논문 리뷰 및 실습

연구하거나 공부하면서 읽은 논문 summary 리스트입니다.

Generative Adversarial Networks [NIPS 2016 Tutorial: Generative Adversarial Networks](https://arxiv.org/pdf/1701.00160.pdf) https://learnopencv.com/in

CGAN Paper: Conditional generative adversarial nets

본 논문발표 당시에는, CNN이 unsupervised learning에서는 아직 큰 성공을 이루지 못했습니다. 저자들은 DCGANs이라는 CNN기반의 GANs 네트워크를 제시하며, unsupervised learning에서도 강력히 사용될 수 있다고 합니다. Obje

이 포스트는 ICLR, 2016에 발표되었던 UNSUPERVISED REPRESENTATION LEARNING WITH DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORKS(DCGAN) 논문의 실습입니다. Summary link -

「 DeepFool: a simple and accurate method to fool deep neural networks」, CVPR, 2016 - Seyed-Mohsen Moosavi-Dezfooli, Omar Fawzi, Pascal Frossard5\. Con

「Universal adversarial Perturbations」, CVPR, 2017 - Seyed-Mohsen Moosavi-Dezfooli, Omar Fawzi, Alhussein Fawzi, Pascal Frossard이 논문은 Universal(이미지에 적용

paper : link본 논문은 흔히 Pix2Pix로 알려진 아키텍쳐를 제시한 논문입니다. CGAN을 기반으로 하였기에, 입력에 Condition과 Input image를 같이 넣어서 trnslated된 이미지를 출력하게 됩니다. Condition에 부합한 이미지를 생

이 포스트는 CVPR, 2017에 발표되었던 Image-to-Image Translation with Conditional Adversarial Networks(Pix2Pix) 논문의 실습입니다. Summary link -> linkUnpaired Image-to-Im

paper : Link이전에 발표되었던 Pix2Pix가 paired training data를 필요로 하였다면, CycleGAN은 unpaired한 training data를 대상으로 합니다. 위의 그림에서 G(AB)를 통해 생성된 이미지들과 Real images를 D

Abastract 1. Introduction 2. Boundary Attack 3. Comparision with other Attacks 4. THE IMPORTANCE OF DECISION-BASED ATTACKS TO EVALUATE MODEL ROBUSTNE

paper : Generative Adversarial perturbations, 2018, CVPR본 논문은 adversarial examples을 만드는 generative model을 제시하고 있습니다. 이미지들을 adversarial examples로 변환하는

「 Universal adversarial perturbations for CNN classifiers in EEG-based BCIs」 ,IOP - Journal of Neural Engineering, 2021 - Zihan Liu, Lubin Meng, Xiao

My Summary기존의 cycleGAN과 같은 Image-to-Image translation 모델의 단점으로는 fixed된 domain간의 translation이 가능하므로 최대 2개의 domain간 가능하다는 점입니다. 여러 domain에 대해서는 위의 그림처럼

본 논문에서는 VGG 스타일의 ConvNet을 제시하는데요, training time시에는 multi-branch topology로 구성되지만, inference time시에는 re-parameterization 기법을 사용하여 구조를 바꿔서 오직 3x3 convolu

최근 robotics와 자율주행 등에서 3D point cloud이 활발히 사용되고 있지만, 3D point clouds dataset을 만들기 위해서는 많은 노력이 필요하다고 합니다. 특히 model collection이나 annotation의 경우 많은 사람의 노력

Local geometric feature들을 매칭하는 것은 noise, low-resolution, 3D 스캔 데이터의 불완전성으로 인해 어려운 task입니다. 본 논문에서는 기존의 geometric한 특성들의 histogram을 기반으로한 SOTA를 뛰어넘는, da

논문제목: Improved Techniques for Grid Mapping with Rao-Blackwellized Particle Filters발표 학회 및 년도: IEEE Transactions on Robotics, 2007gMapping SLAM은 ROBOTI

본 논문에서는 privacy-preserving localization을 위해서 sparse한 point clouds를 그대로 두는 것이 아닌, line clouds라는 개념을 제시하며, 3차원 geometry 정보는 보존하면서도, 3D points position을

본 논문은 line clouds라는 개념을 처음 도입한 논문입니다. line clouds란 point clouds의 각 point에서 임의의 방향(uniform하게)으로 line을 만들면, InvSfM에서 사용 불가능하다는 것을 제시하는 논문입니다.기존의 traditi