DataScience

https://arxiv.org/pdf/2208.12242v1.pdf 초록 몇개의 이미지로 주요 시각적 특징을 유지하면서 환경과 자연스러운 무수히 많은 이미지를 합성할 수 있다. 방법 특정 개와 해당 클래스 이름의 이미지 3~5개가 입력이 되면 고유 식별자를 인코딩하는 개인화된 텍스트-이미지 모델을 생성한다. 그리고 추론시 고유 식별자를 다른문장에 삽입하여 다른 맥락에서 주제를 합성할 수 있다. 두 단계로 텍스트-이미지 확산을 미세조정 한다. 식별자와 주제가 속한 클래스의 이름과 병행하여 클래스별 사전 보존 손실(Prior Preservation Loss)을 적용한다. 텍스트 프롬프트에 클래스 이름을 삽입하여 대상 클래스에 속하는 다양한 인스턴스를 생성하도록 한다. 입력 이미지 세트에서 가져온 저해상도 ..

import numpy as np from tensorflow import keras import matplotlib.pyplot as plt from tensorflow.keras import layers 데이터 호출 #모델,데이터 파라미터 num_classes = 10 input_shape=(28,28,1) #데이터 (x_train,y_train),(x_test,y_test) = keras.datasets.mnist.load_data() #스케일링 x_train = x_train.astype("float32") /255 x_test = x_test.astype("float32") /255 print(x_train.shape) #shape (28,28,1)으로 변경 x_train = np.expand_..