전체 글

학교공부/블록체인

[블록체인] Blockchain Technology

Blockchain 용어Blockchain 기술의 핵심 특징 중 하나는 "no firewall, no trust" 원칙이다. 이는 중앙화된 신뢰 기관 없이도 시스템이 안전하게 작동할 수 있음을 의미한다. 또한 모든 데이터는 네트워크의 모든 참여자에게 복제되어(replication of all data) 분산 원장으로서의 투명성과 내구성을 보장한다. Consensus Algorithm분산 시스템에서 참여자들이 공통된 상태에 합의하는 메커니즘이다.BFT(Byzantine Fault Tolerance): 비잔틴 장애에도 시스템이 올바르게 작동할 수 있게 하는 알고리즘PoW(Proof of Work): 계산 작업을 통해 블록 생성 권한을 얻는 방식으로, Bitcoin이 사용PoS(Proof of Stake): ..

학교공부/풀스택 서비스 네트워킹

[풀스택 서비스 네트워킹] Socket

Network Socket네트워크 소켓(Network Socket)은 컴퓨터 네트워크에서 노드 내부의 데이터 송수신을 위한 내부 엔드포인트이다. 소켓은 네트워킹 소프트웨어(프로토콜 스택)에서 이 엔드포인트를 표현하는 방식으로, 통신 프로토콜, 목적지, 상태 등을 나열하는 테이블의 항목과 같은 형태로 존재하며, 일종의 시스템 리소스이다. 소켓 프로그래밍은 TCP/IP 네트워크의 통신 기반이 되는 근본적인 기술이다. 소켓은 다른 소켓과 데이터를 주고받기 위한 양방향 통신 엔드포인트를 제공한다. 소켓 연결은 일반적으로 로컬 영역 네트워크(LAN)나 인터넷을 통해 두 개의 서로 다른 컴퓨터 간에 실행되지만, 단일 컴퓨터에서 프로세스 간 통신(IPC)에도 사용될 수 있다. 소켓은 응용 프로그램과 네트워크 프로토콜..

학교공부/풀스택 서비스 네트워킹

[풀스택 서비스 네트워킹] OSI Architecture L1,L2,L3

컴퓨터 네트워크는 정보 교환을 위한 복잡한 시스템으로, 그 기본 구성 요소와 작동 원리를 이해하기 위해서는 핵심 용어에 대한 이해가 필수적이다. 네트워크 통신의 기초를 이루는 다섯 가지 핵심 개념은 메시지, 송신자, 수신자, 매체, 프로토콜이다.   메시지(Message)는 통신되어야 할 정보 또는 데이터를 의미한다. 이는 텍스트, 숫자, 그림, 소리, 비디오 또는 이들의 조합 형태로 존재할 수 있다. 디지털 네트워크에서 모든 형태의 정보는 궁극적으로 비트(0과 1)의 시퀀스로 변환되어 전송된다. 현대 네트워크는 다양한 형태의 멀티미디어 메시지를 효율적으로 처리하도록 설계되었다. 송신자(Sender)는 데이터 메시지를 보내는 장치를 말한다. 이는 컴퓨터, 전화 핸드셋, 비디오 카메라 등 다양한 형태의 전..

카테고리 없음

개인 연구

실제 정상이미지로 학습되어있는 디퓨전 모델에 이미지가 추가로 학습될 때 생성된 정상 이미지나 이상 이미지가 학습되려고 하면 이상을 감지해서 학습하지 않고, 실제 정상 이미지만 추가로 학습하도록 하게 하는 연구-> 결국에 모델에서 이상이미지라 판단하는 것은 기존의 학습분포에서 크게 벗어나있는 것일 테니 결국 임계값이 중요한것 아닌가  학습 데이터셋에 아예 다른 이미지나 생성이미지가 존재할 때 문제점1. The distribution of the original data becomes distorted2. diversity gradually decreases with each generation3. Subtle errors in fake data are degrading model quality4. Slow..

학교공부/블록체인

[블록체인] History of Blockchain

EncryptionCypherpunk는 강력한 암호화와 프라이버시 강화 기술의 광범위한 사용을 사회적, 정치적 변화의 수단으로 옹호하는 개인들을 지칭한다. 위키피디아의 정의에 따르면, 이들은 정부나 big brother의 감시 없이 암호화 기술을 사용하고자 한다. Cypherpunk 운동은 1992년 말에 시작되었으며, 이후 인터넷 보안, 프라이버시, 블록체인 등 많은 프로토콜과 기술 발전에 중요한 영향을 미쳤다. 암호화는 정보를 보호하기 위한 핵심 기술로, 크게 symmetric encryption과 asymmetric encryption으로 나눌 수 있다. Symmetric encryption은 가장 오래된 형태의 암호화 방식으로, 다음과 같은 특징을 가진다:암호화 키와 복호화 키가 동일하며, 이를 ..

카테고리 없음

캡스톤

Diffusion 모델은 잠재 표현에서 이웃한 부분이 서로 영향을 받음 VQ-GAN 의 손실값에 고주파수 끼리 뺀 것 추가VQ-GAN은 양자화를 통해 효율을 높이는 대신 정보 손실이 발생해서 국소적 패턴 오류가 생기는것 아닌지  랜덤 노이즈에서 시작노이즈를 천천히 이미지로 변환하는 과정에서, 매 단계마다 위의 두 규칙을 적용이미지가 서로 다른 방향으로 연결되어야 할 때는, 이미지를 적절히 회전여러 이미지와 연결되어야 할 경우, 번갈아가며 각 연결을 고려마지막엔 완성된 이미지들을 원래 크기로 자름 배경 같은 걸 만들때 tiled diffusion을 사용한다고 하면, 반복적인 패턴에 지속적으로 변주를 줌으로써 다양성을 추구하면 좋지 않을까... 최종적으로 AR이나 VR 글라스를 통해 구현하면 더 좋지 않을까..

학교공부/풀스택 서비스 네트워킹

[풀스택 서비스 네트워킹] OSI Architecture Overall

컴퓨터 네트워크는 이러한 다양한 컴퓨팅 장치들이 서로 통신하고 자원을 공유할 수 있게 해주는 중요한 인프라이다. 네트워크를 통해 데이터 전송, 원격 접속, 분산 처리 등이 가능해지며, 이는 현대 정보화 사회의 근간을 이루고 있다. 더 많은 장치들이 네트워크에 연결됨에 따라 컴퓨터 네트워크의 중요성은 더욱 커지고 있다.  네트워크의 범주네트워크 범주(Categories of Networks)는 네트워크의 지리적 범위와 규모에 따라 분류되는 방식으로, 각 유형은 고유한 특성과 용도를 가진다. 기본적으로 LAN, MAN, WAN으로 구분되며, 이외에도 PAN(Personal Area Network)과 BAN(Body Area Network) 등 더 작은 규모의 네트워크도 존재한다. 근거리 통신망(Local A..

학교공부/영상처리

[영상처리] Geometric Transformations

Geometric transformation(기하학적 변환)은 Coordinate transformation(좌표 변환)과 Intensity interpolation(강도 보간)으로 구성된다. 좌표 변환(Coordinate transformation)은 입력 이미지의 픽셀이 출력 이미지에서 어디에 위치할지를 결정하는 과정이다. 이는 이미지의 회전, 이동, 크기 조절, 기울임 등과 같은 공간적 변형을 포함한다. 강도 보간(Intensity interpolation)은 변환된 좌표에서 픽셀의 실제 값을 결정하는 과정이다. 변환된 좌표가 정수가 아닌 실수 값을 가질 수 있으므로, 주변 픽셀들의 값을 이용하여 새로운 픽셀 값을 계산해야 한다. 이때 nearest neighbor, bilinear, bicubic..

학교공부/영상처리

[영상처리] Image Resizing

Bilinear Interpolation (이중 선형 보간법)주변 4개의 픽셀값을 이용하여 새로운 픽셀값을 계산한다.과정:x축 방향으로 1차 함수 연산 2번 수행y축 방향으로 1차 함수 연산 1번 수행총 3번의 선형 연산으로 새로운 픽셀값 도출장점: 계산이 비교적 단순하고 빠름단점: 이미지가 다소 부드럽게(blurry) 표현될 수 있음    Bicubic Interpolation (이중 3차 보간법)주변 16개의 픽셀값을 이용하여 새로운 픽셀값을 계산과정:x축 방향으로 3차 함수 연산 4번 수행y축 방향으로 3차 함수 연산 1번 수행총 5번의 3차 함수 연산으로 새로운 픽셀값 도출장점: Bilinear보다 더 선명한 이미지 품질단점: 계산량이 더 많아 처리 시간이 더 걸림    샘플링과 Aliasing나..

개인공부/CV

PointNet++ 논문 정리

Introduction우선 3D 스캐너로 얻은 포인트 클라우드와 같은 기하학적 포인트 집합을 분석하는 것이 목표입니다. 이러한 데이터는 두 가지 중요한 특성을 가지고 있습니다. 첫째로 포인트들의 순서에 불변해야 하고, 둘째로 거리에 따른 지역적 특성이 다양하게 나타날 수 있습니다. 예를 들어 3D 스캔에서는 시점 효과나 움직임 등으로 인해 포인트의 밀도가 균일하지 않을 수 있습니다. 기존의 PointNet은 각 포인트의 공간적 인코딩을 학습하고 이를 전체적으로 통합하는 방식을 사용했지만, 거리에 기반한 지역적 구조를 포착하지는 못했습니다. CNN의 성공에서 볼 수 있듯이, 지역적 구조를 활용하는 것은 매우 중요합니다. 이러한 배경에서 PointNet++는 계층적 방식으로 포인트 집합을 처리합니다. 기본 ..

Dev_Camp
연구자의 노트