Kamil Lee의 개발 일기
@Kamil Lee
가상 시착(VTON) 모델 최적화 과정
가상 시착 프로젝트 진행 중 겪었던 OmniTry 모델의 리소스 및 UX 이슈를 분석하고, 이를 FastFit 아키텍처 도입을 통해 해결한 과정에 대해 이야기합니다.
#deep-learning
@Kamil Lee
SBERT와 Multilingual E5 임베딩 모델 분석
문장 쌍을 매번 함께 입력해야 했던 BERT의 O(N²) 한계를 SBERT가 어떻게 O(N)으로 줄였는지 살펴보고, Multilingual E5와 비교하며 임베딩 모델 선택 기준을 정리했습니다.
@Kamil Lee
TRELLIS: 대규모 3D 생성 AI 모델
Microsoft의 3D 생성 모델 TRELLIS를 다룹니다. SLAT 구조적 잠재 표현과 Rectified Flow Transformer의 원리부터 설치·사용법, 사전학습 모델과 학습 방법까지 단계별로 정리했습니다.
@Kamil Lee
보난자 메서드(Bonanza Method) 해설
2017년 전왕전에서 명인을 꺾은 포난자의 뿌리인 보난자 메서드를 살펴봅니다. 기보 학습으로 평가 함수를 최적화하는 이 기법이 이후 NNUE까지 이어지는 과정을 정리했습니다.
@Kamil Lee
컴퓨터 쇼기에 딥러닝을 적용하기 위해
알파베타 탐색에 의존하던 쇼기 AI가 왜 딥러닝으로 옮겨갔는지, 기물 투입 규칙이 만드는 복잡성과 정책 네트워크의 역할을 2023년까지의 연구 흐름과 함께 정리했습니다.