HDMap benchmark datasets usages HDMapGen: A Hierarchical Graph Generative Model of High Definition Maps(CVPR'21) Argoverse Miami(204km의 차선)와 Pittsburg(86km의 차선)에서 촬영된 map 여기서 12000개의 map을 FOV 200m * 200m 로 랜덤샘플링 In-house dataset (WAYMO) San Francisco에서 촬영된 6000개의 map (FOV 120m * 120m)에 evaluation HDMapNet: An Online HD Map Construction and Evaluation Framework(IROS'22) nuScenes In-house dataset ..

Title You Only Need Adversarial Supervision for Semantic Image Synthesis (ICLR'21) Pix2pixHD의 후속 논문 중 하나로, diversity를 위한 noise를 주는 방식이 pix2pixHD 보다 괜찮을 것이라고 생각해 선택 Diversity와 perceptual loss의 한계를 강조한 paper 본 포스팅에서는 Multi-modal synthesis를 어떻게 하는지에 집중하려고 한다. Motivation 기존의 Semantic Image Synthesis를 위한 GAN model들은 VGG-based perceptual loss에 지나치게 의존한다 VGG-based perceptual loss : synthetic과 real imag..

이 Python 카테고리에는 각종 잊기 싫은 잡기술만 써놓는 것 같지만.. 기분탓이다 ! Python으로 특정 파일명을 가진 파일을 한번에 삭제할 수 있는 아주 이득인 방법을 알아냈다. 바로 다음과 같이 실행하면 된다. "특정문자" 안에는 삭제하고 싶은 파일들에 공통으로 들어간 특정 문자를 넣어주면 된다! import glob import os [os.remove(f) for f in glob.glob('폴더 경로/*특정문자*')]

아주 복잡한 딥러닝 코드를 보다보면.. 디버깅 해야할 때가 한둘이 아니다! 특히 모델 특정 부분의 레이어의 차원이나, 무엇이 input으로 들어가는지 정확하게 파악하기 위해서는 디버깅이 필수적이다. 과거의 나는.. 이를 위해 주피터로 모든 config 파일과 dataloader부터 차례로 써내려가며 똑같은 환경을 만들어주기 위해 노력했으나... 이는 너무 불편할 수 있다. 따라서 이럴 때 python 전용 디버거 pdb를 사용하면 아주 간편하다! 사용법을 간단히 알아보자! # pdb 사용법 사실 구글링을 해보면 약 두가지의 사용법이 나오지만, 딥러닝 모델을 디버깅할 때는 특정 부분의 변수가 필요한 경우가 많으므로 하나의 유용한 방법만 공유하겠다. 내가 모델 내에서 디버깅하고 싶은 부분 아래에 다음과 같이..

매일 미루고 있던 Git 명령어 포스팅을 시작하려고 한다. 인턴을 하면서 브랜치를 새로 파서 내 로컬의 코드를 사내 git으로 commit 해야할 일이 있었는데 또 찐처럼 못하고 .. 헤맸기 때문... ! 가장 많이 참고한 곳은 이 곳이다! :3 # Git 영역 일단 개인 Local에 있는 코드를 업로드 하려면, git add를 통해 Staging 영역으로 보내야한다. 그리고 git commit을 통해 최종 코드를 Repository에 커밋한다! # 시작하기 일단 git commit을 시작하려면 저장소(Repository)를 생성해야한다. (1)내 로컬에 있는 폴더를 저장소로 생성하거나, (2)이미 git에 올라와있는 코드를 로컬에 git clone을 통해 받을 수도 있다. $ git init #(1) ..

# Title VectorNet: Encoding HD Maps and Agent Dynamics from Vectorized Representation (CVPR, 20) [code] # Motivation 기존의 방법은 HD map을 color-coded attributes(RGB)로 rendering해 rasterized representation으로 manual하게 변경한 후, Convolution을 이용해 인코딩함. 하지만 이는 ConvNet의 제한된 receptive field로 인해 context representation을 잘 포착하지 못한다는 문제. 따라서 agent dynamics와 structured scene context를 directly하게 학습할 수 있는 vectorized r..

# Title M2I: From Factored Marginal Trajectory Prediction to Interactive Prediction (CVPR, 22) [code] 현시간 기준 Waymo Motion Prediction Dataset SOTA 이다. # Motivation Reasonable한 경로 예측을 위해 scene compliant trajectory를 예측하는 것은 중요하고, 이를 위해서는 Multiple agent를 동시에 고려해야함 하지만 이를 위해 Joint predictor를 이용하면 agent 수가 늘어남에 따라 prediction space가 기하 급수적으로 커지는 문제가 발생하며, 이 때 colliding 하는 것들을 pruning 하면 interaction이 무시..

오늘은 Lane Detection을 Domain Adaptation으로 푸는 MLDA(CVPR'22) paper에 대한 논문 리뷰 포스팅을 하려고 한다! Domain Adaptation과 Lane Detection의 조합이라니.. 신선하다 🌿 Title Multi-level Domain Adaptation for Lane Detection (CVPR'22) CULane TUSimple dataset에 대해 cross evaluation을 진행하고, 두 데이터셋 사이의 domain shift를 지적 Lane Detection에서 domain shift 문제를 지적한 (거의 첫번째) 논문 이 논문은 대체 어떤 부분에서 lane detection 데이터셋간 domain shift가 발생한다고 생각하고, 이를 ..