논문 리뷰(Paper Review) 썸네일형 리스트형 HDMapGen: A Hierarchical Graph Generative Model of High Definition Maps, CVPR2021 Abstract - HD Map은 움직임을 예측하거나, 플래닝 등에 핵심 정보를 제공하한다. - 실제 도로 토폴로지와 기하 정보는 소수에 불가하여, 보지 못했던 시나리오를 일반화 하기 위한 정보는 부족하다. - 시퀀스, 일반 그래프, 계층적 그래프를 포함하여 다양한 데이터 표현을 사용하여 AutoRegressive 모델을 탐색한다. - HDMapGen을 제안한다. 본 모델은 고품질, 다양한 HD Map을 생성할 수 있는 계층적 그래프 생성 모델이다. - Argoverse 데이터 셋에서 실험을 수행하였다. 서론 - HD Map은 자율 주행에서 핵심이 되는 요소로 '3차원 공간 상에서 위치 인지', '다른 차량의 움직임 예측'. - HD Map은 도시 모델링 및 시뮬레이션의 중요한 구성 요소 - 아래의 2가.. 더보기 Cylindrical and Asymmetrical 3D Convolution Networksfor LiDAR Segmentation 1. 초록 - 기존의 Lidar Segmentation 방법은 2D 프로젝션 후에 수행되며 이는 3D Topology와 기하학적 관계 정보를 버리게 된다. - 차선의 방법인 3D Voxelization과 3D Convolution은 개선이 제한적이다. 왜냐하면, Point Cloud의 희소성과 밀도의 다양성 때문. - 원기둥 형태의 비 대칭적 3D Convolution Network를 제안한다. 또한, point-wise 정제 모듈을 제안하여 Voxel 기반 레이블 인코딩에서 발생하는 간섭을 경감 시켰다. - SemanticKITTI와 nuScenes 에서 1st를 하였다. 기존 대비 4% 성능 개선. - 제안하는 방법은 LIDAR Panoptic Segmentation과 3D Detection도 잘 수.. 더보기 [Vision] EfficientDet(2020) 1. 개요 - 55.1AP on COCO test-dev with 77M parameters and 410B Flops - 최신 대비 4 ~ 9배 파라미터수 적고, 13 ~ 42배 Flops수가 적다. 2. 동기 - 어떤 모델들은 정확도가 높고 파라미터수가 많으며 FLOP수가 크다. 반면, 어떤 모델들은 경량화에 초점을 맞추었다. 본 논문에서는 정확도도 높으면서 효율성이 좋은 (자원 상황에 따라 골라 쓸 수있는) 디택터를 만들고자 하였다. - One-Stage Detector를 계승하되, 백본, 특징 퓨전, Class/Box 네트워크 등을 고려하여 모델을 고려하다가 두가지 도전적 과제를 발견하였다. 2-1. 과거 동향 더보기 MultiScale Feature Representations - SSD(ECC.. 더보기 [ICLR 2021] An Image Is Worth 16X16 Words:Transformers For Image Recognition At Scale 서론 - 비전에서 Attention은 CNN 결합 시켜 사용하거나, 대체될 수 있다. 이를 Image Classification Task를 통해 보인다. - 큰 용량 데이터 셋에서 학습한 후, 이를 중간 혹은 작은 사이즈의 벤치마크(ImageNet, CIFAR, VTAB etc)로 Transfer Learning을 하면 VIT는 적은 컴퓨팅 자원으로도 우수한 결과를 보인다. 1. Intro - Transformer의 계산 효율성(Efficiency)과 확장성(Scalability) 덕분에 100B의 매개변수로도 학습이 가능 - Transformer의 NLP에서 성공에 영감을 받아 아래의 두 논문 같은 경우는 CNN을 Transformer로 완전히 대체하기도 하였다. (Prajit Ramachandran,.. 더보기 GIDS: GAN based Intrusion Detection System for In-Vehicle Network GIDS: GAN based Intrusion Detection System for In-Vehicle Network 1) 모델 A. Converting CAN Data to Image - CAN ID 패턴을 추출한다. ID를 One-hot-vector로 변환. - 예를들어, 0x2a0는 (16 by 3) 행렬 형태가 된다. - 두개의 구분자(Discriminator)가 있다. 2) 학습 방법 - 1) Training for known attack: : 첫번째 구분자는 normal CAN과 abnormal CAN을 수신한다. 첫번째 구분자는 탐지할 수 있는 공격의 범위는 학습에 사용된 공격으로 제한될 수 있다. - 2) Training for unknown attack: : 생성자와 2번째 구분자가 동시.. 더보기 [NIPS 2020] Batch Normalization Biases Residual Blocks Towards the Identity Function in Deep Networks. De, S. and Smith, S. Batch Normalization Biases Residual Blocks Towards the Identity Function in Deep Networks. De, S. and Smith, S, In NIPS 2020. "We show that this key benefit arises because, at initialization, batch normalization downscales the residual branch hidden activations on the residual branch relative to the skip connection, by a normalizing factor on the order of the square root of the network depth" ==.. 더보기 이전 1 2 3 다음
