Hi, I’m Young Joong Kim, an AI Research team lead at Theori.
I’m interested in generative model, both fundamentals and applications.

안녕하세요, 티오리에서 AI연구팀장을 맡은 김영중입니다.
생성 모델의 이론적 배경과 활용 모두에 관심을 가지고 있습니다.

Works

• AI 연구팀장, Senior AI Researcher at theori
  (2023.08. ~ )

• 영상 합성 연구원, Video Synthesis, Researcher at LionRocket
  (2021.10. ~ 2022.10.)
  (2023.03. ~ 2023.08.)

• 음성 합성 연구원, Speech Synthesis, Researcher at LionRocket
  (2019.09. ~ 2021.10.)
  (2022.10. ~ 2023.02.)

• 연구팀장, Research Team Lead at LionRocket
  (2021.04. ~ 2023.08.)

Education

• 한양대학교 수학과 학사
  B.S. Department of Mathematics at Hanyang University
  (2019.03 ~)

• 한양대학교 컴퓨터소프트웨어학부 학사
  B.S. Department of Computer Software Engineering at Hanyang University
  (2018.03 ~)

• KITRI BoB, 5기 취약점 분석 트랙
  5th Vulnerability Analysis Track
  (2016.05 ~ 2017.03)

• 선린인터넷고등학교 정보통신과
  Department of Information and Communication Technology at Sunrin Internet High School
  (2015.03 ~ 2017.02)

Awards

• KISA, SW 보안 경진대회, 어플리케이션 보안 부문 2위, 행정자치부 장관상
  KISA, Software Contest, Application Security Section 2nd Prize, Minister of the Interior Award
  2016.09

Presentation

• 인공지능 수학과 생성 모델
  Mapo High School, 2023.11.28.
  마포고등학교 인공지능 수학 과목, 딥러닝 기술의 소개

• The 2nd AI & Dining. 가상인간과 생성 모델 AI
  Sangmyung University, 2022.09.22.
  상명대학교 제 2회 AI & Dining, 현업에서의 딥러닝 생성 기술 소개

• 고등학생, 인공지능 공부하기
  Danggok High School, 2022.08.30.
  당곡고등학교 소프트웨어 동아리 대상 인공지능, 딥러닝 기술의 소개

• 2022 A.I.U. 스타트업에서 합성 연구하기 [Google Drive]
  A.I.U. 2022 AI Confrerence, 2022.05.
  스타트업에서의 합성 연구 문화 소개

• GP to NP: Gaussian process and Neural Process [SlideShare]
  A.I.U 1st Open AI Conference, 2019.05
  Gaussian Process 부터 Neural Process 까지 확률적 프로세스와 뉴럴넷이 만나가는 과정

• <하스스톤> 강화학습 환경 개발기
  <Hearthstone> Developing Environment for RL
  Nexon Developers Conference 2019, Team RosettaStone, 2019.04
  하스스톤 강화학습 환경 구성을 위한 C++ 기반 시뮬레이터 개발 일기

• Hearthstone++: Hearthstone simulator with reinforcement learning
  Deep Learning Camp Jeju, 2018.07
  하스스톤 강화학습 가능성에 대한 간단한 연구

• Behavior based Malware Detection Using Branch Data [SlideShare]
  CodeGate 2017 Junior, 2017.04
  브랜치 데이터와 딥러닝을 통해 여러 실행 파일 중에서 멀웨어를 분류해 내는 실험

Project Overview

프로젝트 기술은 project에서 확인 가능합니다.
Project overviews can be found on project.

Opensource Contribution

• sgl-project/sglang [GIT, PR#411], 2024.05.
  Cohere Command-R chat template supports.

• linfeng93/BiTA [GIT, PR#4], 2024.02.
  Hard-coded path removal.

• SqueezeBits/QUICK [GIT, PR#3], 2024.02.
  Exclude router projection layers from QUICK quantization.

• microsoft/TransformerCompression [GIT, ISSUE#81], 2024.01.
  Mixtral 8x7B SliceGPT post-train pruning supports.

• casper-hansen/AutoAWQ [GIT, PR#251], 2023.12.
  Mixtral 8x7B Activation-aware Quantization supports.

Model Implementation

• torch-nansy++ [GIT], 2022.12.
  : NANSY++: Unified Voice Synthesis with Neural Analysis and Synthesis, openreview, 2022.

• torch-whisper-guided-vc [GIT], 2022.12.
  : Torch implementation of Whisper-guided DDPM based Voice Conversion

• torch-nansy [GIT], 2022.09.
  : Neural Analysis and Synthesis: Reconstructing Speech from Self-Supervised Representations, Choi et al., 2021.

• torch-retriever-vc [GIT], 2022.04.
  : Retriever: Learning Content-Style Representation as a Token-Level Bipartite Graph, Yin et al., 2022.

• torch-diffusion-wavegan [GIT], 2022.03.
  : Parallel waveform generation with DiffusionGAN, Xiao et al., 2021.

• torch-tacotron [GIT], 2022.02.
  : PyTorch implementation of Tacotron, Wang et al., 2017.

• tf-mlptts [GIT], 2021.09.
  : Tensorflow implementation of MLP-Mixer based TTS.

• jax-variational-diffwave [GIT], [arXiv:2107.00630], 2021.09.
  : Variational Diffusion Models

• tf-glow-tts [GIT] [arXiv:2005.11129], 2021.07.
  : Glow-TTS: A Generative Flow for Text-to-Speech via Monotonic Alignment Search

• tf-survae-flows [GIT], [arXiv:2007.023731], 2021.05.
  : SurVAE Flows: Surjections to Bridge the Gap between VAEs and Flows

• tf-diffwave [GIT] [arXiv:2009.09761], 2020.10.
  : DiffWave: A Versatile Diffusion Model for Audio Synthesis, Zhifeng Kong et al., 2020.

• Rewriting-A-Deep-Generative-Models [GIT] [arXiv:2007.15646], 2020.09.
  : Rewriting a Deep Generative Model, David Bau et al., 2020.

• tf-alae [GIT] [arXiv:2004.04467], 2020.09.
  : Adversarial Latent Autoencoders, Stanislav Pidhorskyi et al., 2020.

• tf-neural-process [GIT] [arxiv: NP, CNP, ANP], 2019.05
  : Neural process, Conditional Neural Process, Attentive Neural Process

• tf-vanilla-gan [GIT] [arXiv:1406.2661], 2018.01.
  : Generative Adversarial Nets, Ian J. Goodfellow et al., 2014.

이 외의 활동은 work list에서 확인 가능합니다.
Other activities can be found on work list.