메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
김민우 (서울대학교) 조남익 (서울대학교)
저널정보
한국방송·미디어공학회 한국방송미디어공학회 학술발표대회 논문집 한국방송·미디어공학회 2024 하계학술대회
발행연도
2024.6
수록면
939 - 942 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문에서는 저차원 잠재공간을 이산적인 표현으로 나타낼 때, Vector Quantization(VQ) 대신 Product Quantization(PQ)로 표현할 것을 제안한다. 이를 통해 코드북에 할당된 파라미터 수를 줄임으로써 네트워크 설계를 효율화 하였다. Auto Encoder 가 수행하는 이미지 복원 성능 측정을 통해, PQ 를 이용한 이산적인 표현은 높은 차원의 이미지 데이터를 효과적으로 저차원의 잠재공간에 임베딩할 수 있음을 확인하였으며, 학습 수렴 속도도 또한 크게 개선시켰다. 이러한 PQ 의 긍적적인 효과는, 코드북을 구성하고 있는 부분공간의 수가 증가할수록 극대화되는 것을 관찰할 수 있었다.

목차

요약
1. 서론
2. 방법
3. 실험 설정 및 결과
4. 결론
참고 문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-151-24-02-090142808