Amelia Young

📓독서&생각 | 규칙없음

알고리즘 중에 그리디 알고리즘이 있다. 당장의 이익으로 결과내는게 핵심인 알고리즘인데, 항상 최선의 결과를 내지 않는다는 함정이 존재한다.

두 달간의 재취업과 백수생활(?) 후기

NeRF의 등장으로 여러 이미지를 입력으로 연속적인 장면을 인공지능으로 풀어내는 것이 가능해졌다. Gaussian Splatting은 여기서 더 나아가 이것을 실시간으로 풀어내는 것이 가능함을 시사한다.

REVIEW | 3D Gaussian Splatting (SIGGRAPH 2023) 

사실 타의반 자의반으로 퇴사를 하게 되었는데, 생각보다 이른 시기에 퇴사를 하게 될 것 같다. 이와 관련해서는 길게 얘기는 안할 것 같고.. 지금보다 더 처우가 좋은 곳이면 좋을 것 같다..

퇴사 결정, 그 후

아직 한달도 되지 않았지만.. 아직도 onboarding 중에 있다. 원래는 게임회사 내 연구원으로 일하는 게 최종 목표였는데, 인생은 뭐 마음에 대로 되는 건 아니니까..ㅋㅋ 요즘은 그냥 흘러가는대로 보내는 것 같다. 

다음 장으로 넘어가는 배에 타다: On-boarding

용어 정리가 너무 안되어 있어서 terminology를 포커스로 두고 정리를 해보았다. 간략하게 내 지난 연구를 소개하면 휴머노이드 모델을 모션 데이터를 기반으로 해서 강화학습을 통해 원하는 task를 수행하는 것이 주제였다.

Overview of SLAM

새해가 밝아오고 어느덧 2024년이 되었다. 새해와 동시에 좀 며칠 지나면 내 생일이라 새해와 나이 업그레이드는 평생 무시못하는 것? 같다.

취업 준비 마침표. 다음은?

그간 바빠서 블로그 글을 적지 못했는데 막간의 시간을 이용해서 적어보도록 한다. 약 3달이 지난 지금 지난 취업 준비는 어떻게 되었냐고 하면 굉장히 힘들었다.

나의 3달간 성과

7월 24일부터 9월 30일까지 약 9주 간의 수업이 끝났다. 수업은 이론과 실습으로 나누어서 이론은 클라썸에서 제공한 영상을 듣고, 실습은 NGV사이트에서 이수하는 식으로 구성되어 있다. 기본 수업들은 그래도 제때 들으려고 노력했고.. 여튼 골라인까지는 간신히 달성했다 :)

현대모빌리티클래스(로보틱스) 후기

대학원을 졸업하고 난지 거의 2달이 지난 시점이다.한 2년전인가 2021년 1학기는 거의 수료인 채 대학교를 다녔었는데, 그 당시는 내가 학점을 잘못 계산해버리는 바람(+약간의 학교 측 잘못)으로 소속해 있지만 소속해 있지 않는 상태로 학교를 다녔었다.

대학원, 그 졸업 후는

transition 정보없이 character를 control하거나 과거 모션 데이터를 통해 앞으로의 모션을 예측 혹은 특정 스타일을 입히는 style transfer, 그 외 Motion retargeting, Motion denoising이 있다.

고급컴퓨터그래픽스 | Deep Control & Synthesis

Rigid body(강체): 외력이 가해져도 모양이나 크기가 변하지 않는 물체. 강체 운동은 질량 중심의 병진 운동과 질량 중심을 지나는 축에 대한 회전 운동의 합으로 표현할 수 있다.

고급컴퓨터그래픽스 | Rigid Body Dynamics

Time warping/scaling, Motion warping, Motion stitching, Motion Blending에 대해 여러가지 Motion editing 기법에 대해 소개한다.

고급컴퓨터그래픽스 | Motion Editing

Forward kinematics와 달리 end effector의 위치와 방향으로 관절의 각도를 계산한다. 따라서 forward kinematics보다 까다롭다. forward kinematic처럼 정해져 있는 것이 아닌, 다양한 솔루션이 있을 수 있고 아예 없는 경우가 있다.

고급컴퓨터그래픽스 | Inverse Kinematics

 블로그에서 어쩌다가 석사편을 봤으면 알 수 있지만, 지원할 당시 그냥 컴퓨터 그래픽스..면 되었고 mesh geometry를 제외한 모든 그래픽스 분야에 무지성으로 갈 예정이었다..ㅋㅋ 어쩌다가 강화학습 쪽으로 굳히게 되었고 의도치 않게 로보틱스를 지금 배우고 있다..

대학원 후기 A to Z

Global frame/coordinate system 은 좌표가 고정되어 있다. Local은 그와 달리 object에 내재되어 있는 좌표계라고 보면 된다.이런 좌표계를 계산할 때에는 동차좌표를 사용하는데, 3차원 공간에서 4차원 행렬로 계산하게 된다. 

고급컴퓨터그래픽스 | Forward Kinematics

refactoring에 대해 들어가기 전에 저번 시간에 배운, 좋은 설계에 대해 짚고 넘어가자. 리팩토링은 클린 코드화라고 보아도 무방하다. 함수를 분리하고 변수의 이름를 바꾸고 등등 여러 가지 방법이 있다. 

고급컴퓨터그래픽스 | Clean Coding

석사과정 끝나고 이제 졸업이 거의 1달 남짓 남았을 무렵에 눈에 들어오는 공고가 있었다. 어디서 발견한지는 기억은 안나는데, 들어놓으면 도움이 될 것 같아 신청하였다. 그리고 우수선발이 되면 서류면제도 된다고 하지만 나는 10월 중순말에 취직하는 것이 목표라서 불가능하지 않을까 싶다.. 

현대모빌리티클래스 | Introduction

UML(Unified Modeling Language), 소프트웨어 개념을 다이어그램으로 그리기 위해 사용하는 시각적인 표기법. Class, Sequence, Usecase, Object, State diagram 등이 있다. 여기서 알아볼 것은 Class Diagram! 가장 많이 사용되는 다이어그램이며 코드의 구조를 표현한다. 크게 아래와 같이 나눈다 

고급컴퓨터그래픽스 | Software Design

본 강의는 한양대학교 석박사수업 중 하나였으며, KCGS 2022 여름학교에서도 짧막하게 강의가 된 적이 있었다. 또한 캐릭터 애니메이션이 주된 내용이라 혹시 mesh, rendering을 생각하고 오셨다면 이 강의는 맞지 않을 것이다

고급컴퓨터그래픽스 | Course Overview

블로그에서 남은 부분들: Table of Content, Comments. 블로그 preview는 크게 불만족스러운 부분이 없고 기능만 제대로 구현하는 것을 목표로 삼았다.

MINILAB | 블로그 유지보수 일기 #2 - Blog 포스트

지난 블로그 개발 후기에서 조금 더 추가했었어야 하지만   그동안 졸업으로 바빠서 남기지 못했다. 뭔가 About 부분이 영 마음에 들지 않아서 취준하는 동안 이력서 사이트를 조금 더 academic하게 꾸미는 것으로 결정하였다.

MINILAB | 블로그 유지보수 일기 #1 - About 카테고리

본 논문은 Convolutional Autoencoder를 이용하여 latent space(manifold)를 토대로 high level parameter를 regression하여 Motion synthesis framework에 대해 소개한다.

REVIEW | A Deep Learning Framework for Character Motion Synthesis and Editing

본 논문은 유저들에게 더 직관적인 모션 생성을 위해 NLP를 인터페이스를 제공한다. 커맨드와 모션 데이터 기반으로 훈련된 모델은 adversarial imitiation learning 기반으로 다양한 모션을 생성해낼 수 있다.

REVIEW | PADL: Language-Directed Physics-Based Character Control

Tailwindcss-Nextjs-Starter blog template으로 깃허브 블로그를 완성시켜보았다. 이전 디자인 비교와 블로그의 방향성에 대해!

MINILAB | 개인 깃허브 블로그/깃블로그 개발 후기

본 논문은 Convolutional Autoencoder를 이용하여 latent space(manifold)를 토대로 Motion denoise, Motion interpolation task contribution에 대해 소개한다.

REVIEW | Learning Motion Manifolds with Convolutional Autoencoders

이 논문에서 다루는 분야는 character animation 분야 중 skeleton motion control 이며 Deep Reinforcement Learning를 활용에 대해 소개한다.

REVIEW | A Survey on Reinforcement Learning Methods in Character Animation

지난 2월, 2022 베이징 올림픽에서 특정 국가 제외 상당히 박한 점수로 석연치 않은 판정으로 Motion estimation 모델로 prediction을 한 적이 있었다. 상당히 많은 국내 팬분들이 웹사이트를 만드는 것을 희망하셨고, 현재 석사 과정으로 바쁜 시간을 쪼개서 만들게 되었다. 

MINILAB | HELLO SKATING 1차 개발 후기

 다행히 대학원 연구실과 연구분야, 연구주제까지 다 대비했던 편이라 그에 대해서는 문제가 없었는데, 문제는 내가 해당 분야에 대해 무지했던 점, 그렇다고 어디서부터 시작할지 막막했던 적이 있었다. 그렇게 방황하면서 코스웍도 듣고 1기를 보냈던 것 같다.  

대학원일지 | 석사 그 어느 중간 2편

석사를 한지 어느 덧 100일을 훌쩍 넘기고 200일에 수렴해가는 지금, 다음 학기에 벌써 1차적으로 졸업시험에 도전하게 된다. 솔직히 1기 때는 많은 시행착오와 장소든, 학업적인 면에서 적응하는데 굉장히 많은 시간을 썼던 것 같다. 2기인 현재는 어느 정도 랩 분위기와 코웍 환경에 대해 많이 익숙해져있지만, 여전히 배우는 단계이기 때문에 많이 부족한 게시물일 수도 있다.  

대학원일지 | 석사 그 어느 중간 1편

According to You Young's short program results at the Beijing Olympics, the 3A (triple axel) seems to have been marked downgrade as follows. In figure skating, all jumps are marked as follows: 'graded, under rotated, down grade'. Down below is an image of its mark: graded, down grade...

MINILAB | Some debate on Young's 3A on Beijing olympics

SimPoE는 키네마틱과 다이나믹을 모두 잡은 Human pose estimation이라고 주장하며 RNN 프레임을 이용하여 Refinement unit에서는 3D reconstruct+refinement process를 거쳐 다음 action을 위해 PD controller을 거치는 Control generation unit으로 구성된 policy를 활용하였다.

REVIEW | SimPoE: Simulated Character Control for 3D Human Pose Estimation

1기가 거의 1달도 안남았다! 2기가 시작하기 전에 이 포스팅을 끝내고 싶었는데, 어쩌다가 시간이 다 간 것 같다. 오늘은 대학원 면접과 첫 출근, 필요한 것들에 대해서 남기고 1기 포스팅을 끝내려고 한다. 대학원 입시는 내가 졸업 후에도 계속 매학기마다 하므로 다른 사람들에게는 도움이 되었음 한다.

대학원일지 | 어쩌다가 석사 4편

 인공지능 분야에서 머신러닝(기계학습)은 다량의 데이터를 토대로 컴퓨터가 학습을 하게 되는데, 컴퓨터가 하는 작업은 크게 두 가지로 나뉜다. 표현(representation): 데이터 표현, 일반화(generalization): 주어지지 않은 데이터 처리 학습 종류는 머신러닝 처음 배울 때...

인공지능개론 | Reinforcement Learning

큰 범주 즉 heterogenous group을 작은 homogeneous(동일한 목표 값)로 나뉜다. 이 때 나뉠 때는 best split rule에 따라 나뉘게 되는데, 기준은 나누는데 있어서 얼마나 나뉜 값들이 한 목표값만으로 분류되었는지(purity)이다.

인공지능개론 | Decision Tree

 KNN에서 배운 바와 같이 비슷한 개체를 묶어서 분류하는 방법이다. 대표적인 Unsupervised learning의 형태로, labed된 데이터가 필요없는 학습 방법이다.   클러스터링은 보통 검색 엔진에 활용되는데, 유사한 단어가 출현이 기대되는 검색된 문서들끼리 같은 클러스터로 묶이게 된다.

인공지능개론 | Clustering

KNN은 K Nearest Neighbor의 준말로 이번 포스팅에서 알아볼 방법은 데이터 분포 상 기준에서 가장 가까운 데이터 K개를 자신과 같은 항목으로 분류하는 방법이다. 분류할 때는 euclidean 방법으로 거리 반경 내 유무로 판단하게 된다. 아래는 거리 계산 방법 중 두 가지를 소개한다.

인공지능개론 | Classification - KNN

기존에는 문제를 해결하는데 있어서 상태가 알 수 없었던 상태(black box)였다면, 앞으로 해결할 문제들은 공역(domain) D 내에서 상태가 정의 된다. 이 때 목표에 대한 비용은 문제 영역으로 한정된(domain-specific) heuristic function으로 평가가 되며 모든 변수의 값이 해당 변수에 가해진 모든 constraint를 충족하면 문제..

인공지능개론 | Constraint Satisfaction Problem

이전과 다르게, 한정된 환경에서 1개의 Agent가 목표를 향해 수행했 것과 반면, 이번 시간에 알아볼 검색 방법은 2개의 Agent가 대립하여 한정된 자원을 차지하는 것이 목표인 방법이다.   상대의 상태를 예측함으로써 자신의 action을 결정하고 번갈아가며(turn-taking) 완전이 관측이 가능한 상태(perfect information)에서 zero-...

인공지능개론 | Adverserial Search and Game Playing

이러한 문제들은 여러 가지 알고리즘으로 푸는 것이 가능하나, 이와 같이 경로가 필요없는, 오로지 문제 해결만 초점으로 둔 문제에 Local Search가 사용이 된다.   일단 필자가 이 부분에 관해서 외부 라이브러리 없이 코딩하는 과제가 있었는데, 코드에 관한 설명은 모든 단원이 끝나고 부록으로 첨부한다! (추후 링크 첨부 예정) 

인공지능개론 | Informed Search - Local Search

지난 시간에 다룬 Uninformed Search는 아래 실세계 문제를 풀기에 한계점을 지니고 있다.   간단히 설명하면 8puzzle 문제는 각 숫자 블록을 오로지 상하좌우로 움직임으로써 오름차순으로 숫자를 정렬하는 것이 목표인 문제다. 이 때 제한 조건(constraint)은 블록이 순간이동하거나 후퇴를 하지 않아야한다는 것.

인공지능개론 | Informed Search - Heurstic Search

 검색 알고리즘에서는 path에 대한 정보 제공 여부에 따라 두 가지로 나뉜다. 목표까지 Agent가 얼마 남았는지 추정이 가능한 Informed search(정보가 있는 검색 전략) 아닌 경우에는 Uninformed Search(정보 없는 검색 전략) 인공지능에 들어가기 앞서 인공지능 자체가 방대한 데이터셋 속에서 해를 찾는 문제를 해결하는 데 있어서...

인공지능개론 | Uninformed Search

나의 준비 과정 A to Z 경우에 따라서 다른데, 학부생때 속해있던 연구실은 다른 연구실로 옮겨가는 것이 관대한 편이라, 4학년 1학기 말쯤 지도 교수님께 타대 연구실로 가겠다고 미리 말을 남겨두었다. 교수님도 오케이하는 분위기였고, 앞으로 연구실 지원 준비만 남기고 있었다.

대학원일지 | 어쩌다가 석사 3편

연구실별로 천차만별이겠지만, 어떤 연구실은 잡무나 행정만 시킨다거나,  데이터 전처리 관련해서 시킨다거나 등등 여러가지 일들이 있을 것이다. 내가 속한 연구실은 개인 역량에 따라 학부연구생별 일을 하는게 나뉘었는데, 

대학원일지 | 어쩌다가 석사 2편

 솔직히! 나는 대학교 입학 당시 대학원 생각에 대해서 0에 수렴할 정도로 새내기 때 대학원에 대해서 아무런 생각이 없었다.  
오히려 나는 빨리 학부를 졸업해서 TA(Technical Artist)나 모델러로서 일을 하고자하는 것이 더 컸고, 관련 학원을 병행하고 조금씩 포트폴리오를 쌓고 있었을 때다.   

All Posts