구글이 발표한 압축기술이 우리가 아는 파일 압축기술이 아니네요. 아예 개념이 다른 기술이라고 합니다. 자세한 건 너무 어려워서 모르겠지만, 대충 이해한 바로는 양자화할 때 벡터 좌표를 랜덤으로 극좌표로 변환하면 그 결과값들 사이의 각도가 90도 근처에서 왔다갔다 한다네요. 그래서 계산이 대폭 쉬워진답니다.
자세한 건 출처 참고하세요.
구글이 발표한 압축기술이 우리가 아는 파일 압축기술이 아니네요. 아예 개념이 다른 기술이라고 합니다. 자세한 건 너무 어려워서 모르겠지만, 대충 이해한 바로는 양자화할 때 벡터 좌표를 랜덤으로 극좌표로 변환하면 그 결과값들 사이의 각도가 90도 근처에서 왔다갔다 한다네요. 그래서 계산이 대폭 쉬워진답니다.
자세한 건 출처 참고하세요.
저 출처 논문은 개념이고 오늘 발표는 이걸 실용화 했다는 거 아닌가요.
와 박사까지 한국에서 한 사람이군요 대단합니다
심지어 지금 KAIST 조교수군요.
저분은 이미 마이크로소프트 리서치 아시아 펠로쉽 수상자라고 하네요. 뭔가 대단한 분이신 거 같습니다.
4대 메이져 AI학회에 억셉이 엄청 많은 대가랩이죠.
자랑스럽습니다.
인공지능에게 물어보니 가우시안 분포를 이용하는 점에서 상당히 닮았다고 하네요.
시간차원에서 미분방정식 푸는거 어려움~ 이걸 라플라스 변환해서 s도메인으로 넘겨서 여기서 풀면 대수식으로 변환~해서 연산후 다시 역라플라스로 시간으로 돌아옴.
비슷한 예로
OFDM은 시간축에서 서로 얽혀 있음~ 이걸 푸리에 변환해서 f도메인으로 보내서 여기서 나누기 하면 conv된 sub-carrier들을 단순히 나누기로 없애?버릴수 있음~(시간축에서는 conv된 신호들을 없애려면 tap을 쓰던지 등등 복잡함)
이거 말고도 공학에서는 보통 시간축(대부분 우리 시간대니까)에서 복잡한 식을 다른 차원으로 변환/역변환이고 이때 전제조건을 만족해야합니다. 즉 변환/역변환 해도 문제가 없는 조건을 만족하는 것..(z-변환할때 이거 시험 쳤던거 같은데..ㅋㅋ 기억 가물)
여튼 이번건도 비슷한 접근이 아닐까 합니다만, 이런거 하시는분 라플라스나 푸리에 처럼 대가들이라고만 봤는데 한국인이라니 대단하신것 같습니다~~~