AI/etc5 [MCP] n8n + vscode를 이용한 mcp 커스텀 최근 ai를 이용한 자동화나 프로젝트에 관심이 많습니다. n8n은 대부분 들어보셨을 것입니다.코드 없이 자동화할 수 있는 툴이고, 오픈소스입니다. vscode에서는 copilot을 이용해서 코드 추천을 받거나 코드 구현을 ai에게 물어볼 수 있습니다. 그래서 이번에는 이 둘을 응용해서 생산성을 더 향상하는 법을 알아보겠습니다. n8n 설정 보통 n8n에 다양한 기능을 추가해서 커스텀을 할 수 있습니다. github webhook 설정해서 코드 리뷰를 하거나 티켓을 읽어서 요약 및 처리하는 등 다양한 것을 할 수 있습니다. 지금은 mcp 연결하는 방법에 대해서 알아보겠습니다.그래서 위의 워크플로우에는 ai를 연결하지 않았습니다. 그다음에는 mcp trigger라는 것이 있습니다. 이런 식으로 자신이.. 2025. 8. 1. Improving Robustness to Texture Bias via Shape-focused Augmentation(CVPR 2022) 1. Introduction 이 논문은 모델의 robustness를 키우기 위한 논문입니다. robustness를 키워서 out of domain에서 잘 작동을 하면, in domain에서의 성능이 어느 정도 떨어지는 점을 해결했습니다. 사람은 texture보다 shape을 중점으로 보는 것에 영감을 받아, shape-focused augmentation 방법을 제안합니다. texture bias를 줄일 뿐만이 아니라, shape bias에 더 집중을 할 수 있게끔 합니다. 2. Method 방법은 매우 간단합니다. original image에 각각 다른 augmentation 방법을 적용합니다. 그리고 segmentation model을 이용하여 foreground를 추출하고, 이를 이용하여 backg.. 2022. 6. 23. DFT-based Transformation Invariant Pooling Layer for Visual Classification(ECCV 2018) 이 논문은 조금 오래된 논문입니다. 푸리에 변환을 이용한 논문에 요즘 관심이 있어서 읽었습니다. 1. Introduction 기존 모델은 conv 후에, fuly-connected layer(fc layer)를 이용합니다. 이는 shape / spatial 정보를 유지하고 있습니다. 하지만 이는 object의 위치나 크기에 영향을 받습니다. 이를 해결하기 위해, 당시에는 average pooling 을 이용합니다. resnet을 보면 알 수 있죠. 하지만 이는 channel 별로 평균을 내주기 때문에, spatial 한 정보를 잃어버립니다. average pooling은 translation에 강합니다. 그 이유는 h x w의 평균을 이용하기 때문입니다. 하지만 다른 패턴은 구별하지 못합니다. 이 문제점.. 2022. 6. 18. The Unreasonable Effectiveness of Deep Features as a Perceptual Metric(CVPR 2018) semanticGAN에서 이 논문의 loss를 다루어서, 읽게 된 논문. 생각보다 인용이 많이 됐음. 1. Abstract 이 논문의 주제는 사람의 관점에서 이미지가 얼마나 비슷한지 어떻게 측정을 할까 입니다. 이 문제가 왜 어렵냐면, 이미지는 차원이 높고 서로 픽셀들이 연관이 있어서 기존의 distance 개념들을 사용하기 어렵습니다. 그리고 비슷하다는 개념이 애매합니다. 예를 들면, 빨간 원이 빨간 사각형이랑 비슷한지, 파란 원이랑 비슷한지 정의하기 어렵습니다. 이러한 점을 해결하기 위해 새로운 데이터셋을 제안하고, pretrain 된 모델을 이용하여 distance를 계산합니다. 2. method 데이터셋에 대해서는 다루지 않겠습니다. 채널마다 feature들을 normalize 해주고, 뺍니다. .. 2022. 2. 23. [semantic segmentation] Rethinking Semantic Segmentation from a Sequence-to-Sequence Perspective with Transformers(SETR) Rethinking Semantic Segmentation from a Sequence-to-Sequence Perspective with Transformers(CVPR 2021) Rethinking Semantic Segmentation from a Sequence-to-Sequence Perspective with Transformers Most recent semantic segmentation methods adopt a fully-convolutional network (FCN) with an encoder-decoder architecture. The encoder progressively reduces the spatial resolution and learns more abstract/s.. 2022. 1. 12. 이전 1 다음
