CenterPoint 논문 정리해보기

HumanSC3D 데이터셋에서 라벨로 주어지는 3D keypoints들을 이미지에 시각화 해보자.   3D keypoints 분석HumanSC3D는 25개의 keypoint를 쓴다. 다른 keypoint데이터셋은 17개만 쓴다. 왼쪽, 오른쪽 손과 왼쪽 오른쪽 발 각각에 대해 2개씩의 keypoint들을 더 둔다.- 추가된 keypoint가 뭔지는 잘 모르겠다. 따라서 기존 17개의 keypoint에 8개의 keypoint가 더 들어가서 총 25개가 된다.    Keypoint마다 3차원 좌표를 가지고, 동영상의 각 프레임마다 keypoint들을 가진다. 라벨의 keypoint들을 텐서로 변환했을때 shape은 동영상의 총 프레임 개수를 F라고 하면, (F, 25, 3) 이 된다.    이걸 그대로 3차..

3차원 keypoints 시각화 해보기

서론HumanSC3D 데이터셋에서 3차원 좌표를 시각화 해보던 중, camera parameter라는게 있어서 뭔지 알아보게됐다. 이것들이 뭔지 알아보도록 하자.  참고https://velog.io/@landsky1234/Camera-Parameters Camera ParametersIntrinsic / Extrinsic parametersvelog.iohttps://darkpgmr.tistory.com/32 카메라 캘리브레이션 (Camera Calibration)카메라 캘리브레이션 (camera calibration)은 영상처리, 컴퓨터 비전 분야에서 번거롭지만 꼭 필요한 과정중의 하나입니다. 본 포스팅에서는 카메라 캘리브레이션의 개념, 카메라 내부 파라미터, 외darkpgmr.tistory.comht..

Camera calibration에 대해 알아보자.

1회차2024/07/06NeckNorm(졸프) 자세 판별 알고리즘 개발2회차2024/07/13NeckNorm(졸프) 자세 판별 알고리즘 개발3회차2024/07/20NeckNorm(졸프) 자세 판별 알고리즘 개발4회차2024/07/27NeckNorm(졸프) 자세 판별 알고리즘 개발5회차2024/08/03NeckNorm(졸프) 자세 판별 알고리즘 개발6회차2024/08/10NeckNorm(졸프) 자세 판별 알고리즘 개발

서론Page rank에서 rank란 중요도를 의미한다. 따라서 page rank라 하면 page의 중요도를 말한다.   Page의 중요도를 계산하는 기본 아이디어는 page끼리 걸린 링크를 이용하자는 것이다. 예를들어 M이라는 사람이 포스팅한 자바 관련 page가 상당히 유명하다고 하자. 이때 자바를 공부해서 포스팅하는 여러 사람들이 위 page를 참고했다는 의미로 링크를 걸어놨다. 그럼 M의 특정 페이지의 중요도가 올라가게된다.   페이지와 링크라는 개념을 사용하기 보단, 조금 더 추상화 하여 그래프 형태로 문제를 다시 구성할 수 있다. 이제 어떻게 계산할지에 대해 알아보자.          Random WalksRandom walks는 사람들이 페이지를 돌아다니는 모습을 추상화했다고 할 수 있다.  ..

서론K-means clustering 포스트에서 말했지만, k-means clustering은 초기 중심점을 랜덤으로 잡았었다. [Clustering] K-means clustering 구현해보기서론Clustering은 묶음으로 만들어버린다는 뜻이다.이때 뭘 묶어버리냐 하면, 관련있는 데이터들끼리 하나로 묶는다.   이름에 대해 이야기 해보자면 1. 몇개의 묶음으로 만들지에 대한ideadummy.tistory.com   K-means는 초기 중심점이 어디에 잡히는지에 따라 clustering 결과 차이가 많이 난다. 물론 최적의 결과가 나올 수도 있지만, 최악이 나올 수도 있다. 즉, 돌릴때마다 결과가 다르게 나올 가능성이 높다.   그리고 위키피디아를 보면, 초기 중심점이 이상하게 잡히면 알고리즘 실행..

서론Clustering은 묶음으로 만들어버린다는 뜻이다.이때 뭘 묶어버리냐 하면, 관련있는 데이터들끼리 하나로 묶는다.   이름에 대해 이야기 해보자면 1. 몇개의 묶음으로 만들지에 대한 것이 "k", 즉 k개의 묶음으로 만든다는 것이다.2. 묶어진 데이터들을 대표하는 데이터(중심점, centroid)를 구할때 "평균(mean)"을 사용하게 된다.결국 "k개의 묶음 만들기" 라고 할 수 있겠다.   K-means clustering에 대한 자세한 증명이 아닌, 구현(scratch)에 초점을 맞췄음을 미리 밝힌다.      관련있다란 무엇인가?데이터 a와 b가 어느정도로 관련있는지에 대해 어떻게 말할 수 있을까?"얼추 비슷해요~""좀 다르지 않나요?"이런 말은 공학도들 사이에서 죽고싶다는 말과 같다.k-m..

비즈니스 프로젝트를 위한 광고를 만들어야 했다. 시나리오를 이리저리 던져보다가, 그냥 병맛으로 가는 게 더 좋지 않을까 생각했다. 신속한 신원 확인과 결제를 장점으로 밀고 있기 때문에 좀비한테 쫓기는 상황을 생각했다. 여기서 우리 앱을 쓰면 벙커 같은 곳에 바로 신원확인(or 결제)해서 들어갈 수 있는데, 앱을 안 쓰면 좀비한테 잡아 먹히는 거다. 두 번째는 은행에서 서비스를 신청하는 두 사람을 대상으로 결정했다. 한쪽은 우리 앱을 쓰지 않아서 여러 서류를 작성하고 있고, 다른 쪽은 우리 앱을 써서 금방 끝내고 가는 거다. 근데 빨리 끝낸 쪽한테 무슨 앱을 쓰길래 그렇게 빨리 가는 거냐고 묻는 거지. 그럼 썩소를 지으면서.. Six Guys.. 지렸다.. 딱히 진지하게 프로젝트를 하고 있는 게 아니었으므..