시맨틱 정보 손실 문제를 해결하기 위해서는 현재 시점에서 손실된 시맨틱 정보를 가지고 있는 과거 특정 시점의 데이터까지 고려할 수 있는 방법론이 필요하다(ref1,ref2,ref3).

Temporal segment network 이란 무엇이고, semantic information loss 문제를 해결하는 일에 도움이 되는가?

Key frame selection 이나 Adaptive key frame selection 이라는 키워드가 문제를 해결하는 일에 도움이 되는가?

parse me : 언젠가 이 글에 쓰이면 좋을 것 같은 재료을 보관해 두는 영역입니다.

1. ‣

from : 과거의 어떤 원자적 생각이 이 생각을 만들었는지 연결하고 설명합니다.

1. deer.a7.1_1_4. title: 이미지의 가장자리 추론이 불안정한 이유는 Receptive field 문제가 아니라 도메인 차이(Domain Gap)와 맥락(Semantic) 손실 문제이다.
   • 이런 문제가 발생할 수 있다는 것을 인지한 순간은, 디어에서 동영상이 아닌 이미지 데이터에 의존하여 문제를 해결하기 위해 삽질을 했던 시간들 때문이다. 이를 극복할 수 있는 방법들 중 하나가 동영상을 이용해 시간적 연속성을 힌트삼은 맥락 정보를 딥러닝 네트워크에서 활용가능하도록 만드는 것이라고 생각했다.

supplementary : 어떤 새로운 생각이 이 문서에 작성된 생각을 뒷받침하는지 연결합니다.

1. ‣
2. deer.a7.1_3.1. title: 루돌프 성수동 EDA - 비디오가 아닌 이미지의 한계

opposite : 어떤 새로운 생각이 이 문서에 작성된 생각과 대조되는지 연결합니다.

1. 까다로운 관리규정 덕분에 훼손되지 않았고, 까다로운 설치규정 덕분에 많은 정보를 품고 있는 점자블록을 사용하면 비디오를 사용하지 않고 맥락 손실 문제를 우회할 수 있다.

to : 이 문서에 작성된 생각이 어떤 생각으로 발전되거나 이어지는지를 작성하는 영역입니다.

1. ‣