논문 정리

신경망 계층의 활성화 공간에서 개념을 일반화하는 수치 표현이다. C는 concept, l은 layer이다. 해당 활성화 공간에 줄무늬 개념 데이터와 줄무늬가 아닌 랜덤한 데이터가 있고 이를 학습을 통해 classification하는 벡터가 cav이다. 이때 f가 act

지난번 tcav와 ace에서 이어진 논문이다. tcav도 생소했고 ace는 내용이 별로 없었는데 이번 논문은 너무 hardcore여서 제대로 이해한건지에 대한 의문뿐인 논문 공부였다. 논문의 부족한 이해 부분을 고려대학교 산업경영공학부 DSBA 연구실의 유튜브 영상을

introduce swin transfomer은 cnn과 transfomer의 장점을 통합함 method Shallow Feature Extraction 하나의 3x3 conv로 특징추출 Deep Feature Extraction Hdf는 k개의 RSTB와 마지

nlx

s3c~

벤치마크

새로운 domain에 학습없이 적용가능한 caption model