오늘 소개할 논문은 Sensetable입니다. Humac Computer Interaction(HCI)의 Tangible User Inteface(TUI) 분야의 연구로, 과학관 같은 곳에서 프로젝트로 상호작용하는 것을 구현하였습니다. 기존에는 컴퓨터 비전 기술이나 wire를 puck(상호작용에 사용되는 물체)에 연결하여 TUI를 구현하였는데, 인식이 부정확하며 느린 반응속도를 보이거나, wire를 사용함으로써 거추장스러워지는 단점을 가지고 있었습니다. 본 연구에서는 이 문제를 해결하고자, 전자기를 이용해 물체를 인식하며 dial이나 modifier를 쉽게 장착할 수 있게 만들어, 보다 다양한 상호작용을 할 수 있게 된 것이 특징입니다. Introduction 기존 연구의 한계는 컴퓨터 비전 기술을 활용..

오늘 정리할 논문은 ICLR 2018에 소개된 ODIN입니다. ODIN은 Out-of-DIstribution detector for Neural network의 약자로, 이미 학습이 완료된 network model에 어떠한 수정 없이 Out-Of-Distribution(OOD)를 찾을 수 있는 것이 특징입니다. 먼저 OOD에 대해 간단하게 소개해드리겠습니다. OOD란 현재 가지고 있는 in-distribution 데이터로 multi-class classification network를 학습시킨 뒤, test 과정에서 in-distribution 데이터에 대해서는 model이 올바르게 예측하고 out-of-distribution 데이터는 걸러내는 것을 목표로 하는 분야입니다. 주요 분류는 다음과 같습니다...

오늘 정리할 논문은 ICLR 2016에 소개된, DCGAN입니다. DCGAN은 Deep Convolutional GAN의 약자로 이름에서 알 수 있듯이 기존의 GAN에 CNN을 적용하여 높은 성능 개선을 이룬 것이 특징입니다. 기존의 GAN의 경우, 구조가 불안정하여 네트워크 학습이 불안정했습니다. 또한, NN의 Black Box 특성상 모델의 학습이 어떻게 진행되는지에 대한 설명이 불가능하다는 단점을 가지고 있습니다. 저자는 DCGAN을 통해서 이러한 단점을 커버하려 했습니다. 주요 포인트는 다음과 같습니다. GAN에 CNN을 사용하여 구조를 변형하니, 안정적인 학습이 가능해졌다. 좋은 성능을 보인다. 학습된 분별기(D)의 성능이 다른 unsupervised 알고리즘과 비교했을 때, 대등하다. 학습을 ..