Extrawberry

1️⃣ 모델 선정 - RoBERTa먼저 텍스트 감정 인식에 사용되는 다양한 모델 중 하나를 선정하기 위해 XLnet, ELECTRA, BERT, RoBERTa를 대상으로 동일한 조건 하에 정확도를 실험했다. 이 중 RoBERTa가 가장 높은 성능을 보였기에 RoBERTa를 채택해 파인튜닝을 하기로 결정했고, 이는 선행연구와 동일한 결과였다.Comparative analyses of bert, roberta, distilbert, and xlnet for text-based emotion recognition (IEEE ICCWAMTIP'20)Exploring transformers models for emotion recognition: A comparision of BERT, DistilBERT, Ro..

Affective Image Classification using Features Inspired by Psychology and Art Theory (2010) ABSTRACT 이미지는 감정적인 수준에서 사람들에게 영향을 미칠 수 있음 그러나 이미지를 보는 사람에게 발생하는 감정은 매우 주관적이기 때문에 인덱스가 형성되는 경우는 거의 없음 BUT 감정적인 내용을 기반으로 이미지를 검색할 수 있다면 도움이 될 수 있는 상황이 있음 해당 논문은 이미지의 감정적인 내용을 나타내는 low level feature를 추출하고 결합하는 방법을 조사하고 개발하여 이미지 감정 분류에 사용함 심리학과 예술 이론의 이론적이고 경험적인 개념을 활용하여 감정적인 표현으로 예술 작품 영역에 고유한 이미지 특징을 추출함 → I..

A Framework for Eliciting Emotional Speech: Capitalizing on the Actor’s Process (2006) ABSTRACT 배우를 활용해 Emotional Speech를 이끌어내기 위한 접근 및 이론적 프레임워크를 제시하고자 함 아벨슨이 제안한 목표 기반 감성 모델(감정 이론가들의 work)과 배우의 기술적 과정에 대한 접근(전문 연극에서 널리 사용되며 현대 음악원에서 가르침)을 연결하여 프레임워크를 개발하였음 ⇒ 이를 통해 현재 감정 연구에서 acted speech의 활용에 있어 겪는 어려움들을 해결하고자 함 INTRODUCTION Emotional Speech에 대한 수많은 연구들은 다양한 success degree를 가진 acted speech를 사용..

논문을 읽기 전에 프롬프트 엔지니어링 (Prompt Engineering)이란? 생성형 인공 지능(생성형 AI) 솔루션을 안내하여 원하는 결과를 생성하는 프로세스 원하는 결괏값에 최대한 가까워지도록 입력을 계속해서 다듬는 과정 ‘원하는’ 작업을 수행하도록 지시하는 최적의 프롬프트를 설계 AI가 사용자와 더 의미 있게 상호 작용하도록 안내하는 가장 적절한 형식, 구문, 단어 및 기호를 선택 → 예상대로 작동하도록 함 생성형 AI: 스토리, 대화, 동영상, 이미지, 음악과 같은 새로운 콘텐츠를 만들어내는 인공 지능 솔루션 방대한 양의 데이터로 사전 훈련된 심층 신경망을 사용하는 규모가 아주 큰 기계 학습(ML) 모델을 기반으로 함 대규모 언어 모델(LLM)은 매우 유연하며 다양한 작업을 수행할 수 있음 BU..

RePrompt: Automatic Prompt Editing to Refine AI-Generative Art Towards Precise Expressions (2023) ABSTRACT AI generated images가 얼마나 context와 emotion을 정확히 반영하는지 불분명함 → 이에 AI generated images의 emotional expressiveness를 연구하고, RePrompt를 개발함 RePrompt: AI generated images의 보다 정교한 expression을 위한 automatic text refine method text feature들을 선정 → proxy model을 훈련시켜 각 feature들이 AI generated images에 미치는 영향을 ..

📍정렬이란? 레코드(record)를 오름차순 또는 내림차순으로 나열하는 것. 레코드(record) : 필드(field)라는 단위로 구성됨. - 키(key) 필드로 레코드 간에 구별이 가능함. +) 정렬 알고리즘의 안정성(stability) 동일한 키 값을 갖는 레코드들의 상대적인 위치가 정렬 후에도 바뀌지 않음. 대표적인 정렬 알고리즘 O(n²) : 선택 정렬, 삽입 정렬, 버블 정렬 → 단순하지만 비효율적 O(nlogn) : 합병 정렬, 퀵 정렬, 힙 정렬 → 비교적 복잡하지만 효율적 (오름차순 정렬이라 가정하고 설명합니다) 📍 O(n²) # 선택 정렬 : 정렬된 왼쪽 리스트(초기에는 비어있는 상태)와 정렬되지 않은 오른쪽 리스트를 가정하고, 오른쪽 리스트에서 가장 작은 값을 현재 인덱스에 들어있는 값..

입맛대로 슬라이드 쇼를 구현하려다 3일간 쌩쇼한 끝에 얻어낸 코드를 자랑하러 왔다! 덕분에 리액트 공부에 아주 큰 도움이 되었는데, 코드 또한 내 입맛대로이므로 혹여 지저분하다고 느끼신다면 취향 차이다!! 농담입니다 피드백 환영합니다🤗🤗 + 여러 분들께서 작성해 주신 무한 슬라이드 쇼 글을 참고해 공부하고 정리했습니다 ☝🏻 무한 슬라이드 쇼 원리 먼저 원리를 알아보자. 아래와 같이 슬라이드 쇼로 보여줄 이미지 4장을 가로로 이어 붙인 배열을 만들어 준다. import bg1 from "../img/1.jpg"; import bg2 from "../img/2.jpg"; import bg3 from "../img/3.jpg"; import bg4 from "../img/4.jpg"; /* bg img Arr..

처음으로 백엔드를 담당했던 프로젝트! 하지만 생각보다 백과 프론트가 상호작용하는 부분들이 많아서 마치라잌 풀스택 개발자가 된 기분이었다. 전반적인 기획은 이대 주변 맛집 정보를 잘 모르셨던 교수님께서 해주셨고, 우리는 우리 팀만의 특색있는 웹 어플리케이션을 만들기 위한 추가 기능 기획만 하면 되었다. 1. 차별성 있는 기능(화면) 기획 우선 가장 눈에 띄는 홈 화면에 힘을 줬다. 깔끔하고 귀여운 지도를 가빈님이 그려주기로 했고, 지도의 각 조각이 해당 구역의 맛집 리스트로 연결되는 버튼으로 작동하게 해 사용자가 직관적으로 서비스를 이용할 수 있도록 기획했다. 지도 아래는 검색창이 있고, 또 우리만의 특색을 담은 맛집 추천 리스트를 배치하기로 했다. 다음으로 로그인/로그아웃 기능을 구현하여, 신원이 확인된..

마무리한 지 1년 반도 더 지난 프로젝트를 이제 와서 정리하게 되다니.. 후회가 막심하다. 진작 했으면 좋았을 것을 ^^ 하지만 그냥 넘어가기엔 첫 팀 프로젝트를 진행하며 배운 것들도 많았고, 오랜만에 다시 본 결과물도 여전히 뿌듯해 가만히 둘 수가 없었다. 그럼 거두절미하고 바로 본론으로 꼬우,,~ 1. 주제 선정 및 문제 정의 프로젝트 진행 시 가장 중요한 단계 중 하나는 주제 선정이다. 먼저 최근 불편하게 느꼈던 문제들을 자유롭게 브레인스토밍한 뒤, 팀원 각자 4가지씩 추려 창안된 문제로 정리하였다. 정리된 문제들을 1~5점으로 각자 평가하고, 해당 점수를 모두 합산한 총점 TOP5로 1차 선정 주제 4가지를 다시 한 번 추렸다. 해당 문제점들에 대해서는 간단히 해결책을 정의하고, 정의된 각 해결책..

때는 바야흐로 2021년 여름.. 생애 첫 게임 기획 발표가 딱 일주일 남은 날이었다. 나는 비대면 동아리의 장점을 십분 활용해 떡볶이를 먹으며 다른 분들의 기획 발표를 듣고 있었다. 당시 주어진 키워드는 빨강이었다. 그러게, 나 빨간 머리 염색 하고 싶은데. 빨간 머리로 태어났음 좋았을 것을.. 어? 하고 바로 친구에게 뽀르르 달려가 이 말도 안 되는 기획을 쏟아내었더랬다. 그렇다. 질투심을 이기지 못하고 빨간 머리 앤을 검은 머리 앤으로 만들어버린 것이다! 실은 빨강 머리가 아니라 검은 머리였던 앤. 마을 사람들에게 이 사실을 들키지 않아야한다! 염색을 자주 하며 가장 번거로웠던 부분은 뿌리 탈색이었다. 어째서! 탈색 염색을 이리도 자주 하는데 눈치껏 노란머리로 자라주지 않는게야!! 😤 그래서 검은 ..