제1회 deep daiv. On-board 컨퍼런스

1. INTRO

KBS공영미디어연구소 조사팀의 2022년 국민 통일 의식 조사 결과에 따르면, 북한을 경계/적대 대상이라고 인식하는 비율이 증가함에도 불구하고 통일의 필요성에 대한 긍정적 인식은 최근 3년간 증가하는 추세이다. 이러한 시점에서 통일에 대한 논의가 이루어진다면, 바람직한 고려 대상은 무엇일까.

1945년 광복 이후, 미국과 소련에 의해 한반도에 그어진 38선은 대한민국과 조선민주주의인민공화국을 구분한 채 77년간 이어져 오고 있다. 남북 간 서로 다른 경제 및 사회 체제 아래, 사회적/문화적 교류가 단절된 채 오랜 시간이 흐른 지금 두 국가 간 경제력은 매우 큰 차이를 보이고 있다. 남북 간 경제 격차가 통일비용 산출에 매우 중요한 요소임을 생각할 때, 구체적으로 남북의 경제 지표와 그 차이를 알아보는 것은 중요하다. 이를 바탕으로 경제 격차와 현재 남한 측이 지출하는 대북 비용을 고려하여, 이를 연구 및 예측 결과로서 존재하는 통일비용과 비교해볼 수 있을 것이다. 또한 경제지표 비교 분석 및 대북 지출과 이를 태블로를 통해 대시보드로 시각화함으로써, 보다 한눈에 지표를 비교할 수 있도록 하였다.

2. 경제 비교 분석

2.1. 남북한 경제 차트 비교 분석

국가의 경제 상황을 보여주는 다양한 경제지표 중 경제성장률, 1인당 GNI, 수입 및 수출, 대미 환율에 대해 알아보려고 한다.

남북한 경제 및 통일 분석

데이터 저널리즘 팀

A-아이즈

[7주차] 프로젝트_1

1. 프로젝트 주제

1인 크리에이터나 Youtube와 같은 플랫폼에는 많은 제작자들이 있습니다. 그 중에서도 1인 또는 소규모 컨텐츠 제작자들이 많다는 것을 알 수 있습니다. 하지만 해당 제작자들은 초기 컨텐츠 제작을 시작할 때 사용할 수 있는 예산이 많지 않아 제작할 수 있는 컨텐츠의 종류가 제한이 된다는 어떤 하나의 흥미로 시작되었으며 좀더 다양하게 시도트랙킹 기술을 이용하면 카메라의 각도나 위치를 변경하지 않더라도 피사체를 중심으로 촬영이 가능하기 때문에 더욱 다양한 컨텐츠를 제작할 수 있습니다.

2. Tracking, Detection이란?

2.1 Object Detection이란?

우선 Faskter F-CNN은 object detection을 다룬 논문입니다. 그렇다면 object detection이란 무엇일까요?Object Detection이란 한 물체(single object)가 아닌 여러 물체(multiple objects)에 대해 어떤 사물인지 클래스를 분류하는 Classification 문제와 그 물체가 어디 있는지 Bounding box을 통해 위치 정보를 나타내는 Localization문제를 포함합니다. 즉, Object Detection은 Classification과 Localization을 하나로 합친 것이라고 생각할 수 있습니다.

Localization (Regional Proposal)은 Sliding Window와 Selective Search 방식이 있습니다.

Sliding Window는 특정 모양의 window를 이미지 좌측 상단에서 우측 하단으로 이동하면서 객체가 있을 만한 위치를 찾는 방법입니다. 하지만, 너무 많은 영역에 대하여 확인해야 하는 단점이 있습니다. 이때 모델마다 Window의 크기를 고정하는 경우와 다양한 스케일의 window를 사용하는 경우가 있습니다.

Selective Search 알고리즘은 픽셀의 색감(color), 질감(texture)의 유사성, 다른 물체에 애워 쌓여 있는지(enclosed) 여부 등을 측정하여 인접한 영역(region)의 유사한 픽셀끼리 묶어 물체의 위치를 파악할 수 있도록 하는 알고리즘입니다. Segmentation 분야에서 많이 쓰이는 알고리즘이다.

젯슨나노를 이용한 Object Tracking

트렌드 리서치 팀

스시

안녕하세요, 파란커피 팀 입니다!

파란커피 팀은 Stanford cs234 강의를 공부하며, ‘수식없는 한글 강화학습 위키’를 제작했습니다.

이번 기수에서는 위키 제작과 동시에, ‘강화학습을 이용한 체스 게임 학습시키기’ 프로젝트를 진행했습니다.

발표가 끝난 후 점심식사&데모&네트워킹 행사 시간에 파란커피 팀이 학습시킨 모델과 체스 게임을 직접 해볼 수 있습니다!

강화학습

강화학습이란?

불확실성 하에서, 최종적으로 최대의 보상을 받을 수 있도록 연속적으로 이어지는 일련의 결정들을 내리도록 학습시키는 것

강화학습을 통한 체스 게임

위키 팀

파란커피

Motivation

원래는 말하면 재즈로 변환시켜주는 서비스를 만들려고 했다. 근데 선행연구 검토와 여러 자료조사를 해본 결과 현재 우리 수준에서는 너무 어려운 주제이고 5주안에 끝낼 수 있는 주제가 아닌 것 같아서 다른 주제를 찾아보기로 했다.

이전에 우리가 했던 프로젝트는 텍스트에서 감정추출 하여 이모지를 추천하는 서비스였다. 

우리가 저번에는 텍스트에서 감정을 추출하는 것을 했으니까 이번에는 음성에서 감정을 추출해보는 것을 하는 것이 어떨까 라는 생각을 했다.

최근에 유행했던 드라마 “이상한 변호사 우영우”를 보다가 자폐 스펙트럼 장애를 알게 되었다. 

자폐스펙트럼 장애란?

인공지능에서는 다른 분야에서 사용되던 모델이나 방법론을 가져오는 경우가 많다. 음성 인공지능 분야에서도 마찬가지로 컴퓨터 비전에서 발전된 CNN, 자연어처리에서 발전된 BERT를 변형한 HuBERT 등을 사용한다. 우리는 Shallow CNN와 HuBERT 이렇게 두 모델을 사용하였다. 검색으로는 두 모델을 비교한 논문이나 깃허브 코드가 없으므로 우리가 직접 이 둘을 비교하려고 한다.

드라마 “이상한 변호사 우영우”를 보면서 우리는 자폐스펙트럼 장애를 가진 사람들이 타인의 감정을 인식하는 데 어려움을 느낀 다는 것을 알게 되었다. 그래서 우리가 이분들을 인공지능을 활용해서 타인의 감정을 예측(판단)해주는 서비스를 만들면 좋을 것 같다는생각을 해서 이번 주제를 “Speech Emotion Recogniton”으로 하였다.

Method

Shallow CNN

아파트 주차장 넓어질까...주차대수 기준 22년만에 개정 추진 | 연합뉴스

1. 문제 정의

1.1 대회 소개

경진대회 소개 이미지

1.2 배경

아파트 단지 내 필요한 주차대수는 ①법정주차대수 ②장래주차수요 중 큰 값에 따라 결정하게되어 있어, 정확한 ②장래주차수요의 산정을 필요로 합니다.

현재 ②장래주차수요는 ‘주차원단위’와 ‘건축연면적’을 기초로하여 산출되고 있으며, ‘주차원단위’는 신규 건축예정 부지 인근의 유사 단지를 피크 시간대 방문하여 주차된 차량대수를 세는 방법으로 조사하고 있습니다.

이 경우 인력조사로 인한 오차발생, 현장조사 시점과 실제 건축시점과의 시간차 등의 문제로 과대 또는 과소 산정의 가능성을 배제할 수 없습니다.

if: 법정주차 대수 > 장래주차수요: 그럼 그냥 법정 주차 대수를 주차대수로 정합니다.

elif: 법정주차 대수 < 장래주차수요: 장래주차수요를 주차대수로 정합니다.

(세종=연합뉴스) 윤종석 기자 = 정부가 22년 만에 아파트 등 주택단지의 적정 주차대수 산정 기준을 바꾸는 방안을 검토 중이다. 국토교통부 관계자는 3일 "차량이 급속히 늘어나는 현실을 반영하기 위해 '주택건설기준 등에 관한 규정'에 제시된 주차장 설치 기준을 개정하는 방안을 검토 중"이라고 밝혔다. 서울 등 복잡한 대도시의 경우 적정 주차대수가 늘어날 공산이 크다.

https://www.yna.co.kr/view/AKR20180102148600003

늘어나는 주차수요에 따른 주차대수 기준 변경에 관한 기사

위의 기사를 요약하면 다음과 같다.

데이콘 주차수요 예측 대회 연습

위키 팀

홍대와 건대사이

0. 팀 & 프로젝트 소개

안녕하세요, NLP을 공부하는 위키팀의 구름빵입니다. 구름빵은 으로 구성되어 있습니다. 저희는 제1회 deep daiv. On-board 컨퍼런스 주제로 ‘키워드 줄임말 생성 모델’을 선택하였는데요! 노션 페이지를 통해 저희 프로젝트에 대해 자세히 알아보면 좋을 것 같습니다

학창시절에 암기 과목을 공부할 때 다들 한 번씩 힘들었던 경험이 있을 텐데요! 특히 역사 혹은 지리 과목의 경우, 시험 자체가 지식 그 자체를 기반으로 하다 보니 암기의 필요성이 더욱 높았습니다.

여러분은 특정 개념을 암기할 때, 어떤 식으로 하셨나요? 아래 그림은 한국지리를 가르치는 메가스터디 이기상 강사의 수업 장면인데요. 혁신도시에 김천, 대구, 부산, 서귀포, 원주, 진천음성, 진주, 전주, 나주, 울산, 총 10개의 도시가 있다는 것을 외워야하는 상황입니다.

이기상 강사는 개념의 앞글자를 따거나, 개념 사이의 새로운 단어를 추가하여 새로운 문장을 탄생시켜 학생들에게 암기하도록 하였습니다. 여러분도 위의 상황처럼 암기해야 하는 특정 개념들을 엮어 하나의 문장을 만드는 방법을 많이 시도해보셨을 것 같아요! 하지만, 암기 개념끼리 엮고 또 암기하기 쉬운 문장의 형태를 만들어내는 과정은 생각보다 많은 시간과 노력이 듭니다.

저희 프로젝트는 이러한 학생들의 고민에서 출발하였습니다. 학생들이 특정 개념들을 암기하기 위해 거치는 일련의 과정, 즉 줄임말을 만드는 과정을 컴퓨터 프로그램이 대체한다면 매우 효율적이라고 생각하였습니다.

본격적으로, 프로젝트에 대한 설명을 시작합니다

1. 데이터 전처리

쉬운 설명을 위해, 위에서 등장한 단어를 사용하겠습니다. 사용자가 입력하는 키워드가 words = [김천, 대구, 부산, 서귀포, 원주, 진천]이라고 가정합시다. 이때 사용자는 앞서 프로젝트 소개 부분에서 설명한 학생에 해당하고, 입력하는 키워드는 암기하고자 하는 개념들을 말합니다. 사용자가 직접 원하는 개념을 프롬프트에 입력하면 결과를 출력하도록 프로그램을 설계하였기에 ‘입력’이라고 이야기하겠습니다.

1-1 첫 음절 추출

여기서 저희가 설정한 규칙, 그리고 이에 따른 방법이 등장합니다. 아래 함수는 규칙을 직접 구현한 코드입니다.

지루한 암기는 이제 그만! 키워드 줄임말 만들기 모델

위키 팀

구름빵

목차

GAN(Generative Adversarial Networks)

생성자와 판별자 두 개의 네트워크를 활용한 생성 모델

StyleGAN은 고화질 이미지 생성에 적합한 아키텍처를 제안한다.

생성자는목적 함수(Objective Function)를 통해 이미지 분포 학습

StyleGAN

왼쪽 질문에 대해서 고민하셨고, 질문에 대한 이미지들의 관계를 확인하셨나요? 정확한 이해를 AI라는 것이 어떻게 이해할지 궁금해서 해당 주제를 들고왔습니다!

1. 프로젝트 주제

단어만 입력하면 AI가 대신 줄거리를 만들어 줄 수 없을까?

한국콘텐츠진흥원에 따르면, 국내 웹소설 시장 규모는 2020년 기준 6,000억 원에 달합니다. 웹툰 산업 매출액 규모 역시 2020년 약 1조538억 원으로 콘텐츠산업 중 가장 가파른 성장세를 보이고 있습니다. 웹툰과 원작으로 하는 드라마와 영화, 게임 등 2차 콘텐츠의 수요도 커져 웹툰의 상품성은 계속해서 증가하고 있습니다.

AI는 수필, 시 등 다양한 문학작품을 창작하고 있습니다. 우리는 AI 예술창작 분야를 웹툰으로 확장해 새로운 웹툰 줄거리를 생성하는 것이 목표입니다. 새로운 웹툰 창작 활동에 도움을 줄 수 있도록 문장형태의 소재를 제공하고자 합니다.

웹툰 줄거리 데이터를 기반으로 시작 단어 또는 문장 입력 시 웹툰 줄거리를 자동 생성하는 모델을 만들고자 합니다.

2. 데이터

(1) 크롤링

네이버 웹툰에서 연재/완결/도전 웹툰의 줄거리를 크롤링했습니다. 총 4567개의 데이터

모델에는 story에 해당하는 줄거리 데이터만 사용하였습니다.

KoGPT2를 사용한 웹툰 줄거리 생성

트렌드 리서치 팀

복숭아녹차

간단한 소개

안녕하세요! deep daiv 여름 기수 Trend research팀인 픽셀 휴먼팀입니다. 

픽셀 휴먼으로 팀 이름을 선정한 이유는 multimodal을 연구라는 것은 텍스트 외에도 음성, 제스처, 시각 등을 통해 학습을 시키는 것이 사람과 비슷한 과정이기 때문입니다!
저희가 소개해드리고 싶은 내용은 multimodal visual grounding 관련된 내용입니다. 시작하겠습니다