테드옹의 VFX

작성중 [ 용어 정리 ]Diffusion Model:Noisy latent에서 출발하여, 유저가 제공한 여러 컨디셔닝(text, reference 등등)을 고려하며 디노이즈 과정을 거쳐서 최종 아웃풋을 만드는 과정 Latent :사전적인 의미는 숨어 있는, 잠재되어 있는 이라는 뜻. 아직 확정이 되지 않은 미지의 상태라는 뜻이다. Encode :인풋으로 받은 것을 latent representation으로 바꾸는 과정 LoRA : Low-Rank Adaptation특정 컨디션에 유리하게끔 가중치를 줘서 Model을 유도해주는 역할을 하는 것 같음. VAE : Variational Auto Encoder실제 픽셀과 Latent Representation을 연결해주는 역할. Image를 Latent로 바꿔주..

최근에 열을 올려서 편미분과 선형대수에 관한 수학공부를 했었는데, 동기부여 자체는 머신러닝 툴을 배우기 위한 초석이었다. 특히 머신러닝의 활용케이스인 ML Volume Upres는 20초도 안걸리는 로우 레졸루션 볼륨을 20분짜리 시뮬레이션처럼 바꿔줄 수 있는데, 이 내용은 혹하지 않을 수가 없다. 물론 버튼만 누르면 트레이닝을 직접 해주기 때문에 아티스트는 사용만하면 되지만, 그렇게 블랙박스 툴처럼 작업하는 건 후디니의 매력이 아니라고 생각한다. 특히 이제 쏟아지기 시작하는 ML노드를 활용하지 못한다면 그것만큼 아쉬울 게 어디있는가 뭐 어쨌거나 수학이 모든 학문의 기초라는 말도 있듯, 그동안 후디니를 다뤄오며 배워왔던 선형대수와 최근에 배운 편미분 지식을 통해 머신러닝의 컨셉을 이해하기 위한 정말 최최..

작성중 [ 왠 편미분이죠? ]지오메트리 단위로 사용하는 포인트, 프리미티브, 버텍스단위는 사실 엄청난 수학지식을 요구하지 않는다. 물론 후디니엔 천장이 없으니 능력껏 한없이 어렵게 작업할 순 있지만, 기저변환과 쿼터니언정도가 가장 어려운 지식에 속하고 이는 문과생인 나도 오랜시간 공부하다보면 터득해서 자유자재로 사용할 수 있는 정도다. 추가적으로 이런 데이터 형식을 이산데이터(Discrete)라하고, 연속적인 데이터가 아니기 때문에 중간데이터가 필요하면 Interpolation을 이용해야한다. 하지만 볼륨데이터는 연속체이기 때문에 극한과 미분지식이 동원되기 시작한다. (오랜만에 좌극한, 우극한, 연속가능성 이런 용어를 보니 감회가 새로웠다. 학생 땐 그렇게 싫어했는데..) 그 중에서도 문과에서 배우는..

작업을 하다보면 Gradient 즉, 기울기에 대한 내용이 많이 나온다. 특히 가장 만만한 Gradient 활용처로는 Surface Gradient를 구해서 SDF의 법선으로 사용하는 방법이 있다. 또한 자주있는 일은 아니지만 Density 필드의 Gradient를 구해서 Smoke의 외곽선영역을 구하고, 그 곳에 Disturb를 주어 머쉬룸 모양의 볼륨을 깨는 방법도 있다. Gradient란 공간, 즉 필드(Field)에서 값이 얼마나 빨리 변하는가를 나타내는 미분값이다. 여기서 조심해야할게 시간에 걸쳐서 나타나는 변화가 아니라 미소공간에 대한 변화량이다. 보통 위치의 순간 변화량은 속도이고, 속도의 순간 변화량은 가속도라고 한다. 하지만 이 때는 시간에 따른 변화량이지만 Gradient는 공간에서의 ..