내년에 4학년 올라가고 대학원까지 생각하고 있음...
미적 선대 확통같은 학부 때 배우는 공대 수학은 다 배웠고
학교에서 머신러닝 관련 수업도 다 들었음.
딥러닝도 밑바닥 시리즈 12 한 번 씩 다 구현해봤고 cs231n은 아직 안해봤는데 거기 나와있는 weight initialization, normalization, optimizer, learning rate scheduler 같은 기초 지식은 다 공부했고 알고있음.
비전에 관심있어서 VGGnet, googlenet, Resnet도 pytorch 한 번 씩 다 구현해봤음.
씹덕이기도 하고 요즘은 애니짤 생성같은 Generative AI 관심있어서 StyleGAN이나 Diffusion model 공부하고싶은데
그냥 여기 갤에도 올라와있는 survey 논문보면서 흐름 좀 훑고 최신논문 좀 하나하나 읽어보면서 github에 코드 올라와있는거 구현해보면 될까?
아니면 아직 더 기초 공부 해야됨?
이제 4학년동안 졸업작품도 만들어야돼서 Generative AI 기반으로 만들어보고 싶은데 어떻게 공부해야될지 감이 안잡힌다...
확통에서 멈추지말고 정보이론까지 ㄱㄱ
ㄱㅅㄱㅅ
diffusion모델할거면 vae부터 공부해봐라 그게 더 해설영상도 많고 설명도 잘돼있고 거기 쓰인 variational lower bound랑 reparameterization trick은 똑같이 씁 - dc App
그리고 latent variable model, besian network, hidden markov model, markov chain, mcmc 같은 고전 확률 모델 간단히라도 공부해보면 diffusion model 이해하기 훨씬 수월해짐 - dc App
ㄱㅅㄱㅅ 한 번 공부해봐야지
diffusion model 공부하고 싶으면 먼저 denoising diffusion probabilistic model 논문을 읽어보고 막히면 모르는 부분을 찾아서 공부해
그리고 diffusion model은 생성이 느린게 한계라서 개선된 consistency model 등도 같이 공부하면 좋을듯
ㄱㅅㄱㅅ