작은기록들...

K-팝을 사랑하는 팬이라면 한 번쯤 “내가 아이돌로 데뷔한다면 어디 그룹일까?” 상상해본 적 있지 않나요?

이제 그 상상을 현실로 확인할 수 있는 재미있는 서비스가 있습니다.

바로 DebutTi 입니다!

🎤 DebutTi란?

DebutTi는 “Debut(데뷔)“와 “MBTI”의 합성어로,

당신의 MBTI 성격 유형을 기반으로 어울리는 K-팝 아이돌 그룹을 추천해주는 테스트 서비스입니다.

간단히 MBTI를 입력하기만 하면,

12단계의 아이돌 트레이닝 과정을 거친 결과를 바탕으로

가장 잘 맞는 그룹과 포지션을 알려드립니다.

나의 성격을 반영한 나만의 ‘가상 데뷔 시나리오’를 경험할 수 있는 아주 색다른 재미를 제공합니다!

🛠️ DebutTi는 어떻게 작동하나요?

• 12단계 트레이닝 시스템을 통해 사용자의 MBTI를 세밀하게 분석합니다.
• 분석 결과를 바탕으로➔ 당신이 맡게 될 포지션까지 추천해드립니다.
• ➔ 어울리는 아이돌 그룹과
• 테스트는 아주 간단하고 빠르게 진행됩니다.
• (별도의 가입이나 복잡한 절차 없이 이용 가능!)

📌 DebutTi는 이런 분께 추천합니다

• 나와 어울리는 아이돌 그룹을 MBTI로 알아보고 싶은 사람
• 친구들과 함께 MBTI 결과를 비교하며 재미있게 놀고 싶은 사람
• 색다른 방식으로 K-팝을 즐기고 싶은 사람

🛫 지금 바로 나만의 아이돌 그룹을 찾아보세요!

K-팝을 좋아하는 당신,

이제 단순히 ‘좋아하는 그룹’을 넘어,

나와 성격이 가장 잘 맞는 그룹을 만나보세요.

👉 DebutTi 바로가기

당신의 데뷔 그룹은 어디일까요?

지금 확인해보세요! 🎶✨

이미지 생성 AI의 역사는 컴퓨터 비전과 기계 학습 분야의 진보와 밀접하게 연결되어 있습니다. 아래는 주요 발전 단계와 그에 따른 기술적 진보를 정리한 것입니다.

1. 초기 연구와 개념

1960-1970년대:

• 초기 컴퓨터 비전 연구는 기계가 이미지를 이해하고 처리하는 방법을 모색하는 단계였습니다. 이 시기에는 주로 이미지 인식을 위한 기본 알고리즘이 개발되었습니다.

1980-1990년대:

• 뉴럴 네트워크와 백프로파게이션(backpropagation) 알고리즘의 발전으로 이미지 인식과 생성에서 더 복잡한 모델을 만들 수 있게 되었습니다.

2. 딥러닝의 등장

2012년:

• AlexNet의 등장: ImageNet 대회에서 AlexNet이 큰 성공을 거두면서 딥러닝이 주목받기 시작했습니다. 이는 이미지 분류에서 혁신적인 성과를 보여주었고, 이후 이미지 생성에도 영향을 미쳤습니다 .

3. GAN(생성적 적대 신경망)의 등장

2014년:

• Ian Goodfellow와 그의 동료들이 GAN(Generative Adversarial Networks)을 제안했습니다. GAN은 두 개의 신경망(생성자와 판별자)이 서로 경쟁하며 현실감 있는 이미지를 생성하는 모델로, 이미지 생성 AI의 큰 도약을 이뤘습니다 .

4. 다양한 GAN 변종과 응용

2015-2017년:

• DCGAN(Deep Convolutional GAN), Pix2Pix, CycleGAN 등 다양한 GAN 변종이 등장하면서, 이미지 생성, 스타일 변환, 이미지 복원 등 다양한 응용이 가능해졌습니다 .

5. VAE(변이형 오토인코더)의 발전

2013-2016년:

• VAE(Variational Autoencoder)는 이미지 생성 분야에서 GAN과 함께 중요한 모델로 자리 잡았습니다. VAE는 입력 데이터의 확률 분포를 학습하여 이미지를 생성할 수 있습니다.

6. Transformer 모델과 Diffusion 모델의 도입

2020년대:

• Transformer 기반 모델인 DALL-E, CLIP 등이 등장하면서 이미지 생성과 텍스트-이미지 매핑이 크게 발전했습니다. 특히, OpenAI의 DALL-E는 텍스트 설명을 기반으로 이미지를 생성하는데 탁월한 성능을 보여주었습니다 .

• Diffusion 모델은 이미지의 노이즈를 점진적으로 제거하여 이미지를 생성하는 방법으로, 고해상도의 사실적인 이미지를 생성하는 데 효과적입니다 .

7. 최신 모델과 상업적 응용

2022년 이후:

• Stable Diffusion, Midjourney 등 고성능의 상용 이미지 생성 AI가 등장하면서, 예술, 디자인, 광고, 엔터테인먼트 등 다양한 산업 분야에서 사용되고 있습니다 .

• 이 모델들은 오픈소스로 제공되어 많은 연구자와 개발자들이 쉽게 접근하고 활용할 수 있게 되었습니다.

결론

이미지 생성 AI는 뉴럴 네트워크와 딥러닝의 발전에 따라 지속적으로 진화해왔습니다. 초기의 기본적인 이미지 인식 알고리즘에서 시작하여, GAN과 VAE의 등장, Transformer와 Diffusion 모델의 도입을 통해 지금은 고해상도, 고정밀도의 이미지를 생성할 수 있는 수준에 이르렀습니다. 이러한 발전은 예술, 디자인, 광고 등 다양한 분야에서 혁신적인 변화를 이끌어내고 있습니다.

old chevi pickup truck

school bus

police car

mustang

prompt

cinematic, photo plastic old toy car (classic light blue old chevi pickup), on wooden table, simple background, pbr texture, grit, stains, rust . 35mm photograph, film, full frame, bokeh, professional, 4k, highly detailed

neg prompt

drawing, painting, crayon, sketch, graphite, impressionist, noisy, blurry, soft, deformed, ugly text

SDXL 기본 모델을 이용해 생성해본 Ferrari Plastic Old Toycar

인공지능은 전쟁 어떻게 표현할까?

war 라는 프롬프트에 이런 그림을 표현했다.

사용한 모델이 coffeebreak 라고 하는 모델로

대략 일본 애니풍의 모델이라 그런듯하다.

스테이블 디퓨전을 이용하여 이미지를 뽑아 보았다.

prompt.

batman,1boy,night,night sky,black cape,mask,white eyes,no pupils ,superhero,bat ears,pouch,gri spandex, black bodysuit ,abs,muscular male,utility belt,vibrant, beautiful, crisp, detailed, ultra detailed, intricate, serious face, serious pose

neg prompt.

out of frame, lowres, text, error, cropped, worst quality, low quality, jpeg artifacts, duplicate, wrong proportions, extra fingers, mutated hands, poorly drawn hands, poorly drawn face, mutation, deformed, blurry, dehydrated, bad anatomy, bad proportions, extra limbs, cloned face, disfigured, gross proportions, malformed limbs, missing arms, missing legs, extra arms, extra legs, fused fingers, too many fingers, long neck, username, watermark, signature, bad hands, (low quality, worst quality:1.3), backlit, corrupted image, letters, words, censored, multiple fingers, multiple legs, bad hands, blur, pixelated, bad anatomy:1.2, cropped hands, artist name, extra digit, loli, fewer digit, author name, names, autograph, hand writing, written text, five legs, five legs, 3 legs, three legs, five legs, 5 legs, bad hands, bad legs, bad body shape, multiple tails, two tails, deformated body, imperfect painting, blurry hands, blurry face, blurry body, blurry image, bad eyes, ugly face, ugly eyes, repetition, ugly body, child, kid, underage, shota, (mutated hands:1.3), (deformed iris, deformed pupils:1.1), missing arms, missing hands, (long neck:1.4), (poorly drawn:1.3)

The Android Gradle plugin supports only Kotlin Gradle plugin version 1.5.20 and higher.
The following dependencies do not satisfy the required version:
project ':nozbe_watermelondb' -> org.jetbrains.kotlin:kotlin-gradle-plugin:1.3.50

해결법 ---

해달 오류는 kotlin Gradle 플러그인 버전 문제로

`android/build.gradle` 파일에 코틀린 버전을 지정해 주시면 됩니다.

buildscript {
    ext.kotlinVersion = '1.5.20'
}

[Error: TransformError SyntaxError 

Support for the experimental syntax 'decorators' isn't currently enabled (7:5)

데코레이터를 사용할수 없는 경우 나타는 에러이다.

해결방법:

yarn add --dev @babel/plugin-proposal-decorators

#or 

npm install -D @babel/plugin-proposal-decorators

위의 두가지 명령어중 한가지를 선택하여 babel decorator를 설치해 줍니다.

.babelrc 파일 또는 babel.config.js 파일에

아래 내용을 추가해줍니다.

  "plugins": [
    ['@babel/plugin-proposal-decorators', { 'legacy': true }]
  ]

저는 babel.config.js 파일을 사용하기 때문에

module.exports = {
  "presets": ['module:metro-react-native-babel-preset'],
  "plugins": [
    ['@babel/plugin-proposal-decorators', { 'legacy': true }]
  ]
};

아래와 같이 파일이 수정되었습니다.

Julia is a high-level, high-performance programming language designed for numerical and scientific computing. It is designed to be fast, easy to use, and expressive. Some of its notable features include:

• Dynamic typing: Julia dynamically infers the type of a variable, making it easy to write code quickly without having to worry about explicit type declarations.
• JIT (Just-In-Time) Compilation: Julia uses JIT to optimize the performance of your code. This means that the code runs faster than other interpreted languages, and is often faster than statically-compiled languages like C and Fortran.
• Strong Interoperability: Julia has strong support for calling C and Fortran libraries, making it easy to use existing code from other languages.
• Parallel and Distributed Computing: Julia has built-in support for parallel and distributed computing, making it easy to scale your computations to take advantage of multiple processors or multiple machines.
• Large Community: Julia has a large and growing community of users and developers, who are constantly contributing new packages and improving the language.

Overall, Julia is a powerful and versatile language that is well-suited for a wide range of applications, particularly in the fields of numerical and scientific computing.

from ChatGPT

줄리아는 고성능을 내기위해 디자인 된 하이레벨 언어이다.

몇년 뒤이면 파이썬을 대체할수 있을까?

https://julialang.org/

아름다운 추억을 가지고 있지만
그 추억을 아름답게 지키지 못했다.