본문 바로가기

Kyujinpy

 (154)
Dimension and Rank - Dimension, Rank, B-coordinates * 본 글은 선형대수학 복습을 상기시키기 위한 글로, 설명이 매우 부족할(?) 수 있습니다. B-coordinates는 Basis의 좌표계를 의미하는 것이다. 즉 상대적인 좌표계의 의미라고 생각하면 된다. (Basis space 안에서) 위의 예제를 보면 x라는 항목은 basis를 구성하는 v1, v2의 벡터에 의해서 상대적인 좌표 (2,3)을 갖는다. -> 이런 의미로 해석 가능 Rank는 pivot의 개수! Dimension은 차원의 개수(?) dim Nul A의 경우는 null space를 구성하는 벡터의 개수를 의미하기 때문에, free variables의 개수가 된다! 앞의 부분의 inverse matrix와 이어진다. (추가적인 성질)
Subspaces - Col A, Nul A, Basis * 본 글은 선형대수학 복습을 상기시키기 위한 글로, 설명이 매우 부족할(?) 수 있습니다. Col A: column space의 linear combination으로 나타낼 수 있는 공간(집합) Nul A: Ax = 0 꼴의 homogeneous equation의 해로 나타낼 수 있는 공간(집합) 예전 수업에서 배울 때, Span과 Basis 개념이 헷갈려서 죽을 것 같았던(?) 기억이 난다. Span과 Basis는 vector들의 집합으로 이루어진 공간을 의미하는건 맞다! 근데 큰 차이점이 있다. Span을 구성하는 벡터들은 linearly dependent해도 된다! (possible) 그러나 Basis를 구성하는 벡터들은 linearly independent해야한다! (must) 이것이 가장 큰 ..
Matrix Factorization - LU Factorization * 본 글은 선형대수학 복습을 상기시키기 위한 글로, 설명이 매우 부족할(?) 수 있습니다. L: a unit lower triangular matirx U: echelon form LU factorizaiton을 수행하면 매우 간편하다. LUx = b 연산에서, Ux를 y로 치환한다면, Ly = b와 Ux = y의 방정식을 푸는 꼴이 된다. 알고리즘을 설명하면, 먼저 A를 elementary row operations을 통해서 echelon form으로 만들어준다. 이 form이 U가 된다. 그리고, elementary row operations을 수행하기 위해 곱해준 여러 E matrices를 inverse를 취하면 L이 된다. 밑에 예제를 보면 더욱 이해가 편하다. Elementary row ope..
Partition matrix (block matrix) * 본 글은 선형대수학 복습을 상기시키기 위한 글로, 설명이 매우 부족할(?) 수 있습니다. Block matrix가 만약 upper triangular 모양이라면, inverse matrix 연산을 수행할 수 있다.
Characterization of Invertible Matrix * 본 글은 선형대수학 복습을 상기시키기 위한 글로, 설명이 매우 부족할(?) 수 있습니다. 1. A가 Invertible 하다 2. CA = I 3. Ax = 0은 trivial solution이다. (A는 n pivot positions을 가짐) 4. A has n pivot positions. 5. A is row equivalenet to the I. 6. AD = I 7. Ax = b has at least one solution for each b. (unique solution을 가진다고 표현하는게 더 정확) 8. The columns of A span Rn. 9. Linear transformation onto.(n pivor position) 10. The columns of A form..
The inverse of a matrix - Invertible, nonsingular, singular * 본 글은 선형대수학 복습을 상기시키기 위한 글로, 설명이 매우 부족할(?) 수 있습니다. 수업에서 들을 땐, 이 부분이 잘 이해가 안되서 외우는 형식으로 문제를 풀곤 했는데, 복습을 하니 명확하게 이해가 되었다. (Elementary row operations을 왜 하지? 이게 따로 필요한 개념인가? 싶었다) 이 개념은, 뒤에서 나올 LU Factorization에도 매우 유용하다. I라는 identity matrix를 이용해서 표현하는 것인데, A라는 matrix에 수행한 연산을 여러 matrix의 곱으로 표현할 수 있다는 것이 가장 큰 이점이다. 이것이 왜 이점이냐!! 위의 예제를 보면, elementary row operations을 수행하면서 나온 여러 E1, ... ,Ep의 matrix들은 ..
Matrix operations * 본 글은 선형대수학 복습을 상기시키기 위한 글로, 설명이 매우 부족할(?) 수 있습니다.
D-NeRF를 이용한 Real dataset(real scene video) 학습하기 D-NeRF code: https://github.com/KyujinHan/real_D-NeRF KyujinHan/real_D-NeRF Lets implement real time scene in D-NeRF. Contribute to KyujinHan/real_D-NeRF development by creating an account on GitHub. github.com Real scene Training Result - 2022.12.27 kyujinpy 작성
'Colmap' implementation method in only python scripts 참고한 블로그 0-1. Instant-NGP: https://github.com/NVlabs/instant-ngp GitHub - NVlabs/instant-ngp: Instant neural graphics primitives: lightning fast NeRF and more Instant neural graphics primitives: lightning fast NeRF and more - GitHub - NVlabs/instant-ngp: Instant neural graphics primitives: lightning fast NeRF and more github.com 0-2. Instant-NGP 환경설정: https://ikaros79.tistory.com/entry/Instant-NG..
[D-NeRF 코드 분석] - D-NeRF: Neural Radiance Fields for Dynamic Scenes D-NeRF kyujinpy: https://github.com/KyujinHan/NeRF_details_code_analysis GitHub - KyujinHan/NeRF_details_code_analysis: NeRF code analysis NeRF code analysis. Contribute to KyujinHan/NeRF_details_code_analysis development by creating an account on GitHub. github.com Github으로 공유합니다! 질문이 있다면 댓글로 남겨주세요! 답변드리겠습니다. 감사합니다. *D-NeRF의 코드 구성은 NeRF 코드와 매우 유사합니다. *D-NeRF의 코드에 이용되는 시간(t)라는 input과 Deformation..
[D-NeRF 논문 리뷰] - D-NeRF: Neural Radiance Fields for Dynamic Scenes * 이 글은 D-NeRF에 대한 논문 리뷰이고, 핵심만 담아서 나중에 D-NeRF Code를 이해할 때 쉽게 접근할 수 있도록 정리한 글입니다. * 코드와 함께 보시면 매우 매우 도움이 될 것이라고 생각이 들고, 코드 없이 읽으셔도 D-NeRF를 정복하실 수 있을 것입니다. D-NeRF 논문: https://arxiv.org/abs/2011.13961 D-NeRF: Neural Radiance Fields for Dynamic Scenes Neural rendering techniques combining machine learning with geometric reasoning have arisen as one of the most promising approaches for synthesizing n..
[NeRF 논문 리뷰] - NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis * 이 글은 NeRF에 대한 논문 리뷰이고, 핵심만 담아서 나중에 NeRF Code를 이해할 때 쉽게 접근할 수 있도록 정리한 글입니다. * 코드와 함께 보시면 매우 매우 도움이 될 것이라고 생각이 들고, 코드 없이 읽으셔도 NeRF를 정복하실 수 있을 것입니다. NeRF논문 원본: https://arxiv.org/abs/2003.08934v2 NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis We present a method that achieves state-of-the-art results for synthesizing novel views of complex scenes by optimizing an underlying..
반응형

티스토리툴바