Be the only one, not the best one

Making an Invisibility Cloak for evading Object Detectors!

https://www.profillic.com/paper/arxiv:1910.14667

(eg.the YOLOv2 detector is evaded using a pattern trained on the COCO dataset with a carefully constructed objective.)

Btw if you're interested in implementing this in your project/product, feel free to DM me
https://www.facebook.com/groups/1738168866424224/permalink/2441456712762099/?sfnsn=mo

며칠전에 CoRL 19 가 오사카에서 있었는데요

페이퍼들이 다 올라왔습니다 https://www.robot-learning.org/home/program/friday-november-1

리뷰도 제공하네요 오

대부분이 RL 관련 논문이긴 했지만 (RL몰라요 ㅠ)

그 중에서 SLAM 및 perception 쪽 CoRL19 논문들을 모아보았습니다. 해당 비디오 링크도 함께 정리하였습니다.

@ TUM 크레머

Multi-Frame GAN: Image Enhancement for Stereo Visual Odometry in Low Light

https://drive.google.com/file/d/15eIyWTVelmiCqg_x111FKrPtOjiZBdde/view

https://youtu.be/glMwF5-q51E?t=7999

@ 옥스포드

Masking by Moving: Learning Distraction-Free Radar Odometry from Pose Information

https://drive.google.com/open?id=1mqKLXOEN18Ig88hCetHfJksAS12Lmbxn

https://youtu.be/glMwF5-q51E?t=11527

@ Toyota

Two Stream Networks for Self-Supervised Ego-Motion Estimation

https://drive.google.com/file/d/1itLb8wM9JV3FIftCHH5Mw12Q-qHSKxwf/view

https://youtu.be/b7StSnt85S4?t=12810

@ 우버 ATG

Identifying Unknown Instances for Autonomous Driving

https://drive.google.com/file/d/1e_kBfHEL9adDWwhuhSrOHz-CUqRbLe2T/view?usp=drive_open

https://youtu.be/b7StSnt85S4?t=27917

@ Toyota

Robust Semi-Supervised Monocular Depth Estimation with Reprojected Distances

https://drive.google.com/file/d/1DsnCqZ42VtWR2_AJqf6IttUdEKy6omIG/view

https://youtu.be/b7StSnt85S4?t=28102

@ 웨이모

End-to-End Multi-View Fusion for 3D Object Detection in LiDAR Point Clouds

https://drive.google.com/file/d/18LymYUkOVkj-xbKQElHzECW1VDbnx4wY/view

https://youtu.be/QaCuEv_7lfs?t=12515
https://www.facebook.com/groups/slamkr/permalink/1007915666234744/?sfnsn=mo

[서버의 VS Code를 띄워놓고 랩탑, 태블릿, 스마트폰에서 코딩하는 방법]

안녕하세요! 지난 겨울 docker로 원격작업하는 방법을 공유했던 연세대학교 통합과정 이응빈입니다.

어제 iPad를 새로 구입하고 코딩할 수 있는 방법을 찾다가, 재미있는 해결책을 발견했습니다. 우분투 GPU서버에서 VS Code를 웹상에 띄워놓고, 태블릿의 "웹브라우저"로 접속해서 코딩하는 방법인데요, 마치 로컬에서 작업하는 것처럼 사용성이 매우 좋습니다. 심지어 웹브라우저만 된다면 윈도우랩탑, 맥북, 태블릿, 스마트폰, 심지어 TV나 냉장고에서도 코딩을 할 수 있습니다!

아직도 팀뷰어로 작업하시나요?
그렇다면 한번 따라와보세요!
장담하건데 신세계를 맛볼겁니다.

* 일정한 환경: 윈도우 노트북이건, 아이패드건, 심지어 휴대폰이건 상관 없이 항상 동일한 개발환경을 사용할 수 있습니다. 리눅스 서버에 띄워놓고, 웹브라우저로 접속해서 간편하게 개발이나 연구를 할 수 있습니다.

* Server-powered: 개인용 GPU 리눅스 서버 뿐만 아니라, 클라우드 서버 역시 Deploy할 수 있습니다. 노트북은 그저 웹브라우저 화면만 띄워주고 실제 연산은 서버상에서 이루어지므로, 노트북의 부하가 전혀 없습니다.

* VS Code 그대로: VS Code에서 사용하던 편리함과 사용성을 그대로 느낄 수 있습니다. 확장 플러그인 역시 사용할 수 있습니다.

https://eungbean.github.io/2019/11/04/remote-vscode/

여러가지 이슈는 블로그 댓글로 제보해주시면 바로 해결해드리겠습니다. 읽어주셔서 감사드리며, 즐거운 코딩하세요!
https://www.facebook.com/groups/TensorFlowKR/permalink/1028201280854263/?sfnsn=mo

High-Quality Face Image Generation from Poorly-Drawn Sketches  https://www.profillic.com/paper/arxiv:1911.00426

Cali-Sketch explicitly models stroke calibration and image generation using two constituent networks: a Stroke Calibration Network (SCN), and an Image Synthesis Network (ISN)
https://www.facebook.com/groups/PyTorchKR/permalink/1519149218224754/?sfnsn=mo

Visual localization 등에서,    

2017년만 해도 6D pose 를 CNN이 바로 regress 해주는게 신비로운 시절이 있었는데요,

하지만 DSAC 이라는게 나오면서 "learning less" 하는게 성능이 더 낫다라는걸 알게되고

understanding the limitations of cnn-based absolute camera pose regression

위 논문 에서는 이론적으로 direct pose regression 이 안좋을수밖에 없는 이유를 Sattler 가 설명했습니다.

이번 월요일에 ICCV localization tutorial 에서

DSAC저자인 Eric 님이 발표하신 자료가 올라왔길래 공유합니다 :)

사설이 길었네요 ㅋㅋ
https://www.facebook.com/groups/slamkr/permalink/1006108736415437/?sfnsn=mo

PR12 논문읽기 모임의 204번째 논문발표 입니다.

https://www.youtube.com/watch?v=YNicvevmByo&feature=youtu.be

ICLR2019 에서 발표된 "Learning deep representations by mutual information estimation and maximization" 이라는 논문을 발표하였습니다.

NLP 에서의 BERT 이외에도, self-supervised learning 을 통한 representation learning 연구가 다양한 도메인에서 이루어지고 있는데요, 많은 방법들은 InfoMax principle에 따라 "mutual information(의 lower bound)"을 neural network을 이요해서 추정하고 최대화하는 방식을 따르는 방식을 통해 representation learning을 수행하고 있습니다.

평소에 self-/semi- supervised learning 의 다양한 접근법들에 관심이 많았는데, 이 논문을 통해서 computer vision 외의 다른 분야에 self-supervised learning 을 적용해보려고 하고 있습니다.

이 논문 리뷰와 아래의 contrastive predictive coding 구현 코드가 다른 분들께도 도움이 되면 좋겠습니다!

* 아래의 github link 에 발표한 slide와 contrastive predictive coding (infoNCE loss) 를 구현하여 Libri speech dataset 에 대해서 semi-supervised learning 을 demonstration 해본 practice 가 있습니다.

https://github.com/SeongokRyu/mutual_information_and_self-supervised_learning

References

1. Paper: Learning deep representations by mutual information estimation and maximization, ICLR2019, https://arxiv.org/abs/1808.06670

2. Official Github: https://github.com/rdevon/DIM

3. Microsoft blog: https://www.microsoft.com/…/deep-infomax-learning-good-rep…/
https://www.facebook.com/groups/TensorFlowKR/permalink/1027352860939105/?sfnsn=mo

안녕하세요, 전 수아랩 현 코그넥스 에서 머신러닝 엔지니어로 일하고있는 이호성이라고합니다.

지난주 서울에서 열린 ICCV 2019 학회에 다녀온 후기와, Best Paper로 선정된 “SinGAN: Learning a Generative Model from a Single Natural Image” 논문을 자세하게 리뷰하여 글로 작성을 하여 공유드립니다.

1편

“ICCV 2019 Review [1] 참석 후기 및 프로그램 소개”

https://hoya012.github.io/blog/ICCV-2019_review_1/

2편

“ICCV 2019 Review [2] Best Paper SinGAN： Learning a Generative Model from a Single Natural Image 리뷰”

https://hoya012.github.io/blog/ICCV-2019_review_2/

처음 가봤던 ICCV 학회여서 어떤 프로그램들이 진행되었고, 어떤 점들이 인상깊었는지를 1편에서 정리를 하였고,

발표를 듣자마자 바로 리뷰를 해야겠다고 느꼈던 Best Paper 에 대한 자세한 리뷰를 2편에서 진행을 하였습니다.

공부하시는데 도움이 되셨으면 좋겠습니다!! 감사합니다!!
https://www.facebook.com/groups/PyTorchKR/permalink/1519149218224754/?sfnsn=mo

안녕하세요, 최근에 SKTBrain에서 공개한 KoBERT를 이용해서 간단한 한국어 객체명 인식기를 만들어봤습니다. NER에 관심있는 분들은 한 번 보셔도 좋을 것 같습니다

기존 CNN-BiLSTM 보다 학습도 빠르고, LM을 학습해서 그런지 오타에도 좀 더 강건한 편인것 같습니다. (형태소 태그 자질이 없어도 NER이 잘되는건 진짜 좀 신기하네요) CRF 붙이면 성능도 좀 더 좋아지는 것 같습니다.

데이터는 한국해양대학교 자연언어처리 연구실에서 공개한 데이터를 사용했습니다 (NER 데이터셋을 구하기 어려운데 괜찮은 데이터셋 같습니다)
https://www.facebook.com/groups/PyTorchKR/permalink/1519149218224754/?sfnsn=mo

안녕하세요 TFKR! 다음 주부터 NLP 분야 Top-Tier 콘퍼런스인 EMNLP가 홍콩에서 개최됩니다. 핑퐁팀 ML엔지니어 모두 이번 학회에 참석하는데요, 학회에 참석하기 전에 논문 리뷰는 필수겠죠?

발표된 논문들 중 각자 관심이 있는 총 60편의 논문(10편씩) abstract를 읽고, 그중 핑퐁팀이 주목한 12편의 논문들을 추려서 간단한 리뷰를 작성해 보았습니다! 또한 이번 EMNLP의 핫토픽, 키워드를 분석하여 현재의 NLP 트렌드는 무엇인지 파악해 보았습니다.

학회에 참석하시지 않더라도 인사이트를 얻을 수 있는 논문들이 많이 있으니 이번 EMNLP 논문 읽고 계신 많은 분들께 도움이 되었으면 좋겠습니다! 🥳

앗 그리고 EMNLP에 참석하시는 분들! 홍콩에서 만나서 식사 한번 같이 해요 ㅎㅎ 벌써부터 다음주가 기대가 됩니다!! 홍콩에 가서 많이 배우고 좋은 정보 있으면 또 공유하도록 하겠습니다. 😁

논문 취합은 @장성보 / 작성은 김준성 백영민 정다운 (Dawoon Jung) 이주홍 (JooHong Lee) Sangjun Koo @장성보 님과 함께하였습니다!

블로그 본문 링크 : [https://blog.pingpong.us//emnlp2019-preview/](https://blog.pingpong.us/emnlp2019-preview/?fbclid=IwAR32QdlIR2Jh0V02O0OrWtUdx5Nqd55EnlNVQKS36ZHAHKCzDTjTc0mYebI)

EMNLP 2019 논문 리스트 : [https://github.com/roomylee/EMNLP-2019-Papers](https://github.com/roomylee/EMNLP-2019-Papers?fbclid=IwAR3K_HE-U12_mZRR7KaXpPH91QA4QuVxQTvt0FQ1VaztcIyCiv8RsYfOVW8)
https://www.facebook.com/groups/TensorFlowKR/permalink/1025207577820300/?sfnsn=mo

SLAMANTIC - Leveraging Semantics to Improve VSLAM in Dynamic Environments (ICCV 2019 Workshop paper)

네이버랩스 유럽에서 나온 다이나믹 환경에 강건하게 동작하는 VSLAM 알고리즘입니다 ㅎ

코드는 공개되어 있는데 논문이 안나와 있어서 자세히 판단은 못하겠지만

세만틱 정보를 이용해서 다이나믹하게 움직이는 물체로 분류되는 클래스는 localization and mapping에 활용하지

않는 것으로 보입니다. 하지만 주행중 정차된 차량에 대해서는 피쳐를 활용하는 것으로 보아 디테일한 부분이 있을것으로 보여지네요~

[https://github.com/mthz/slamantic](https://github.com/mthz/slamantic)
https://www.facebook.com/groups/slamkr/permalink/1004457316580579/?sfnsn=mo