CS492(D)
1.[Basic Generative Model] Statistical Perspective
출처LECTURE02강의 영상: https://www.youtube.com/watch?v=Nh9MIEbCJIw해당 강의를 기반으로 추가적인 코드 구현과 설명을 정리했습니다.비슷한 데이터들은 비슷한 분포를 갖고있습니다. 말로 들으면 그럴싸하다. 조금더 자세히 확
2. [Basic Generative Model] GAN
출처LECTURE02강의 영상: https://www.youtube.com/watch?v=Nh9MIEbCJIw해당 강의를 기반으로 추가적인 코드 구현과 설명을 정리했습니다.빨간색 네모박스가 된 이미지들은 왼쪽의 이미지에 간단한 노이즈를 추가한 이미지입니다. 육
3.[Basic Generative Model] VAE
출처LECTURE02강의 영상: https://www.youtube.com/watch?v=Nh9MIEbCJIw해당 강의를 기반으로 추가적인 코드 구현과 설명을 정리했습니다.정의: 여러 확률 변수들로 구성된 확률 분포에서 일부 변수만을 고려한 확률 분포위의 수식
4.[Basic Generative Model] DDPM
출처LECTURE03, LECTURE04강의 영상https://www.youtube.com/watch?v=9V-7BoxEcqkhttps://www.youtube.com/watch?v=--p26ltTUaU해당 강의를 기반으로 추가적인 코드 구현과 설명을
5.[Basic Generative Model] DDIM + Score based + CFG(1)
출처LECTURE05, LECTURE06강의 영상: https://mhsung.github.io/kaist-cs492d-fall-2024/해당 강의를 기반으로 추가적인 코드 구현과 설명을 정리했습니다.DDPM 논문리뷰: https://velog.io/
6.[Basic Generative Model] CFG(2) + Latent Diffusion + ControlNet + LoRA
출처LECTURE07강의 영상 및 자료: https://mhsung.github.io/kaist-cs492d-fall-2024/해당 강의를 기반으로 추가적인 설명을 정리했습니다.Classifier Guidance 논문리뷰: https://velog.i
7.[Basic Generative Model] Zero-Shot Application
출처LECTURE08강의 영상 및 자료:https://mhsung.github.io/kaist-cs492d-fall-2024/해당 강의를 기반으로 추가적인 설명을 정리했습니다.이전 강의에서 살표본 Controlnet이나 LoRA 같은 경우 적은 데이터로 학습을
8.[Basic Generative Model] DDIM Inversion + SDS(1)
출처LECTURE09강의 영상 및 자료:https://mhsung.github.io/kaist-cs492d-fall-2024/해당 강의를 기반으로 추가적인 설명을 정리했습니다.처음에 DDIM의 Inversion이라는 내용이 있어서, Reverse process
9.[Basic Generative Model] SDS(2) + DDS + PDS
출처LECTURE10강의 영상 및 자료:https://mhsung.github.io/kaist-cs492d-fall-2024/해당 강의를 기반으로 추가적인 설명을 정리했습니다.지난시간에 배운 내용입니다. 3D Representation에서 사용되는 Score
10.[Basic Generative Model] Inverse problem(1)
참고: 강의 11은 Diffusion Synchronization와 관련된 내용이고, 적용 분야에 대한 설명이라 생략했습니다.출처LECTURE12강의 영상 및 자료:https://mhsung.github.io/kaist-cs492d-fall-2024/해당 강의
11.[Basic Generative Model] Inverse problem(2)
출처LECTURE13강의 영상 및 자료:https://mhsung.github.io/kaist-cs492d-fall-2024/해당 강의를 기반으로 추가적인 설명을 정리했습니다.지난 강의에서 배운 Inverse problem의 사용 예시로서 style guida
12.[Basic Generative Model] Probability Flow ODE / DPM-Solver
출처LECTURE14강의 영상 및 자료:https://mhsung.github.io/kaist-cs492d-fall-2024/해당 강의를 기반으로 추가적인 설명을 정리했습니다.DPM-Solver 논문 리뷰: https://velog.io/@guts4/
13.[Basic Generative Model] Flow Matching[1]
출처LECTURE15강의 영상 및 자료:https://mhsung.github.io/kaist-cs492d-fall-2024해당 강의를 기반으로 추가적인 설명을 정리했습니다. 해당 강의에서 수식적인 부분이 많아서 최대한 큰 흐름을 이해할 수 있는 내용들을 위주
14.[Basic Generative Model] Flow Matching[2] + Rectified Flow + InstaFlow
출처LECTURE16강의 영상 및 자료:https://mhsung.github.io/kaist-cs492d-fall-2024/해당 강의를 기반으로 추가적인 설명을 정리했습니다. 해당 강의에서 수식적인 부분이 많아서 최대한 큰 흐름을 이해할 수 있는 내용들을 위