n차원 그림 그리기: 바탕의 차원을 올려도 같은 일
자주 하는 실수와 요약
자주 하는 실수
| 실수 |
바른 생각 |
나온 문제 |
| 남긴 비율을 진폭(계수 크기)의 합으로 잰다 |
세기는 진폭의 제곱이다. 서로 다른 음이면 세기가 그대로 더해지고, 같은 음을 같은 위상으로 내면 더해지지 않는다 |
문제 1 |
| 어떤 축에서든 큰 계수를 그대로 남기면 가장 가깝다 |
축이 정규 직교일 때만이다. 기울어진 축에서는 버린 축이 품은 남긴 축 방향 성분까지 함께 버리고, 계수 제곱합도 세기와 다르다 |
문제 2 |
| 낮은 주파수부터 남기면 늘 큰 것부터와 비슷하다 |
스펙트럼이 주파수를 따라 고르게 주는 신호(그림, 매끄러운 모양)에서만 그렇다. 화음은 0~63 Hz 에 세기가 0이다 |
문제 3 |
| 체크무늬로 보이면 바둑판 물결 한 장이다 |
바둑판 물결은 가로 물결과 세로 물결의 곱이다. 더한 체크무늬는 두 장, 비스듬한 줄무늬는 17장이 든다 |
문제 4 |
| 네모 줄무늬가 사인과 구별되는 대비는 늘 3π/4 배다 |
두 굵기의 문턱이 같다는 가정 아래에서만이다. 눈의 문턱은 굵기마다 다르다 |
문제 5 |
| 계수는 칸 4096개를 섞은 값이라 노이즈가 평균되어 작아진다 |
정규 직교 축은 길이를 그대로 둔다. 계수마다 노이즈의 표준편차도 σ 그대로다 |
문제 6 |
| 차수를 두 배로 올리면 계수도 두 배다 |
차수 L 까지 계수는 (L + 1)² 개라 거의 네 배다 |
문제 7 |
| 차수 2의 계수 −0.00016 은 작지만 0이 아니다 |
정육면체는 세 축에서 같아 차수 2가 0이어야 한다. 남은 값은 공 위에 깐 점들이 만든 계산 오차다 |
문제 8 |
| 차수별 세기는 모양을 하나로 정한다 |
돌린 모양과 거울에 비춘 모양이 모두 같은 차수별 세기를 갖는다 |
문제 9 |
| 점 하나처럼 단순한 신호는 어느 축에서나 싸다 |
칸 축에서 몰린 신호는 물결 축에서 고루 퍼지고, 그 반대도 그렇다. 화이트 노이즈는 어느 축에서나 퍼진다 |
문제 10, 11 |
| 0과 1로 깎은 부피는 칸이 적어서 싸다 |
끊긴 가장자리 때문에 물결 축의 계수가 느리게 줄고, 칸 축에서도 세기가 1인 칸들에 고루 퍼진다 |
문제 12 |
요약
- 최선 K항 근사: 정규 직교 축으로 적은 신호에서 크기가 큰 계수 K개만 남긴다. 복원 오차의 제곱합은 버린 계수의 제곱합이므로, K개로 할 수 있는 가장 좋은 선택이다. 잦아드는 화음은 계수 1%(41개)로 세기의 76.2%를 담는다.
- 바둑판 물결: 가로 물결과 세로 물결의 곱. 평면 위의 신호를 적는 정규 직교 축이다. 선생님 그림은 큰 계수 41개로 83.3%, 굵은 무늬 41개로 75.2%를 담는다.
- 차수 자르기: 구면 조화를 차수 L까지만 더한다. 계수는 (L + 1)²개이고, 가장 작은 무늬는 반둘레의 L분의 1 크기다. 정육면체는 차수 4에서 주사위 꼴이 되고, 소행성의 구덩이는 차수 16을 넘어서 보인다.
- 희소성과 공통 틀: 대칭 → 고유 함수 → 계수 → 큰 것부터 더하기. 바탕의 대칭이 축을 고르고, 신호의 스펙트럼 모양과 신호 안의 대칭이 큰 계수의 자리를 고른다. 「큰 것부터」와 「낮은 것부터」가 비슷한지는 스펙트럼이 고르게 주는지에 달렸다.
- ML에서는 그림 디퓨전과 VAR 가 굵은 것부터 그리고, 소리 파형에는 그 순서가 맞지 않으며, 3차원 모양은 차수별 세기로 돌려도 같은 모양을 찾고, DCTdiff 는 바둑판 물결 축에서 바로 그린다.
flowchart LR
A["대칭<br/>미는 것 · 돌리는 것"] --> B["고유 함수<br/>코사인 · 바둑판 물결 · 구면 조화"]
B --> C["계수<br/>사영, 제곱합 = 세기"]
C --> D["큰 것부터 더하기<br/>최선 K항 근사"]
D --> E1["소리: 큰 것 ≠ 낮은 것"]
D --> E2["그림: 큰 것 ≈ 굵은 것"]
D --> E3["구면: 차수 자르기"]
막힌 곳
- 이 장은 계수의 크기만 보고 골랐다. 선생님 그림의 계수 크기는 그대로 두고 부호나 위상만 다른 그림의 것으로 바꾸면, 무엇이 남아 선생님으로 보일까?
- 잦아드는 화음에서 물결 하나가 이웃한 코사인 물결 몇 개로 번졌다. 사람 목소리처럼 높이와 음색이 계속 바뀌는 소리라면, 0.5초 전체를 한 번에 물결로 적는 일이 여전히 좋은 축일까?
- 굵은 무늬부터 그리는 생성 모델이 많다. 그렇다면 신경망이 그림을 배울 때도 굵은 무늬부터 배울까? 배우는 순서는 무엇이 정할까?
- 이 장의 축은 모두 바탕의 대칭이 미리 정했다. 얼굴 사진만 모은 자료처럼 바탕의 대칭만으로는 모자란 데이터라면, 더 잘 몰리는 축은 누가 골라야 할까?