23.02.07
코테, CS 공부
-
프로그래머스: 표현 가능한 이진트리
구현, 푸는 방법은 구했으나 이진트리 길이 구하는데서 막힘 -
알고리즘: Sorting 알고리즘 복습 및 파이썬 코드 업로드
취준
- DB 공부 어떻게 할지
- Hadoop: 자바 기반의 분산 처리 오픈소스 프레임워크 --> 빅데이터쪽에서 주로 쓰임
하둡 스트리밍을 이용하면 파이썬으로도 실행 가능하긴함
23.02.08
코테
- 프로그래머스: 튜플
개인 프로젝트: IsitAI?
- AI-generated detection and classification
- GAN 자체가 human/AI-generated 차이 줄이는거라 쉽지 않은 과제
- backbone은 CNN + transformer/XAI 등 다양한 classifier 적용
- frequency domain에서 edge effect, checkerboard pattern도 살펴볼것
- Can an AI learn to identify “AI art”?
- CNN-generated images are surprisingly easy to spot...for now
- 관련 논문
- Detecting and Simulating Artifacts in GAN Fake Images:
GAN-based model의 아키텍쳐가 대부분 비슷하다는 점에서 착안, AutoGAN을 이용해 real image만 갖고 직접 fake image를 만들며 둘 사이의 frequency domain에서의 차이(artifact)를 찾는 것을 학습한다. Fake image가 따로 필요 없다는 것이 장점. Frequency domain을 사용하는 논문이라 훑어봤는데 별다른 특이점이나 장점을 찾지 못함. - Detecting GAN-generated Imagery using Color Cues:
실제 사진과 생성 이미지는 색조가 다르다는 점에서 착안. RGB 스펙트럼과 greyscale histogram을 이용. 하지만 실제 사진이 아닌 일러스트 등에서도 뚜렷한 차이가 있을지? - DA-FDFtNet Dual Attention Fake Detection Fine-tuning Network to Detect Various AI-Generated Fake Images:
딥페이크 판별 모델. MTCNN으로 얼굴만 크롭 후 augmentation, pre-trained model 이후 fine-tune transforemr, mobilenet v3, channel attention module을 각각 거쳐 element-wise multiplication으로 합쳐져 real/fake 판별. - Incremental learning for the detection and classification of GAN-generated images:
iCaRL(incremental classifier and representation learning)을 이용해 새로운 데이터셋에 대해서도 성능이 떨어지지 않는 모델.- iCaRL 참조
- Detection, Attribution and Localization of GAN Generated Images:
이미지를 RGB로 분리 후 pixel의 co-occurence matrix(일정 간격에 있는 pixel의 집합)을 NN에 학습시켜 히트맵을 생성.
- Detecting and Simulating Artifacts in GAN Fake Images:
- 그 외
23.02.10
코테
- 프로그래머스: 경주로 건설
- 25번 테케가 안 풀렸는데 다른 풀이들도 추가테케는 못 풀어서 참고가 안됨..
- 그래프 이동 문제에서 쉽게 그냥 방향 이동만 하는 것이 아니라 한 번에 두칸씩 차지한다든가, 방향에 따라 다른 비용이 소요된다면 딕셔너리를 고려해야 한다
n=26이기 때문에 모든 비용을 계산 후 저장하고 비교하는 완전탐색 문제!
23.02.11
코테
- 백준: 구간 합 구하기 5
- 누적합 이용하는 문제
- 22 카카오 블라인드 중 파괴되지 않은 건물과 같은 유형 --> 나중에 풀어보기
놀고 먹으면서 개발하기