marmot_ai

1. Problem DefinitionContinual Learning + Machine Unlearning을 다룬 기존 연구들- LSF (리뷰, IJCAI 2021)는 exact unlearning이 불가능함- LIRF (Github, ECCV 2022), CLMUL (Github, arXiv 2024), ECIL-MU (arXiv 2024)도 마찬가지로 exact unlearning이 불가능함 - CLPU (리뷰, CoLLAs 2022)는 exact unlearning은 가능하지만, unlearn할 태스크는 따로 모델을 복사해두기 때문에 memory inefficient하고, knowledge transfer도 불가능함 LSF, CLPU와 동일하게 PALL도 Unlearning할 데이터에는 접근이 ..

1. Problem SettingContinual Learning and Private Unlearning (CLPU) 세팅을 새롭게 제안한다. Learning with Selective Forgetting (Link)가 유사한 세팅이지만, LSF는 완전하게 forgetting (=unlearning)하지 못한다.즉, CLPU는 continual learning 세팅에서 exact unlearning (학습됐던 흔적이 아예 없도록)을 목적으로 하는 첫 논문이라고 주장한다. (참고)- Exact Unlearning: retained dataset으로 학습된 distribution = 전체로 학습하고 forget set을 지운 distribution- Approximate Unlearning: 완벽하게 지우..

1. Problem SettingLifelong leearning 시나리오에서 class-level forgetting을 처음 고려한 논문이다.= Learning with selective forgetting (LSF) TIL 세팅에서 각 태스크마다 특정 클래스들을 학습하는데, 각 태스크에서 앞에 30%의 클래스를 지우는 것이 목적이다. - Preservation set: 이전에 학습되었고, k번째 태스크에서 유지되어야 하는 클래스- Deletion set: 이전에 학습되었고, k번째 태스크에서 잊어야 하는 클래스 즉, k번째 태스크에서 주어지는 정보는 k번째 데이터셋과, 유지될 클래스 정보(preservation set)가 주어지는 것이다.이전 태스크의 데이터에는 접근이 불가능하다. 학습이 모두 끝나면..

Camera parameter를 이해하기 위해서는 4가지 coordinate에 대해 이해해야 합니다.1) World coordinate ($O_w$): object가 존재하는 실세계의 좌표계2) Camera coordinate ($O_c$): 카메라를 기준으로 정해진 좌표계3) Image coordinate ($O_i$): 2D로 projection된 평면의 좌표계4) Pixel coordinate ($O_p$): projection된 이미지를 opencv 등으로 저장할 때 사용하는 좌표계 (ex: 좌상단이 원점) 추가로, Virtual image plane이라는 개념도 있습니다.Image plane은 실제 object가 상하,좌우로 반전되어 projection되기 때문에,대신에 계산의 편리함을 위해서 ..

윈도우에서 특정 port를 사용하는 프로세스 확인하고 Kill 하는 명령어입니다.a1111 stable diffusion 실행하다가 중간에 비정상적으로 종료될 때 필요해서 정리.. ex) port 번호가 8188일 때netstat -ano | findstr :8188 taskkill /PID 프로세스ID /F

Camera parameter는 intrinsic parameter와 extrinsic parameter로 나눌 수 있습니다. 이 중에 extrinsic parameter는 다시 카메라의 position + orientation 정보로 표현됩니다. Position은 3D 월드 좌표계에서 카메라의 위치를 x,y,z 값으로 표현합니다. (Translation vector로도 표현됩니다)Orientation은 카메라가 바라보는 방향입니다. (3x3 Rotation matrix, Euler angle, Quarternion 등으로 표현될 수 있습니다)

https://caiyuanhao1998.github.io/project/DiffusionGS/ Baking Gaussian Splatting into Diffusion Denoiser for Fast and Scalable Single-stage Image-to-3D GenerationExisting feed-forward image-to-3D methods mainly rely on 2D multi-view diffusion models that cannot guarantee 3D consistency. These methods easily collapse when changing the prompt view direction and mainly handle object-centric prompt i..

https://github.com/huggingface/accelerate/blob/main/README.md#launching-training-using-deepspeed accelerate/README.md at main · huggingface/accelerate🚀 A simple way to launch, train, and use PyTorch models on almost any device and distributed configuration, automatic mixed precision (including fp8), and easy-to-configure FSDP and DeepSpeed suppo...github.com Accelerate 라이브러리는 Pytorch Distribute..

SfM(Structure from Motion)은 Multi-view 이미지들이 입력으로 들어왔을 때, camera parameter (intrinsic + extrinsic)와 spare point cloud를 생성하는 방법입니다. MVS(Multi-View Stereo)는 일반적으로 SfM 이후에 실행되며, SfM의 출력을 이용하여 dense point cloud를 생성하기 위한 방법입니다.

https://repo-sam.inria.fr/fungraph/3d-gaussian-splatting/ 3D Gaussian Splatting for Real-Time Radiance Field Rendering[Müller 2022] Müller, T., Evans, A., Schied, C. and Keller, A., 2022. Instant neural graphics primitives with a multiresolution hash encoding [Hedman 2018] Hedman, P., Philip, J., Price, T., Frahm, J.M., Drettakis, G. and Brostow, G., 2018. Deep blendingrepo-sam.inria.fr NeRF와 같이..