일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
Tags
- Diffusion
- 모션매칭
- userwidget
- 디퓨전모델
- RNN
- Few-shot generation
- 딥러닝
- NLP
- 생성모델
- CNN
- 오블완
- dl
- multimodal
- animation retargeting
- Stat110
- deep learning
- Generative Model
- WinAPI
- WBP
- BERT
- GAN
- cv
- ue5.4
- UE5
- Unreal Engine
- 언리얼엔진
- ddpm
- Font Generation
- 폰트생성
- motion matching
Archives
- Today
- Total
목록변분추론 (1)
Deeper Learning
Variational autoencoder
VAE는 생성을 목표로 하는 모델로 AE와 형태는 비슷하나 근간은 명백하게 다르다. 생성모델의 목표는 주어진 dataset x 를 사용하여 density estimation을 통해 p(x)를 근사하는 것 generator를 구성하는 모든 parameter set을 θ 라고 하자 샘플링가능한 분포 z 에서 샘플링한 zi 는 decoder(generator)인 gθ 를 통과하여 데이터를 생성 생성결과 = gθ(x|z=zi) generator까지 고려하였을 때 최대화 해야하는 대상은 pθ(x|z) (parameter set θ 로 구성된 generator를 사용하였을 때 prior z 에서 x 를 생성할 확률) 샘플링..
AI/Deep Learning
2022. 1. 26. 22:20