 3D image-to-image translation 수행Patch cropping큰 3D medical imaging을 작게 잘라서 batch 구.. 2025. 4. 14. [논문 리뷰] Blaze3DM: Marry Triplane Representation with Diffusion for 3D Medical Inverse Problem Solving [논문]Blaze3DM: Marry Triplane Representation with Diffusion for 3D Medical Inverse Problem SolvingPreprint 2024Citations: 2https://arxiv.org/abs/2405.15241Summary[3D medical imaging reconstruction]high-dim data 특성상 computation cost 매우 큼기존 volume-wise 방식 - 전체 분포를 잘 학습하지 못해서 비일관성(artifacts) 발생일부 연구 - latent space에서 생성을 시도하지만 세부 image detail 복원이 부족[Blaze3DM]Compact triplane neural field와 powerful di.. 2025. 4. 10. [논문 리뷰] Direct3D: Scalable Image-to-3D Generation via 3D Latent Diffusion Transformer [논문]Direct3D: Scalable Image-to-3D Generation via 3D Latent Diffusion TransformerNeurIPS 2024Citations: 31https://arxiv.org/abs/2405.14832Summary[기존 methods]Multi-view Diffusion model을 사용하여 다양한 view의 2D image 생성 → 3D로 변환하는 방식 사용Multi-view rendering 필요 ⇒ 계산량 증가Multi-view image의 quality에 따라 3D quality 영향SDS (Score Distillation Sampling) 최적화 과정 필요 ⇒ 추가 시간 소요 [Contibutions]Direct3D - 기존의 diffsuion +.. 2025. 4. 3. [논문 리뷰] PSLD: Solving Linear Inverse Problems Provably via Posterior Sampling with Latent Diffusion Models [논문]Solving Linear Inverse Problems Provably via Posterior Sampling with Latent Diffusion ModelsNeurIPS 2023Citations:73[https://arxiv.org/abs/2307.00619]Summary기존의 DPS (Diffusion Posterior Sampling) - Pixel space에서 동작LDM (Latent Diffusion Models)로 확장하면 잘 작동 X Latent 공간에서 inverse problems을 이론적으로 정확한 posterior sampling 보장 입증PSLD - Posterior Sampling with Latent DiffusionPre-trained LDMs 사용 가능 (St.. 2025. 4. 3. [개념 설명] DPS와 DPnP 비교 Diffusion Posterior Sampling 방법과 Diffusion plug-and-play method에 대해 이론적, 실험적 비교를 위한 postDPS 논문 리뷰 [논문 리뷰] DPS: Diffusion posterior sampling for general noisy inverse problems [논문 리뷰] DPS: Diffusion posterior sampling for general noisy inverse problems[논문]Diffusion posterior sampling for general noisy inverse problemsICLR 2023Citations: 737[https://arxiv.org/abs/2209.14687]Diffusion model을 통해 inv.. 2025. 4. 3. 이전 1 2 3 4 5 다음
