갤러리 이슈박스, 최근방문 갤러리
연관 갤러리
판타지 갤러리 타 갤러리(0)
이 갤러리가 연관 갤러리로 추가한 갤러리
0/0
타 갤러리 판타지 갤러리(0)
이 갤러리를 연관 갤러리로 추가한 갤러리
0/0
개념글 리스트
1/3
- 싱글벙글 잘 모르는 우주의 평균 색깔 ㅇㅇ
- 싱글벙글 플로리다 근황 (Feat. 찰리커크) 영단어봇
- 어제자 복귀한 지미카멜 근황 갑돌즈
- 남자친구 밥 차려주는 20대 자취녀 ㅇㅇ
- 요즘 좀 ㅈ같은 ai 프롬프트 냥니
- 싱글벙글 맞는 말이 거의 없는 실베간 싱벙갤 글 ㅇㅇ
- 영포티라는 단어를 쓰는 이들에게 애처로움을 느끼는 이유 묘냥이
- 싱글벙글 고기 핏물을 제거하지 않는 이유 영단어봇
- 외국인들은 존재 자체를 못믿겠다는 한국 토종 생물 ㅇㅇ
- 프랑스 시위와 한국 탄핵시위 공통점 ㄹㅇ... ㅇㅇ
- 실시간 여초카페에서 말나오는 테일러 노출 논란.jpg ㅇㅇ
- 한강버스, 오세훈 ‘믿는 구석’ 있었다…“승객 없어도 흑자 구조” ㅇㅇ
- 북한 스마트폰 분해해보기...jpg Су-47
- 확실히 병든 것 같은 한국인의 스펙 인식....jpg 워드
- 장카설 중 유독 설만 약한 이유 ㅇㅇ
흉기차, 관세폭탄 맞고 126만원 올랐는데…도요타는 고작 12만원 올랐다
https://n.news.naver.com/article/277/0005657313?cds=news_edit 현대차, 관세폭탄 맞고 126만원 올랐는데…도요타는 고작 12만원 올랐다미국이 수입 자동차에 고율의 관세를 부과한 후 현대차·기아와 일본 도요타의 가격 인상 폭이 벌어진 것으로 나타났다. 현대차·기아가 최근 5개월간 2.3% 올랐지만, 도요타 인상 폭은 0.1%에 그쳐 사실상 동결한 것n.news.naver.com - dc official App
작성자 : 조선인의안락사고정닉
싱글벙글 절대 여행가면 안되는 지역을 알아보자
여행경보제도대한민국 외교부에서 특정 국가 또는 지역으로의 여행을 경고하거나 제한하는 제도임주로 국가의 정치적 사회적 불안이나 내전, 치안 등의 이유를 고려해서 부여함여행경보제도는 이렇게 총 4단계와 특별여행주의보로 이루어져 있음지도를 보면 알수 있지만 색이 칠해져 있지 않은곳은 국내 대도시 만큼이나 안전한 지역임1단계 여행유의 - 국내 대도시보다 상당히 높은 수준의 위험으로 여러 국가들이 포함되어있음2단계 여행자제 - 국내 대도시보다 매우 높은 수준의 위험으로 절검단에서 등장하는 나라들이 보임3단계 출국권고 - 국민의 생명을 위협하는 심각한 수준의 위험으로 단순 관광으로는 절대로 추천하지 않으며 목숨을 걸고 떠나야 하는곳들임4단계 여행금지 - 국민의 생명을 위협하는 매우 심각한 수준의 위험으로 갈수 없는곳들임 대부분 내전중이거나 국가가 붕괴하기 직전이 곳들임먼저 동북아 4국을 알아보자대한민국과 대만은 흰색으로 안전한 국가임일본은 흰색이지만 후쿠시마 원전사고가 발생한 지역은 3단계로 매우 위험함몽골은 1단계로 무난하고 중국은 티벳이랑 위구르 자치구를 제외하면 1단계임동남아 지역임전체적으로 1단계인걸 볼수 있음응우옌들은 1단계로 무난하고 태국이랑 캄보디아는 국경분쟁으로 특별여행경보가 내려짐미얀마는 내전으로 3단계와 4단계로 여행을 갈려면 목숨을 걸어봐야함우리에게 여행지로 친숙한 필리핀은 특정 관광지를 제외하면 매우 위험함을 알수 있음만다나오섬을 위주로 경보가 강하다는걸 알수 있는데 이는 이슬람 반군들의 활동 근거지라 그럼가히 동남아의 멕시코라 볼수있음중앙아시아는 동남아보다 심함오만 아랍에미리트 카타르는 안전하다하고이라크 예멘 아프간 시리아 모두 내전으로 4단계로 매우 위험함을 알수있음이란과 파키스탄 이스라엘은 알다시피 여러 사건으로 3단계로 상당히 위험함네팔은 현재 시위로 특별여행경보가 내려진 상황임특이점으로는 인도가 1단계로 약하다 생각할수 있음실제 인도는 테러 살인 성범죄같이 여러 범죄에 쉽게 노출될수 있어 의문점이 있긴 함유럽은 여러 선진국들이 위치해 있어 무난함코소보가 세르비아와의 분쟁으로 2~3단계를 보여주고우크라이나 벨라루스는 러시아의 침공으로 인해 각각 3, 4단계를 보여주고 있음터키는 시리아와 이란과 붙어있어 국경 근처는 4단계로 매우 위험함조지아 또한 러시아와의 분쟁으로 인해 2~3단계이고아르메니아와 아제르바이잔은 원래도 사이가 안좋았지만 아르차흐 분쟁으로 국격이 4단계임을 볼수있임여담으로 지금은 트럼프의 중재하에 평화협정을 맺었음아프리카는 보이는 듯이 막장을 보여주고 있음예시를 들자면 케냐에서 감자를 훔친 남자들이 불에 태워지고 있지만 근처 사람들은 구경만 하는 정도임그나마 안전하다는 곳이 모로코와 좌측에 세네갈과 감비아, 그리고 이집트의 나일강 근처임소말리아와 수단은 내전으로 인해 4단계이고 나머지 국가들은 아프리카의 치안의 악명을 보여주듯이 대부분이 3단계임을 알수있음남쪽은 그나마 덜함나미비아는 아프리카중 유일하게 경보가 없는 안전한 국가임남아공은 치안 유지문재로 특별여행경보를 보여주고 있는데남아공의 치안문제가 얼마나 심각하냐면 23년 남아공 경찰에서 발표한 바로는 하루 약 68명이 살해당하는걸로 조사되었음또 유명한 도시전설로 요하네스버그 안전수칙이라는 도시전설이라 부르기 힘든 것도 있으니 궁금하면 찾아보자북아메리카는 미국 아래로는 위험함캐나다는 알다시피 안전하다 하지만 요즘은 이민자와 마약 문제로 언제까지 경보가 없을지는 모르겠음미국은 국제 정세로 인해 1단계를 보이고 있음카리브를 확대해보자아이티는 갱단으로 인해 수도까지 점령당한 상태고 도미니카 공화국은 중남미 국가 치고 나름 괜찮은 수준임자메이카는 중남미에서 보기 드물게 민주주의가 잘 정착한 얼마 없는 나라지만 치안은 별개로 좋지 않음멕시코는 유명세 걸맞게 치안은 매우별로임당장 생각나는 펑키타운, 살아있는 멕시코 등 싱붕이들도 본 영상들의 본거지임시날로아는 멕시코 마약 카르텔인 시날로아 카트텔의 영향력 때문인지 3단계이고치아파스는 마약유통과 중미 이민자 수송으로 인해 3단계임 여담으로 이곳은 반정부 무장세력이 점거해있음나라들을 보기만 해도 절검단들이 생각나는 남미임다루마 전설급, 혀 훔쳤다 같이 혐오스러운 영상들이 찍힌 국가들이 보임대부분의 나라들이 2단계이고 특정 지역들은 3단계임말이 필요한가? 콜롬비아 브라질 그외 중남미 국가들에는 마약 카르텔들이 있음당연히 살인율도 높고 그 외 범죄율은 말할 필요도 없음아래도 위험한건 매한가지임그나마 우루과이가 경보가 없지만 여기도 경제랑 마약 문제로 치안 상황은 악화중임____________________이렇게 여행경보에 걸린 지역들에 대해 대충 알아봤음싱붕이들도 여행이 가고싶다면 외교부에 가서 한번은 확인해보고만약 그 국가가 2단계 이상의 경보가 걸려있다면 다시 생각해볼 필요가 있음이 링크에서 여행경보제도를 자세히 알수 있으니 궁금하면 보셈https://0404.go.kr/main/mainPage 해외안전여행 해외안전여행0404.go.kr
작성자 : 케이온부고정닉
생성형 AI의 기초 원리 - 3 VAE
VAE (Variational AutoEncoder) 이전 시간에는 오토인코더에 대해 알아보았고, 오토인코더의 아쉬운 점 - 더 공간을 효과적으로 모아주고, 틈이 없게끔 모아서 어디에서 뽑건 의미있는 결과가 나오면 좋겠다 - 라는 점을 생각해보았다. 그 목표를 위해서 오토인코더에 분포(Variation)개념을 넣은 것이 VAE 이다. 이름을 보면 알겠지만 평범한 오토인코더에 확률 분포라는 개념이 가미된 형태이다. + AE 를 만들 때에는 - 입력값이 잠재공간의 한 점으로 대응되지만 + VAE 를 만들 때에는 - 입력값이 잠재공간 상의 어떤 좌표 (mean) 를 중심으로하고 분산 (variance) 만큼 퍼져있는 분포로 대응된다 - 즉 한 점이라는 한개의 벡터값 대신 - 위치(mean)과 퍼진정도(variance)라는 두개의 벡터로 확장한 형태를 학습하게 된다 이렇게 하면 좋은 점이 뭘까? - 우선 공간 안에 틈이 없이 메우기 좋다. 즉 공간에 연속성이 좋아진다. 예를 들어서 오토인코더 구조에서는 (-2, 2) 라는 좌표에서 어떤 그림이 찍혀나왔다고 하더라도, 거기에서 약간 떨어진 부분 (-2.1, 2.1) 에서는 아까와 비슷한 그림이 나올거라는 보장이 없지만 VAE에서는 그게 훨씬 좋다. - 또한 VAE 는 AE 대비 잠재공간의 분포가 정규분포와 유사하게 만들어진다. 이렇게 하면 새로운 이미지를 생성할 때 성공률이 높아진다. 내가 찍은 공간이 정규분포에 속해있다면 어디를 찍어도 의미있는 이미지가 나올 가능성이 높다. 학습을 어떻게 시켜야 하나? - 기존의 레이어를 변경해서 2개의 파라메터를 학습시키도록 변경하는데, 여기서 Reparameterization Trick 이란 기법을 써서 식의 형태를 약간 변형시킨다 파라메터의 형태를 조절하는 이유는 모델의 학습과정에서 역전파가 좀 더 원활하게 작동하게 하는데에 목적이 있다. - VAE 의 경우에는 샘플링을 할 때 중점과 분포값을 각각 랜덤 뽑기를 하는 대신, epsilon 이라는 한개의 값을 정규분포에서 뽑은 다음 그걸 이전 레이어에서 넘어온 중점과 분포값과 조합하는 방식이다. - 역전파 과정에서는 두개의 변수가 하나로 합쳐지는 지점에서 편미분을 각각 계산하게 되는데, 랜덤요소가 양쪽에 있지 않고 한쪽에 몰려있는 쪽이 훨씬 잘 동작한다. * 학습은 항상 추론의 반대방향으로 계산의 흐름이 만들어지는데, 그것들을 위한 편미분 계산, 자동 미분등은 keras 나 pytorch 같은 라이브러리가 알아서 해준다. 모델을 만드는 사람이 신경쓰는 것은 양쪽 방향 모두 그래디언트가 소실되거나, 폭발하거나, 수렴되지 못하고 국소지점에 머무는 일이 발생하지 않도록 매끄러운 방향을 만들어주는 것이 중요하다 + 이런걸 어떻게 만드느냐.. 수준은 전문 연구자들의 영역이니까 우리는 그런게 있다는 것정도만 알고 넘어가자 레이어의 구조와 함께 학습의 핵심요소는 Loss 를 어떻게 정의하느냐이다 - 이전에 오토인코더에서는 높은차원의 원본 이미지를 인코더를 거치면서 낮은 차원을 통과시키면서 핵심 요소만 남겨낸 다음에 디코더를 통과하면서 다시 뿔려내면서 결과값을 만들고 그걸 처음의 원본과 얼마나 비슷한가 (reconstruction loss)를 계산했었다 - VAE 에서는 그 정보에 더해서 생성된 결과물이 최대한 정규분포에 가깝게 모일 수 있도록 추가적인 항목을 더해준다. * 두개의 확률 분포가 얼마나 가까운가, 동떨어져있는가를 계산하는 방법으로 대표적인 것이 KL 발산 이라는 것이다 * KL 발산에 대한 자세한 설명은 이쪽을 참고하자 https://www.youtube.com/watch?v=ErfnhcEV1O8 KL Divergence 에서 특기할만한 점 - 차이가 아니라 발산이다. 발산의 계산은 순서에 따라 달라진다. A분포를 기준으로 B 분포가 얼마나 발산하는가를 계산한 값과 B 분포를 기준으로 A 분포가 얼마나 발산하는가를 계산한 값은 같지 않다. - VAE에서는 최종 결과물에서 계산된 위치와 분포값이 정규분포로부터 너무 벗어나면 loss 가 늘어나게끔 구성한다 - VAE Loss = 원본 이미지와 결과 이미지의 차이점 (reconstruction loss) + 결과 이미지가 정규분포에서 얼마나 발산했는지 정도 (KL Divergence loss) - 즉, VAE에서 만든 결과는 정규분포의 범위쪽으로 모이게끔 유도된다. 결과적으로 새롭게 결과를 만들때 샘플링하기 좋아진다. 정규분포 안에서 하나 찍기만 하면 그럴듯한 결과가 나오는 보장이 AE 에 비해 VAE 가 훨씬 높다 - VAE 로 학습한 샘플들 사이에 있는 공간의 점을 찍으면 자연스럽게 그 중간 부분에 있는 모양이 찍혀나오게 된다. 굿! - 그리고 잠재공간의 형태도 정규분포에 가깝도록 KL 발산항에 의해서 유도되었기 때문에 (멀어질 수록 페널티를 줌) 원점에서 일정한 거리 안에 있는 모양이 나온다. 정규분포는 중점이 0, 발산이 1 인 분포니까 + 그래서 VAE는 본격적인 생성모델의 시작이다 스테이블 디퓨전에서 VAE 라는 단어 많이 들어봤는데? - 스테이블 디퓨전 이전에도 dall-e 나 imagen 같이 텍스트에서 이미지를 뽑는 모델들이 있었는데 - 얘네들은 각 픽셀에 대해 연산을 하느라 모델이 무겁고 소비자급 GPU에서 동작할 수 없었다 - 512*512 픽셀 전체를 생성 대상으로 하지 말고 - 64*64 정도의 작은 공간으로 줄여서 생성을 하고, 생성된 결과는 나중에 해상도 불리기를 해서 만들면 어떨까? 라는 발상으로 만들어진 것이 스테이브 디퓨전이다 - 엄밀하게 말하자면 64*64 의 데이타는 우리가 생각하는 픽셀데이타와는 똑같지 않은 형태의 latent 공간상의 embedding 이다 * 디퓨전 그림찍는 과정에서 중간 중간 프리뷰로 나오는 이미지는 생성된 임베딩을 한번 디코딩 과정을 거쳐서 낮은 해상도의 비트맵 이미지로 변환시킨 것을 표현한 것임 - 즉, 스테이블 디퓨전에서 VAE는 해상도를 뿔려주는 역할을 한다 - 64*64 공간을 512*512 의 픽셀로 업스케일링하는 것을 생각하면 64:1 의 상당한 압축비를 보여주는데, 이게 가능한 이유는 애초에 VAE 는 비슷한 근사값을 만들기만 하면 되기 때문에 손실압축의 형태로 동작하기 때문 * 이런 원리들을 이용해서 구글 포토나 유투브등에서 쓰는 고압축 코덱을 개발하기도 했다 * 비슷하게 보기 좋으면 된거 아님? 이제 본격적인 생성의 손맛을 더 알아보자 - 너무 간단한 Fashion MNIST 대신 사람 얼굴이 들어있는 CelebA 데이타셋을 갖고 학습시켜보자 - VAE 모델을 이용해서 학습을 시키고 나면 아래와 같이 원본에 대해 비슷하게 이미지를 재구성하는 능력을 모델이 획득하게 된다 VAE는 생성형 모델이기 때문에 단순히 원래 이미지를 따라하는 것 뿐만 아니라 적절한 샘플링을 통해 새로운 이미지를 생성하는 것도 가능하다 요 데이타셋에는 이미지가 이십만장 넘게 들어있는데, 특기할만한 점으로는 각 이미지마다 특징에 대한 라벨 정보가 들어있다는 점이다 * 코의 뾰족함, 앞머리, 계란형 얼굴, 수염, 표정 (웃기), 모자 착용 유무, 안경 착용 유무 등등등 - VAE 는 비지도 학습이기 때문에 학습 과정에서 이러한 라벨 정보를 쓰는 일은 없다. 그런데 VAE 학습을 하고 나서 잠재공간상의 벡터들을 보면 특정 라벨정보 매칭되는 것들을 발견할 수 있다 * 즉, 웃는 얼굴이라는 라벨을 붙여놓은 것들을 잠재공간상에서 찾아보면 서로 가깝게 몰려 있고, 수염난 얼굴, 안경, 앞머리, 모자 등도 마찬가지로 서로 모여서 의미있는 엠베딩을 만들게 된다! + 학습을 한 예제를 살펴보면 - 약간 뿌옇게 되는 단점은 있지만, 원본 데이타를 비슷하게 재생성하는 것이 가능하다는 것을 확인할 수 있고 - 잠재공간의 임베딩 벡터들을 뽑아서 각 차원별로 분포를 확인해보면, 각 차원별로 벡터의 성분이 서로 독립적으로 정규분포를 띄고 있다 - 즉 쏠림없이 잘 분포된 엠베딩을 확보했다면 n차원 정규분포 안에서 뽑기를 하는 것만으로도 새로운 얼굴을 만들 수 있고 - 특질벡터 (Feature Vector) 라는 개념을 이용해서 원하는 방향으로 샘플링 유도도 가능하다 * 웃는 얼굴이라는 특질 벡터가 몇번째 차원인지 알아냈다면 생성시 샘플링을 할 때 거기에 특성벡터를 더해주는 것만으로 결과물에 더 웃는 모습을 부여해줄 수 있다 - 연속성이 있으니까 샘플링한 두 점 사이를 보간하면서 디코딩을 하는 것으로 이미지 모핑도 쉽게 가능하다 정리 + VAE 를 통해서 본격적인 생성 AI 의 원리를 확인해보았다. - 단순히 압축률 좋게 원본 데이타셋을 모델에 압축하는 것에 그치지 않고, 공통적인 특질을 학습해서, 그걸 원하는대로 재조합해서 생성할 수 있다.
작성자 : AI활성고정닉
차단 설정
설정을 통해 게시물을 걸러서 볼 수 있습니다.
[전체 갤러리]
차단 기능을 사용합니다. 차단 등록은 20자 이내, 최대 10개까지 가능합니다.
설정된 갤러리
갤러리 선택
설정할 갤러리를 선택하세요.
[갤러리]
차단 기능을 사용합니다. 전체 설정과는 별개 적용됩니다.
