희주는 개발중

📝 Level 0. 자릿수 더하기더보기📌 문제 설명 정수 n이 매개변수로 주어질 때 n의 각 자리 숫자의 합을 return하도록 solution 함수를 완성해주세요 📌 제한사항0 ≤ n ≤ 1,000,000📌 입출력 예nresult12341093021116📌 입출력 예 설명입출력 예 #11 + 2 + 3 + 4 = 10을 return합니다.입출력 예 #29 + 3 + 0 + 2 + 1 + 1 = 16을 return합니다. ✏️ 나의 풀이def solution(n): answer = 0 for i in str(n): answer += int(i) return answer ✏️ 다른 풀이(1)def solution(n): answer = sum(list(map(in..

📝 Level 0. 모음 제거더보기📌 문제 설명 영어에선 a, e, i, o, u 다섯 가지 알파벳을 모음으로 분류합니다. 문자열 my_string이 매개변수로 주어질 때 모음을 제거한 문자열을 return하도록 solution 함수를 완성해주세요. 📌 제한사항my_string은 소문자와 공백으로 이루어져 있습니다.1 ≤ my_string의 길이 ≤ 1,000📌 입출력 예my_stringresult"bus""bs""nice to meet you""nc t mt y"📌 입출력 예 설명입출력 예 #1"bus"에서 모음 u를 제거한 "bs"를 return합니다.입출력 예 #2"nice to meet you"에서 모음 i, o, e, u를 모두 제거한 "nc t mt y"를 return합니다. ✏️ 나..

📝 Level 0. 제곱수 판별하기더보기📌 문제 설명 어떤 자연수를 제곱했을 때 나오는 정수를 제곱수라고 합니다. 정수 n이 매개변수로 주어질 때, n이 제곱수라면 1을 아니라면 2를 return하도록 solution 함수를 완성해주세요. 📌 제한사항1 ≤ n ≤ 1,000,000📌 입출력 예nresult14419762📌 입출력 예 설명입출력 예 #1144는 12의 제곱이므로 제곱수입니다. 따라서 1을 return합니다.입출력 예 #2976은 제곱수가 아닙니다. 따라서 2를 return합니다. ✏️ 나의 풀이def solution(n): for i in range(1, 1001): if i * i == n: return 1 return 2 ✏️ 다른 ..

Progressive Exploration-Conformal Learning for Sparsely Annotated Object Detection in Aerial Images https://proceedings.neurips.cc/paper_files/paper/2024/file/47a287298e7887d1c25d4aabb918bd54-Paper-Conference.pdf 0. Abstract대부분의 Sparsely Annotated Object Detection(SAOD)는 고정된 임계값에 의존하여 pseudo label을 필터링하지만, 이는 항공 이미지의 불균형한 특성을 반영하기는 힘들다. 이를 해결하기 위해, 항공 이미지에서 상황에 따라 고품질의 pseudo label을 선택하기 위한 Prog..

https://developer.android.com/studio/install?hl=ko Android 스튜디오 설치 | Android Studio | Android DevelopersWindows, macOS 또는 Linux에서 Android 스튜디오를 설정 및 설치합니다.developer.android.com안드로이드 공식 홈페이지의 설치방법도 있지만 블로그를 참고하여 아래의 방법으로 설치하였더니 간단하게 설치되었다. sudo apt-add-repository ppa:maarten-fonville/android-studiosudo apt-get updatesudo apt-get install android-studio 참고: https://mebadong.tistory.com/64

OpenScene: 3D Scene Understanding with Open Vocabularies https://arxiv.org/pdf/2211.15654 0. Abstract전통적인 3D scene은 labeled 3D dataset에 의존되었다. 하지만 저자들인 제안하는 OpenScene은 CLIP feature space의 image pixel과 text를 이용하여 학습하고 예측한다. 예를 들어 3D semantic segmentation을 위해 모든 3D point을 CLIP feature space에 대입하고 유사도를 기반으로 classification한다. 또한 open vocabulary는 보지 못했던 scene에 대한 이해가 가능하다. 예를 들어 임의의 text query에 따라 sc..

MirageRoom: 3D Scene Segmentation with 2D Pre-trained Models by Mirage Projection https://openaccess.thecvf.com/content/CVPR2024/papers/Sun_MirageRoom_3D_Scene_Segmentation_with_2D_Pre-trained_Models_by_Mirage_CVPR_2024_paper.pdf 0. Abstract3D를 2D로 projection하여 point cloud를 segment하는 연구 중 2D real world image를 추가적으로 이용한 방법들이 최근 연구되고 있다. 하지만 이는 indoor에서 occulusion이 발생하는 문제가 발생한다. 본 논문에서는 앞의 object..

Assignment 3: https://cs231n.github.io/assignments2024/assignment3/#q1-image-captioning-with-vanilla-rnns Assignment 3This assignment is due on Tuesday, May 28 2024 at 11:59pm PST. Starter code containing Colab notebooks can be downloaded here. Setup Please familiarize yourself with the recommended workflow before starting the assignment. You should also watch the Colab wcs231n.github.io 일반 신경망(..

Open3DIS: Open-Vocabulary 3D Instance Segmentation with 2D Mask Guidance https://arxiv.org/pdf/2312.10671 1. Introductionopen vocabulary 3D instance segnetation을 다루는 연구가 몇개가 있다. 최근 대부분 pre-train된 3DIS model을 사용하여 3D point cloud의 기하학적 구조를 파악하고 높은 queality의 instance mask를 생성한다. 하지만 이는 rare한 object의 인식이 어려운데 불완전한 appearance의 3D point cloud와 pre-train 3D model의 제한된 detection 능력 때문이다. 또 다른 방법으로 2D of..

PartSLIP: Low-Shot Part Segmentation for 3D Point Clouds via Pretrained Image-Language Models https://openaccess.thecvf.com/content/CVPR2023/papers/Liu_PartSLIP_Low-Shot_Part_Segmentation_for_3D_Point_Clouds_via_Pretrained_CVPR_2023_paper.pdf 1. Introduction3D part segmentation을 위한 3D shape dataset으로 학습할 경우 눈에 띄는 성과를 볼 수 있지만 out of distribution(unseen class)에 대해서는 성능 하락으 일으킨다. 다른 image dataset에 ..