Zotero 는 논문 관리 프로그램이다. 비슷한 프로그램으로 Mendeley, Papers 등이 있다. 비슷한 논문(서지) 프로그램 중에 내가 zotero를 쓰는 이유 단순히 무료이기 때문이다. 오픈소스 프로그램이기 때문에 큰 기대안하고 대학원 다닐동안 잘 사용하였는데, 지금은 더욱 완성도 있는 프로그램이 되었다. 타 프로그램처럼 macOS, iPadOS, 윈도우 (안드로이드x) 등을 지원하며 웹브라우져 확장프로그램에서 논문을 바로
macOS
나의 macOS 키보드 리매핑 이유 1. esc 키가 너무 멀다. * 흔히 쓰이지 않는 capslock을 대신 썼으며 좋겠다. 2. 한영키가 윈도우 키보드 같이 같은 위치에 있으면 좋겠음. * 외부 키보드는 right_alt 버튼, 내장 키보드는 right_cmd를 한영키로 사용하겠다. 3. 외부 키보드 연결시 window 키는 cmd, alt키는 option키가 되어 본래 애플키보드에서 쓰는
Deep Learning
What is Batch Normalization? Instance Normalization? Conditional Batch Normalization? Conditional Instance Normalization? Batch Normalization is first introduced by Sergey Ioffe, Christian Szegedy. It increased image classification performance significantly. * arxiv Interested in "Conditional Batch Normalization (CBN)", here's wrap up of normalization layers. refer to "Arbitrary Style
Computer Vision
2015년 석사 입학 후 연말쯤에 소소하게 했던 프로젝트. 예전 인터뷰했던게 생각나서 공유. 인터뷰 link 0. Google HackFair는 구글 기술을 이용해서 만든 다양한 결과물들을 전시하고 공유하는 행사입니다. 지난 12월 5일, 프로젝트 참가자분들은 안드로이드, Cardboard, TensorFlow 등 다양한 구글 기술을 사용한 재미있는 프로젝트를 전시하고 풍성한 볼거리와 기술력 그리고 범상치 않은 업력(?)을
Computer Vision
arixv: ComboGAN: Unrestrained Scalability for Image Domain Translation accpeted to ICLR2018 workshop reddit github Scalibility issue for multi domains CycleGAN : Two-domain models taking days to train on current hardware, the number of domains quickly becomes limited by the time and resources required to process them. Propose a multi-component
Computer Vision
StarGAN : accepted as CVPR2018 oral presentation. github arxiv (a) Each domain shift needs generators. (b) Share one generator and use latent code of each domain The previous limitation of pix2pix, DTN, CycleGAN & DiscoGAN, BicycleGAN is that they only handle two domains: the source and the target. But, there are
Computer Vision
Limitations of pix2pix, DTN, DiscoGAN & CycleGAN? * They produce single answer. * They are deterministic models. * Translates an image in one-to-one * Paired set, One-to-One : pix2pix (CVPR2017) * Unpaired set, One-to-One : DTN (ICLR2017), CycleGAN (ICCV2017) * Paired set, One-to-Many : ??? BicycleGAN: Toward Multimodal Image-to-Image Translation
ghost
In short; Assuming you have Ghost v1.0.0 (or above) with default theme, Casper. Default font is Georgia. We will change font with Google Web fonts. cd {your-ghost-dir}/content/themes/casper # move to theme directory npm install gulp-cli -g # install gulp globally npm install # install npm
ghost
1 귀찮아서 업그레이드를 미루고 있었는데, 거대 업데이트를 한참 전에 했길래 간만에 업그레이드했다. 간만에 블로그 만지작 거리는게 재밌었는데 이내 업그레이드는 커다란 귀찮음을 가져다주었다. 결론적으로 서버의 리눅스가 Ubuntu 16.04가 아니면 자잘한 에러가 많다. 이번 버전부터 ghost-cli를 통해 v1이상에서 쉽게 업그레이드가 가능토록 cli를 지원한다. 역시 갓갓 cli다. 그리고 힘들게 Nginx등을 설정해줬었는데(
Computer Vision
Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks (CycleGAN) from UC Berkeley (pix2pix upgrade) & Learning to Discover Cross-Domain Relations with Generative Adversarial Networks (DiscoGAN) from SK T-Brain DiscoGAN & CycleGAN * Almost Identical concept. * DiscoGAN came 15 days earlier. Low resolution ($64 \times 64$) * CycleGAN has
Computer Vision
2. Unsupervised Cross-Domain Image Generation (DTN) published to ICLR2017 by Yaniv Taigman, Adam Polyak, Lior Wolf Learn $ G: S \rightarrow T $ of two related domains, $ S $ and $ T $ without labels! (labels of images are usually expensive) Baseline model $ D $ : discriminator, $ G $ : generator, $ f $ : context encoder. outputs feature. (128-dim)
Computer Vision
Image-to-Image Translation with Conditional Adversarial Networks (pix2pix) published to CVPR2017 by Phillip Isola, Jun-Yan Zhu, Tinghui Zhou, Alexei A. Efros Learn pair-wise images of $S$ and $T$ like below * BW & Color image * Street Scene & Label * Facade & Label * Aerial & Map * Day & Night