- 논문의 종류 파악 → Abstract 분석 및 정리 → 논문의 의도 파악 → 1회독 후 요약 및 Reference 분석 → 의문점 및 추가 논의 → 2회독, 3회독 진행
논문을 읽기 전, 해당 논문의 성격을 먼저 파악하여 접근 방식을 결정.
- 아이디어 중심 논문: 새로운 개념, 프레임워크, 또는 문제 정의를 제안하는 논문.
- 이론 및 수식 중심 논문: 수학적 이론, 알고리즘 분석, 또는 복잡도 연구에 초점을 둔 논문.
- 실험 중심 논문: 실험 결과와 분석을 통해 기존 연구를 보완하거나 새로운 방법론을 검증한 논문.
- Abstract는 논문의 핵심 메시지가 응축된 부분으로, 논문의 전체 구조를 파악하는 데 중요한 역할을 함.
- Abstract를 읽고 다음 질문에 답합니다:
- 논문의 주요 목표는 무엇인가?
- 제안된 방법론 또는 기여는 무엇인가?
- 실험 결과 및 결론은 어떤 점을 강조하고 있는가?
- Abstract 내용을 가지고 논문에서 설명하려는것을 한두문장으로 요약합니다.
논문을 읽으면서 저자가 해결하려는 문제와 기여도를 이해.
- 기존 연구 대비 나아진 점: 이 논문이 어떤 문제를 어떻게 개선했는가?
- 논문의 승인 이유 추정: 왜 이 논문이 학계에서 인정받았을까?
- 핵심 요약: 논문의 주요 메시지와 결과를 간략히 정리.
- Reference 분석 방법:
- Abstract와 Introduction: 주요 Reference를 확인.
- Problem Statement 섹션: 기존 연구와의 차별성을 파악.
- Methods 및 Results: 핵심 기법 및 비교 연구 기반 Reference 확인.
- 논문에서 해결되지 않은 의문점이나 부족한 부분 검색이나 논의.
- 해당 연구의 응용 가능성과 개선 방향에 대해 논의합니다.
- 실제 문제에 적용 가능성은?
- 방법론의 확장 또는 개선 방안은?
2023 Summer
| Number | Title | Link | Github |
|---|---|---|---|
| 1 | ARviz – An Augmented Reality-enabled Visualization Platform for ROS Applications | https://arxiv.org/abs/2110.15521 | qor6 |
| 2 | Development of Fake News Model using Machine Learning through Natural Language Processing | https://arxiv.org/abs/2201.07489 | Seungwon62 |
| 3 | NerfDiff: Single-image View Synthesis with NeRF-guided Distillation from 3D-aware Diffusion | https://arxiv.org/abs/2302.10109 | choo121600 |
| 4 | Semantic-SAM: Segment and Recognize Anything at Any Granularity | https://arxiv.org/pdf/2307.04767v1.pdf | rnjswn |
| 5 | Zeus: Understanding and Optimizing GPU Energy Consumption of DNN Training | https://arxiv.org/abs/2208.06102 | hemham |
| 6 | TVM: An Automated End-to-End Optimizing Compiler for Deep Learning | https://arxiv.org/abs/1802.04799 | cpprhtn |
| 7 | Magic123: One Image to High-Quality 3D Object Generation Using Both 2D and 3D Diffusion Priors | https://arxiv.org/abs/2306.17843 | hemham |
| 8 | Implicit Occupancy Flow Fields for Perception and Prediction in Self-Driving | https://arxiv.org/abs/2308.01471 | rnjswn |
| 9 | h2oGPT: Democratizing Large Language Models | https://arxiv.org/pdf/2306.08161v2.pdf | Seungwon62 |
2023 Winter
| Number | Title | Link | Name |
|---|---|---|---|
| 1 | HybridNets: End-to-End Perception Network | https://arxiv.org/abs/2203.09035 | 권현주 |
| 2 | YOLOv4: Optimal Speed and Accuracy of Object Detection | https://arxiv.org/abs/2004.10934 | 오승연 |
| 3 | SlowFast Networks for Video Recognition | https://arxiv.org/abs/1812.03982 | 김주연 |
| 4 | Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks | https://arxiv.org/abs/1511.06434 | 김건호 |
| 5 | A Two-stream Neural Network for Pose-based Hand Gesture Recognition | https://arxiv.org/abs/2101.08926 | 최담록 |