오늘도 리뷰🖋

예전에 인스타에서 보고 즉흥적으로 찾아간 집이다.

그래서 사진도 인스타처럼 찍어보고 싶었는데 똥손이었다.

시간이 좀 지나서 기억이 흐려져서 나도 검색해서 기억을 되살리며 쓰고있다^___^

구글링은 참 좋은 것이다.

1. 메뉴 + 맛

요즘 유행하는 일본 가정식 느낌은 나는데.. 한식이나 다른게 섞인 퓨전같은 느낌

연어장이 먹고싶었지만.. 우리는 먹는 양이 적어서 컷트했다.

미소돼지목살구이덮밥 + 카츠산도 + 수제고로케 를 시켰다.

나베가 유명하던데.. 나베를 시키는 테이블이 많았다. 근데 나는 그냥 내가 먹고싶은거 시켰다.

맛집의 유명한 메뉴가 있더라도 그거보다 내가 먹고싶은 메뉴를 먹어야 행복하기 때문이다.

아무튼 맛은.. 맛있다. 막 엄청난 맛!! 이런건 아니지만 맛있다.

샤로수길까지 멀리가서 9000-11000원대의 메뉴 가격에 먹을만한 맛이었다.

우리 일행은 특히 카츠산도를 맛있어했다. 사실 나는 카츠산도라는걸 제대로 먹어본게 처음이었는데,

안에 들어간 카츠가 기름지지도 딱딱하지도 푸석하지도 않고 (아무튼 나쁜 식감 아님)

너무 짜지도 자극적이지도 달지도 않고 (나쁜 맛도 아님)

적당히 달달하면서도 카츠스럽고 아무튼 맛있었다. 솔직히 난 메뉴 3개 중에 이게 제일 좋았다.

2. 웨이팅

월요일인가 화요일.. 저녁시간대에 갔지만 그래도 평일이라 좀 덜할줄 알았는데

아무래도 요즘 핫한 동네에 핫한 집이라 그런가 웨이팅 꽤 된다. 거의 40분 넘게 기다린거 같은데

너무 너무 덥고 끈적한데 너무 너무 배고파서 죽을뻔했다.

웨이팅은 살짝 그늘지게 의자하나 있긴한데 그냥 보통 문 앞에 일렬로 쭉  햇빛에서 기다린다.

기본적으로 가게 규모가 작고 테이블 수가 많지가 않은데, 음식 나오는 시간도 대체적으로 다른 식당들보다 훨씬 긴 편이었다.

그래서 웨이팅이 더 길어지는 것 같긴하다.

3. 결론

맛있으니까 한번쯤 가도 좋을 것 같다. 카츠산도 또 먹고싶다.

• 원 논문 : https://arxiv.org/abs/1705.07750

• 그동안의 Vision 연구에서는 ImageNet에서 classifier를 학습시켰을 때, 이러한 네트워크에서 뽑아낸 feature로 transfer learning을 하면, PASCAL VOC image recognition과 같이 다른 task에서도 잘 활용할 수 있다는 것이 밝혀졌다. 이 논문에서는 이러한 아이디어가 이미지가 아닌 비디오 환경에서도 잘 작동하는지 확인하고 있다.
• 저자들은 ImageNet pre-training의 장점을 살리기 위한 새로운 two-stream 방식의 I3D 모델을 제안하면서, 기존의 Action recognition 모델 (CNN + LSTM, C3D, Two-stream, Two-stream fusion) 소개하고, basline으로 사용하여 새롭게 제시한 I3D 모델과 비교하였다.
• ImageNet classifier와 같은 효과를 얻기 위해, Kinetics dataset을 새로 수집하였는데, action class는 400개, 각 class마다 400개 이상의 영상을 포함한다.

• 실험 결과, Two-stream(RGB + Optical Flow)의 방식이 RGB만 사용한 것보다 항상 성능이 좋게나왔으며, Kinetics에서 pre-training을 시켜 UCF/HMDB에 적용했을 때 더 좋은 결과를 얻을 수 있었다.
• 따라서, 비디오 연구에서 Kinetics dataset을 이용하면 ImageNet pre-training과 같은 효과를 얻을 수 있는 것은 확실에 보이나, semantic video segmentation이나 optical flow computation과 같이 다른 연구에서도 효과적일지는 불확실하므로 추후 연구를 위해 Kinetics 데이터셋에 학습시킨 I3D 모델을 공개한다고 하였다.
• 딥마인드 짱