주뇽's 저장소

NeRF NeRF (Neural Radiance Fields)는 신경망을 사용하여 3D 공간의 시각적인 표현을 학습하는 방법이다. NeRF는 3D 장면의 형상과 텍스처 정보를 캡처하여 다양한 관점에서의 렌더링을 수행할 수 있다. 특징 3D 시각화: NeRF는 3D 공간의 형상과 텍스처를 고해상도로 재구성하여 현실적이고 자연스러운 시각화를 제공하며 이를 통해 실제 세계와 유사한 시각적인 품질을 달성할 수 있다. 시야 변화에 대한 일관성: NeRF는 여러 각도에서의 뷰를 학습하여 3D 공간을 모델링하므로 시야 변화에 따라 일관된 렌더링 결과를 제공한다. 이는 회전, 이동 등의 변환에 대해 시각적인 일관성을 유지할 수 있다. 장면의 광원 모델링: NeRF는 공간 내의 광원에 대한 모델링도 수행한다. 이는 장면..

4-1 심층학습의 등장 배경 1980년대에 이미 깊은 신경망 아이디어 등장(다층 퍼셉트론) 하지만 당시 기술로는 실현 불가능 경사 소멸 (gradient vanishing)문제 작은 훈련집합 과다한 연산과 시간 소요(낮은 연산의 범용 컴퓨터, 값비싼 슈퍼컴퓨터) 일부 연구자(캐나다)들은 실망스러운 상황에서도 지속적인 연구 학습률에 따른 성능 변화 양상 모멘텀과 같은 최적 탐색 방법 모색 은닉 노드 수에 따른 성능 변화 데이터 전처리의 영향 활성함수의 영향 규제 기법의 영향 등 # 보통 다층 퍼셉트론이 4개 이상일 때 심층학습이라 부른다. 경사 소멸 문제(gradient vanishing problem) # Back_prob 단계에서 경사 소멸 문제 발생 #위 그림 처럼 오류 역전파를 통해 계산하는 도중 ..