2020년 8월에 나온 3D pose estimation 논문인 "Monocular, One-stage, Regression of Multiple 3D People" 논문을 살펴보도록 하겠습니다. 발표영상과 함께 보시면 좋을 것 같아 공유합니다. https://www.youtube.com/watch?v=thPQvC3arts 현 시점(2021/08/05) 기준 3DPW 데이터셋에서 2위, 소스가 오픈된 것 중에서는 1위를 기록하고 있는 논문입니다. Introduction 최근에는 monocular 상태에서의 3D pose 및 shape 추정이 사람 1명이 있는 영상/이미지에서 많은 발전이 이뤄졌다. 하지만 일반적인 영상에서 봤을 때 여러 사람이나 환경들로 인한 폐색이 발생했을 때에 취약한 문제가 있다. 기..

FLOPS(Floating point Operations Per Second)는 컴퓨터의 성능을 수치로 나타낼 때 주로 사용되는 단위이다. (출처 : 위키백과) 가끔 논문 확인 시 성능 지표로 FLOPs가 나오는 경우가 있어서 정리해봤습니다. 만약 동일한 성능을 내는 모델이라면 FLOPs가 더 낮은 게 연산량이 적다는 의미이니 속도가 더 빠르다 또는 상대적으로 실행 환경 사양이 덜해도 돌릴 수 있다라고 봐도 될 것 같습니다.

딥러닝 논문에서 자주 나오는 용어인 "coarse-to-fine"은 번역하면 어색하게 번역이 됩니다. 실제 의미는 다음과 같습니다. 하이퍼파라미터의 다양한 조합을 시도하고, 네트워크의 성능을 평가하려는 신경망 하이퍼파라미터 최적화를 의미하는 말입니다. 하지만 매개변수의 수가 많고, 값의 범위도 넓기 때문에 사용할 수 있는 모든 조합을 활용하는 건 불가능합니다. 그래서 각 매개변수의 값 범위를 coarse(거친) 값 grid (ex. 5,6,7,8,9)로 놓고, 그 중 가장 의미있는 값(ex. 6)을 선택한 뒤 그 주변에서 fine(세밀한) 검색을 해서 더 최적화합니다.(ex. 5.8, 5.9, 6.0, 6.1) 출처 : https://datascience.stackexchange.com/questions..