딥러닝 SOTA 논문 아카이브 사이트 Papers with Code

paperswithcode.com/

Papers with Code - About Papers With Code

 

---

 

 

다양한 딥러닝 분야의 SOTA 모델을 한눈에 볼 수 있는 아주 유용한 사이트 Papers with Code입니다. 

 

 

 

 

 

 

상단의 메뉴에서 Browse-State-of-the-Art 탭을 들어가면 카테고리를 선택할 수 있습니다.

 

 

 

Vision, NLP, Medical 등의 대분류 안에 Semantic Segmentation, Image Classification 등의 소분류로 카테고리가 나눠져 있는데요,

 

현재 나누어진 대분류의 종류는 다음과 같습니다.

 

• Computer Vision

• Natural Language Processing

• Medical

• Methodology

• Miscellaneous

• Graphs

• Playing Games

• Speech

• Time Series

• Computer Code

• Audio

• Robots

• Music

• Knowledge Base

• Reasoning

• Adversarial

 

대분류만 해도 정말 많은 종류가 있고, 각각의 대분류 안에 또 많은 소분류가 존재합니다.

 

---

 

 

 

 

하나의 카테고리를 선택하면, 해당 카테고리에 대한 간단한 설명과 함께 SOTA 모델을 확인할 수 있습니다.

데이터셋 별로 분류하여 SOTA 모델의 논문과 Github 링크까지 제공하고 있습니다.

 

 

데이터셋 이름, Paper Title, Compare 중 어떤 것을 눌러도 다음 화면으로 넘어가는데요,

 

 

 

 

 

각 데이터셋을 선택하면 SOTA 모델의 성능 변화 Trend까지 보여주고 있습니다.

마찬가지로 논문과 Github 링크를 제공합니다.

 

Semantic Segmentation task는 Mean IOU를 기준으로 정렬하는데,

Cityscapes dataset에 대해 가장 높은 성능을 기록한 논문이 2020년 발표되었네요

 

 

조금 아쉬운 점은, 각 데이터셋에 대한 간단한 official website 링크까지 제공해 주었으면 더 좋았을 것 같네요!

 

---

 

 

 

Papers with Code는 다함께 Machine Learning 연구와 관련한 free, open resource를 공유하는 것이 미션이라고 해요.

Wikipedia와 마찬가지로, 모두가 수정하고 업데이트에 기여할 수 있다고 합니다❗️

 

또한 portal.paperswithcode.com/에서 Machine Learning 외에도 Astronomy, Physics 등의 분야와 관련한 resource를 제공한다고 해요.

 

---

 

한 눈에 SOTA 모델과 그 결과를 확인할 수 있고, 게다가 딥러닝의 각 분류별로 정리가 아주 잘 되어 있어서

 

원하는 Task의 Open dataset이 어떤 것이 있는지 알고 싶을 때,

혹은 각 딥러닝 분야에 대한 Overview가 필요할 때에도 유용하게 사용할 수 있을 것 같습니다.☺️