Leo's notes

Imported from Medium story (Sep 4, 2022) 최근 대부분의 PFP NFT는 이미지를 구성할 각 파츠 이미지들을 만들어 두고, 프로그래밍을 통해 이를 랜덤으로 조합하여 최종 이미지를 생성하는 방식을 사용합니다.    예를 들어 BAYC #3419의 경우 그림의 배경, 옷, 눈, 털, 모자, 입을 구성하는 각각의 파츠 이미지들이 합성되어 하나의 최종 이미지를 만들어 냅니다. OpenSea와 같은 NFT 거래소나 NFT 뷰어 앱 등에서 이미지를 구성하는 파츠들을 볼 수 있습니다.    그리고 BAYC Gallery에 가면 전체적으로 어떤 파츠들이 있고, 각 파츠들을 어떻게 구성했는지도 볼 수 있습니다.   이렇게 하나의 최종 이미지를 만들기 위해서는 보통 배경이 투명한 파츠 이미지..

WLAN-BLE Based Indoor Positioning System using Machine Learning Cloud Services @2018 IEEE 0. 요약 IoT 기기의 WiFi, BLE 등 무선 네트워크 기술을 기반으로 한 위치 추정 솔루션 클라우드(AWS)에서 무선 신호를 수집하고 이를 통해 위치를 추론하는 솔루션 SNR(Signal-to-noise ratio), RSS(Received Signal Strength) footprinting을 기반으로 한 머신러닝 알고리즘 사용 1. 서론 무선 네트워크와 디바이스 개발 기술 발달로 위치 기반 서비스가 증가하고 있음 클라우드의 발달로 인해 간편하게 클라우드에서 연산을 처리할 수 있고 이로 인해 디바이스들의 제약사항이 적어짐 2. WLAN ..

Bluetooth처럼 전파를 이용하는 무선 통신 프로토콜이다. iPhone 11의 새로운 U1 칩에 탑재되었다. 새로운 기술은 아니지만 스마트폰에 탑재된 것은 이번이 처음이다 많은 기업들이 FiRa (Fine Ranging) Consortium에 참여하여 표준과 에코시스템을 만들고 있다 (Apple은 참여하지 않음) IoT 기술과 결합하여 수많은 새로운 서비스들을 창출할 것으로 기대된다 What does 500Mhz 이상의 높은 대역폭을 사용한다 전력 소모량이 낮다 단거리 통신을 한다 약 10-30cm의 높은 위치 정확도를 갖는다 (Bluetooth의 경우 약 1-3m) 다른 무선 통신들과의 간섭이 거의 없다 보안이 우수하다 벽을 잘 통과한다 How works 스마트폰, 스마트워치, 스마트키 등과 같은 ..

Keras는 쉬운 AI 개발을 위한 상위 레벨 인터페이스를 제공하는 파이썬 라이브러리이다. Tensorflow, Theano, CNTK, MXNET, PlaidML 등의 다양한 엔진을 사용할 수 있다. 공통 백엔드 함수를 제공하여 특정 엔진에 사용이 국한되지 않는다. Install Anaconda를 이용하여 설치하면 편리하다. Anaconda Distribution에서 Installer 다운 및 설치 Anaconda Prompt를 실행 conda install keras 입력 (or conda install keras-gpu) Basics 모델 개발 과정을 크게 4개의 단계로 나눌 수 있다. Data pre-processing Modeling Training Evaluation f(x) = 2x를 찾기 ..

Goal 3D hand pose estimation from a single color image with a learning based formulation. Background Use of multiple cameras limits the application domain Depth cameras are not as commonly available and only work reliably in indoor environments Representation 21 joints in 3D space Normalize the distance between certain pair of key-points to unit length (to solve scale ambiguity) Translation inva..

Learning Methods Supervised Learning 주어진 입력 데이터 (Sample, Instance, X) 에 대한 타겟 (Target, Label, Y) 을 학습한다. Regression : 입력에 대한 결과값 예측 Classification : 입력이 어떤 분류인지 예측 Tagging : 입력이 어떤 분류인지 다중 예측 Search/Ranking : 입력 집합에 대한 순위 예측 Sequence Learning : 다중 입력에 대한 결과값 예측 Unsupervised Learning 주어진 입력 데이터에 대한 타겟 없이 학습한다. Clustering : 비슷한 분류로 그룹핑 Subspace Estimation : 부분 공간 추정 (특성을 좌우하는 파라미터 검출) Principal Co..

Goal Track hand pose from unconstrained monocular RGB video streams at real-time framerates Background Multi-view methods Hard to setup (calibration) Hard to operate on general hand motions in unconstrained scenes Expensive Monocular methods Without setup overhead Do not work in all scenes (e.g. outdoor with sunlight) Higher power consumption Not robust to occlusions by objects Not able to disti..

Example#include #include int binary_search(int *arr, int target, int left, int right){ if (left >= right) return 0; int mid = (left + right) / 2; if (arr[mid] == target) return 1; return arr[mid] > target ? binary_search(arr, target, left, mid) : binary_search(arr, target, mid + 1, right);} int compare(const void *a, const void *b){ return *((int *)a) - *((int *)b);} int main(){ int arr[10] = {3..

Time ComplexityO(n logn)Example#include #include int buf[10]; void merge(int *arr, int left, int right) { int mid = (left + right) / 2; int index = left; int l = left; int r = mid+1; while(l

Time ComplexityO(n^2)Example#define SWAP(x, y) do { typeof(x) SWAP = x; x = y; y = SWAP; } while (0) void bubble_sort(int *arr, int size) { for(int i=0;ikey;j--) { arr[j+1] = arr[j]; } arr[j+1] = key; }} void selection_sort(int *arr, int size) { int min; for(int i=0;i