본문 바로가기

😎AI/Terminology9

[Notable] Explicit Representation VS Implicit Representation 1. Explicit Representation (명시적 표현)🔍 정의:Explicit Representation은 데이터를 직접적이고 구체적으로 표현하는 방식입니다.모델이 다루는 구조, 특성, 데이터 포인트 등이 명확한 형태로 정의됩니다.📊 예시:이미지 데이터: 픽셀 값으로 이루어진 RGB 이미지 각 픽셀의 색상, 위치가 정확하게 저장됨3D 모델링: 메쉬(Mesh) 기반 모델: 점(vertex)과 면(face)의 좌표가 명확하게 기록됨통계 모델: 가우시안 분포: 평균(μ)과 분산(σ²)이 명확하게 정의됨✅ 장점: 직관적이고 해석이 쉬움 데이터나 구조의 변경이 용이 명확한 수식 또는 규칙에 기반❌ 단점: 복잡한 데이터를 표현할수록 비용이 큼 (메모리, 계산량 증가) 고차원 데이터에서는 비효율적일 수 .. 2025. 1. 31.

[Notable] Differentiable image parameterization, DIP https://distill.pub/2018/differentiable-parameterizations/ Differentiable Image ParameterizationsA powerful, under-explored tool for neural network visualizations and art.distill.pub Differentiable image parameterization은 이미지 생성 및 최적화 과정에서 이미지를 파라미터화(매개변수화)하여 미분 가능한 형태로 변환하는 기법입니다.이를 통해 이미지 생성 또는 수정의 과정에서 미분 가능성을 유지하면서 최적화를 수행할 수 있습니다.주로 신경망 모델에서 이미지 생성, 변형, 복원 등의 작업을 하면서, 모델이 이미지에 대한 정보를 업데이트할.. 2025. 1. 21.

[Notable] NeRF vs Voxel vs Mesh 1. NeRF (Neural Radiance Fields)의 장점:세밀한 디테일: NeRF는 볼륨 렌더링을 사용하여 매우 세밀한 장면을 생성할 수 있습니다. 이를 통해 복잡한 조명 효과, 디테일한 질감, 모든 방향에서의 렌더링에서 뛰어난 품질을 얻을 수 있습니다. 특히, 빛의 반사와 굴절 등 물리적 상호작용을 세밀하게 모델링할 수 있다는 점에서 고해상도의 사실적인 결과를 얻을 수 있습니다.연속적인 표현: NeRF는 3D 공간을 연속적인 밀도와 색상 값으로 모델링합니다. 이 방식은 3D 장면을 디지털화할 때 부드럽고 자연스러운 전환을 가능하게 하여 더 고급스러운 시각적 효과를 제공합니다.고품질 렌더링: NeRF는 이미지 기반의 3D 합성에서 매우 사실적인 결과를 제공합니다. 특히 사진처럼 자연스러운 조명과.. 2025. 1. 21.

이전 1 2 다음

티스토리툴바