Be the only one, not the best one

글로벌 '딥페이크 식별 챌린지. '딥 페이크 감지 챌린지 (DFDC, Deepfake Detection Challenge)'

딥페이크 폐해를 막기 위해 페이스북, 마이크로소프트, AWS 그리고 13 개국 100개 파트너로 결성된 'AI 파트너십'이
총상금 100만 달러(약 11억8천만원),
(Kaggle)에서 진행, 내년 3월 31일까지.

'딥 페이크 감지 챌린지(DFDC, Deepfake Detection Challenge)' 행사 웹사이트
https://deepfakedetectionchallenge.ai/

캐글 진행 홈페이지
https://www.kaggle.com/c/deepfake-detection-challenge

관련 기사
http://www.aitimes.kr/news/articleView.html?idxno=14906

안녕하세요.
이번에 Tracking 관련해서 연구를 시작하게 되었는데, 라벨링 관련해서 궁금한게 있어 질문올립니다.
현재 비디오에서 annotation을 하는 중인데, 30만장이 넘는 데이터셋이라서 수작업은 불가능하다고 판단하고 다음과 같은 과정으로 annotation을 진행했습니다.
비디오에서 Object가 Translation과 Rotation만 일어나는 것을 확인
Unet으로 비디오 첫 프레임의 Object만 학습시킨뒤 나머지는 Prediction
전처리후 육안으로 걸러내면 annotation 완료

음.. 그런데, 수작업이 아니다보니 annotation된 데이터는 어느정도의 오차를(육안으로 5%정도) 가질수 밖에 없는데, 해당 오차를 가지고 있는 데이터셋으로 실험을 했을 때 이게 합당하느냐에 대한 질문을 받았습니다.

혹시 비디오 이미지에서 라벨링을 하시는 분들은 어떻게 하고 계신지, 그리고 이런 문제에 대해서 다루고 있는 논문같은게 있으면 공유를 부탁드립니다 ㅜㅜ
미리 감사드립니다 :)

돈이 있으시면 https://aws.amazon.com/ko/sagemaker/groundtruth/

이제 캐글은 국내 많은 이들의 관심사가 된 것 같습니다.

저희 그룹이 7,000명이 넘어가면서

"왜 캐글을 해야할까" 라는 질문을 항상 하곤 합니다.

아마 본 그룹에 계신분들도 가지고 이 질문을 가지고 계실 거 같네요!

각자마다 캐글을 해야하는 이유가 다를 것입니다.

이를 위한 현실적 조언을 해주는 여러 동영상을 소개 합니다.

우버 Uber Sr. Data Scientist Tech Lead Manager Jeong-Yoon Lee 박사님의 조언

https://youtu.be/vM6D4Q-a4QA

네이버 AI Research Engineer 송호연 (Chris Song)님의 조언

https://www.youtube.com/watch?v=8mjeJpHtLVQ

위 두 영상을 보며, 본 그룹의 개개인에게 캐글이 어떤 의미인지 고민해보시면 좋을 것 같군요!

각자가 원하는 방향은 다르지만,

킵고잉 공부 마인드는 같을 겁니다.

포기하지말고 킵고잉 합시다 가즈아!