Black_AIEngineer

LoFTR: Detector-Free Local Feature Matching with Transformers

LoFTR: Detector-Free Local Feature Matching with Transformers - 세미나 자료저자: Jiaming Sun, Zehong Shen, Yuang Wang 외 2명발행년도: 2021년인용수: None회논문 링크: http://arxiv.org/abs/2104.00680v1arXiv ID: 2104.00680 0. TL;DR📌 핵심 요약 LoFTR는 **detect → describe → match** 3단계 중 첫 단계를 통째로 삭제하고, 1/8 해상도 dense coarse matching → 1/2 해상도 sub-pixel refinement의 2단계로 이미지 매칭을 다시 짰다. Transformer의 self/cross attention이 주는 **..

SuperPoint: Self-Supervised Interest Point Detection and Description - 세미나 자료저자: Daniel DeTone, Tomasz Malisiewicz, Andrew Rabinovich발행년도: 2017년인용수: None회논문 링크: http://arxiv.org/abs/1712.07629v4arXiv ID: 1712.07629 0. TL;DR📌 핵심 요약 관심점(interest point)에는 "코너의 정답"을 매길 사람이 없다는 문제를 정면으로 다뤄, 합성 도형 데이터로 부트스트랩한 검출기가 스스로 실제 이미지의 pseudo ground truth를 만들어내는 **자기지도 학습** 파이프라인을 제안했다. 무작위 호모그래피 100장으로 워프해..

Distinctive Image Features from Scale-Invariant Keypoints - 세미나 자료저자:발행년도: 2008년인용수: 0회논문 링크: [file:///Users/kimtaeyoun/Personal/skk/논문스터디/Distinctive Image Features from Scale-Invariant Keypoints.pdf](file:///Users/kimtaeyoun/Personal/skk/논문스터디/Distinctive Image Features from Scale-Invariant Keypoints.pdf) 0. TL;DR📌 핵심 요약 SIFT는 스케일·회전에 불변한 키포인트 검출과 128차원 gradient histogram descriptor를 하나의 파이..

Harnessing Large Language Models for Training-free Video Anomaly Detection - 세미나 자료저자: Luca Zanella, Willi Menapace, Massimiliano Mancini 외 2명발행년도: 2024년인용수: None회논문 링크: http://arxiv.org/abs/2404.01014v1arXiv ID: 2404.01014 0. TL;DR📌 핵심 요약 LAVAD는 학습 파라미터가 0개인 최초의 **training-free 비디오 이상 탐지(VAD)** 파이프라인으로, 기성 캡셔너(BLIP-2) + LLM(Llama-2-13b-chat) + 모달리티 정렬 VLM(ImageBind)을 얼린 채 조합하기만 했다. 설계의 축은 세..

Can Large Language Models Reason and Plan? - 세미나 자료저자: Subbarao Kambhampati발행년도: 2024년인용수: None회논문 링크: http://arxiv.org/abs/2403.04121v2arXiv ID: 2403.04121 0. TL;DR📌 핵심 요약 저자는 LLM이 원리적 추론을 하는 것이 아니라 웹 스케일 코퍼스 위에서 **universal approximate retrieval**(보편적 근사 검색)을 수행하며, 우리가 그 산출물을 추론으로 오독한다고 주장했다. GPT-4의 Blocks World 계획 정확도는 **30%**에 머물렀고, 액션·객체 이름을 뒤섞자(obfuscation) 성능이 급락했다 — 같은 조작에 고전 AI plan..

Deep Neural Networks and Tabular Data: A Survey - 세미나 자료저자: Vadim Borisov, Tobias Leemann, Kathrin Seßler 외 3명발행년도: 2021년인용수: None회논문 링크: http://arxiv.org/abs/2110.01889v3arXiv ID: 2110.01889 0. TL;DR📌 핵심 요약 XGBoost·CatBoost 같은 **GBDT(gradient-boosted tree)**가 5개 실세계 표 데이터셋의 supervised 과제 대부분에서 11개 딥러닝 모델을 여전히 이긴다는 벤치마크를 공개했다. 표 데이터용 딥러닝을 **data transformation / specialized architecture / re..

Problems with Shapley-value-based explanations as feature importance measures - 세미나 자료저자: I. Elizabeth Kumar, Suresh Venkatasubramanian, Carlos Scheidegger 외 1명발행년도: 2020년인용수: None회논문 링크: http://arxiv.org/abs/2002.11097v2arXiv ID: 2002.11097 개선이 필요한 지점을 찾았다. 핵심은 세 가지다 — (1) "X가 아니라 Y" 안티테제 패턴이 §0·§2·§8에 반복돼 AI 시그너처가 됐고(기준 l), (2) 좋은 톤 예시가 요구하는 1인칭 실무 경험이 §7의 한 문장뿐이라 약하고(기준 j), (3) 중간중간 박힌 proce..

A Unified Approach to Interpreting Model Predictions - 세미나 자료저자: Scott Lundberg, Su-In Lee발행년도: 2017년인용수: None회논문 링크: http://arxiv.org/abs/1705.07874v2arXiv ID: 1705.07874 0. TL;DR📌 핵심 요약 SHAP는 LIME·DeepLIFT·LRP·Shapley 계열까지 6개 설명법이 사실 **"additive feature attribution"**이라는 한 가지 형태를 공유함을 밝힌 통합 프레임워크다. 게임이론의 Shapley value가 local accuracy·missingness·consistency 세 속성을 동시에 만족하는 **유일한 해**임을 증명했다...

The Unreasonable Effectiveness of Data - 세미나 자료저자:발행년도: 2010년인용수: 0회논문 링크: https://arxiv.org/abs/2604.06420arXiv ID: 2604.06420 개선이 필요한 지점을 진단했다. 핵심 문제 두 가지: (1) §6과 §8 뒤에 끼어 있는 skipped: ... 메타 노트가 발행본 본문에 그대로 노출돼 있다(오케스트레이션 흔적, 마크다운 위생 위반), (2) §2에 AI 자국 어휘 "광범위한"이 박혀 있다. 나머지(1인칭 경험·구체 수치·날카로운 비판·figure 보존)는 이미 강하다. 메타 노트 제거가 명확한 발행 품질 개선이라 전체 재출력한다.0. TL;DR📌 핵심 요약 추천 시스템 학습 데이터를 10만 건에서 1억 ..

the-lack-of-a.neco.version - 세미나 자료저자:발행년도: 1996년인용수: 2702회논문 링크: file:///Users/kimtaeyoun/Downloads/the-lack-of-a.neco.version.pdf 첫 줄에 UNCHANGED를 쓰지 않고 개선본을 출력한다. 핵심 개선: (1) 상단·중간의 생성 과정 내레이션("Part 1을 작성합니다", "텍스트 추출은 승인 게이트에 막히지만…figure는 API가 이미지 로드를 거부했으나…Part 2를 작성한다") — 발행 블로그에 남으면 안 되는 AI 스캐폴딩 자국이라 제거. (2) PDF≠outline 발견은 정직한 인간 신호라 유지하되 한 단락으로 압축. (3) figure 6개·수치·저자 주장은 전부 보존.먼저 짚고 넘어갈..