AI 최신동향(1)

🔴 AI 연구의 트랜드

• AI 분야는 융합할 수 있는 분야가 많기 때문에 최신 업데이트 된 연구에 관심을 갖는 것은 매우 중요하다
• AI 연구관련해서 최신 연구들이 어떻게 진행되고 있는지 살펴보자
• ® AI 관련 최신 연구들을 살펴볼 때 참고되는 사이트 https://velog.io/@laeyoung

🟠 High performance satable diffusion

• 고성능(15초) 텍스트입력 이미지 생성모델 사용하였다
• Stable Diffusion keras.io 가이드에서 소개된 Stable Diffusion의 결론부분만 코랩에서 테스트 하였다
• 장점 : 3장의 이미지를 생성하는데 약 15초 소요
  즉, 속도가 빠르다는 것이 장점이다
• High-performance image generation using Stable Diffusion in KerasCV

# 환경설정
!pip install tensorflow keras_cv --upgrade --quiet
!apt install --allow-change-held-packages libcudnn8=8.1.0.77-1+cuda11.2
# 필요한 패키지 불러오기
import time
import keras_cv
from tensorflow import keras
import matplotlib.pyplot as plt
# 고성능을 위한 설정
- Mixed precision : 연산 속도를 높이기 위해서 float32 정밀도 가중치를 float16 정밀도로 계산하도록 설정
- XLA Compilation : 내장된 가속 선형 대수 컴파일러를 사용
keras.mixed_precision.set_global_policy("mixed_float16")
model = keras_cv.models.StableDiffusion(jit_compile=True)
# 가상 이미지 생성 (모델 사용)
# 이미지 표출 함수
def plot_images(images):
    plt.figure(figsize=(20, 20))
    for i in range(len(images)):
        ax = plt.subplot(1, len(images), i + 1)
        plt.imshow(images[i])
        plt.axis("off")
# 주어진 텍스트로 이미지를 생성합니다.
gen_image = model.text_to_image(
    "psychedelic granny eating a bowl of eyes, salviadroid",
    batch_size=3,
)
plot_images(gen_image)

® [emotion을 검색하여 이미지 선택] Prompt Web : https://lexica.art/

🟡 공부할 모델

• ® [mmdetetion] https://github.com/open-mmlab/mmdetection
• ® [swin transformer object detection] https://github.com/SwinTransformer/Swin-Transformer-Object-Detection
• ® [detectron2] https://github.com/facebookresearch/detectron2
• ® [nature animal behavioral] https://sleap.ai/
• ® [nature animal behavioral 논문 : 동물 행동 예측] https://www.nature.com/articles/s41592-022-01426-1

🟢 앞으로의 AI

• 연속학습 & 인공지능 검증에 대한 연구
• AI 모델을 만드는 것보다 이를 활용해서 콘텐츠 활용의 가치를 세우는게 중요👍