极简笔记 A Variational U-Net for Conditional Appearance and Shape Generation

最新推荐文章于 2021-09-24 16:40:24 发布
最新推荐文章于 2021-09-24 16:40:24 发布
阅读量1.8k 收藏 3
点赞数
分类专栏： 极简笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Hibercraft/article/details/84587019
版权
本文介绍了一种结合条件变分自编码器（CVAE）和U-Net的方法，用于根据输入的人体图像和目标姿态生成新图像，同时保留原始图像的外观信息。通过训练网络学习外观分布并处理形状变化，实验表明网络在保留衣服颜色的同时，往往丢失了如人脸等细节信息。
摘要由CSDN通过智能技术生成

极简笔记 A Variational U-Net for Conditional Appearance and Shape Generation

本文利用条件变分自编码器（CVAE），输入一张人体图片和目标姿态，生成目标姿态的合成人体图片，并保留原图的appearance信息。 记输入图片 x x x, 姿态信息 y y y, 表观信息 z z z, 网络结构如下图：
在这里插入图片描述

VAE部分通过输入图像和图像中对应姿态学习appearance的分布 q ( z ∣ x , y ^ )

最低0.47元/天 解锁文章
Hibercraft
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
matlab代码做游戏-Variational-AutoEncoder-for-Dialogue-Generation:对话生成模型和实验的变
05-21
matlab代码做游戏对话生成的变体自动编码器 1. VHRED模型和数据集 Ubuntu Dialogue Corpus包含近一百万次多回合对话，总共超过700万次语音和1亿个单词。 这是它的特征： 与多人聊天（最好是人与人）相对的双向（二进...
A Variational U-Net for Conditional Appearance and Shape Generation
qq_40901266的博客
06-03 366
该方法能够生成不同的姿态的人物图像以及改变人物的外观。而且这个模型能够在不改变shape的情况下从appearance distribution 中进行采样。 1 Approach 记xxx为dataset XXX中的一张图片，我们想要理解xxx中的object是如何被其shape yyy和appearance zzz所影响的。因此图像生成器可以被表示为最大化后验概率（极大后验估计：给定xxx，哪种yyy和zzz可能发生） arg max p(x∣y,z) arg\ max\ p(x|y
A Variational U-Net for Conditional Appearance and Shape Generation学习笔记
与贰的博客
08-04 2048
嘿嘿，各位看官，看了快一个月的ReID，今天给大家伙儿换换口味，欢迎新人GAN家族。。。。。 言归正传，深度生成网络在图片生成模型中有着很重要的作用。然而由于空间信息的丢失，往往都是通过图片来直接生成图片，而不是他们的固有的形状和外观。在这篇文章中作者使用了一个conditional unet网络进行形状指导下的图片生成，他的输出对外观进行自动编码。这个方法的优点是不需要同一个物体的不同照片而能...
Make a Face: Towards Arbitrary High Fidelity Face Manipulation(做个脸：走向任意高保真脸部操纵)
分享日常的学习，开展的项目，编写的软件，解决的问题等~
05-03 2672
本博客是对 论文 Make a Face: Towards Arbitrary High Fidelity Face Manipulation（做个脸：走向任意高保真脸部操纵）的翻译，因作者水平有限，翻译难免会有不妥当的地方，还请读者不吝赐教。 摘要 最近的研究表明，随着GAN和VAE范例的发展，在面部操作任务中取得了显著成功，但输出有时仅限于低分辨率并且缺乏多样性。在这项工作中，我们提出了附...
CGAN（条件生成-对抗网络）简述教程
热门推荐
与贰的博客
09-17 5万+
一直以来提醒自己说，你要坚持，要坚持，要坚持更新，坚持读paper，要是现在都坚持不下去，还有将近五年该怎么办呐。 所幸，我还是有底线的，在今天抽了一个下午，看了看论文，跑了跑代码，过程谈不上舒服，也谈不上艰辛，但是终究是有收获的。记录一下今天的收获 今天看的这篇论文其实很简单，名字叫《Conditional Generative Adversarial Nets》，简单来说就是条件生成-对抗...
【美味蟹堡王今日营业】论文学习笔记10-04
weixin_39284803的博客
10-04 1078
Language-Based Image Editing with Recurrent Attentive Models[paper] 主要是颜色 Abstract We investigate the problem of Language-Based Image Editing (LBIE). Given a source image and a natural language de...
UNet笔记
weixin_30432179的博客
05-29 133
添加一个unet的管理器 Networkmanager 在Spawn Info中可以设置当一个客户端连接进来的时候生成一个预设 Network Identity: 网络标识组件,需要同步的物体都必须添加这个组件 NetworkTransform组件: 添加后会同步位置信息 Networkmanager下的Registered Spawnable Prefabs : 需要在服务器进...
Detail-Preserving and Content-Aware Variational Multi-View Stereo Reconstruction
02-09
### Detail-Preserving and Content-Aware Variational Multi-View Stereo Reconstruction #### 概述 《Detail-Preserving and Content-Aware Variational Multi-View Stereo Reconstruction》是一篇专注于多视图...
probabilistic_unet:结合变式自动编码器的U-Net，能够学习语义分段上的条件分布
05-04
概率U网+ **Update**+ An improved Model ... 概率U-Net的体系结构如下所示：子图a）显示了采样，b）训练设置： 以下是从（随机）CityScapes数据集中以保留的验证集图像为条件的样本：虚拟环境中的安装程序包git clone ...
Variational B-Spline Level-Set
09-30
In the field of image segmentation, most level-setbased active-contour approaches take advantage of a discrete ...a restriction of the variational problem on the space spanned by the B-splines.
Farewell-to-Mutual-Information-Variational-Distiilation-for-Cross-Modal-Person-Re-identification
04-16
title={Farewell to Mutual Information Variational Distiilation for Cross-Modal Person Re-identification}, author={Xudong Tian and Zhizhong Zhang and Shaohui Lin and Yanyun Qu and Yuan Xie and Lizhuang...
运行Keras中的variational_autoencoder_deconv.py代码出现的问题
qiao1025566574的博客
07-10 340
这个代码一运行就报很多错误，困扰了一天了，然后不知怎么滴就好了，，，想了一下，我是win10系统安装了Graphviz2.38，然后再把dot.exe放到环境变量中像这样~~...
《论文阅读》Variational Relational Point Completion Network
未知丶的博客
09-24 584
留个笔记自用 Variational Relational Point Completion Network 做什么 Point Cloud Completion点云补全，简单来说，由于扫描限制，扫描得到的结果可能是一个不完整的稀疏点云，任务目标就是保证形状和全局的前提下进行上采样一样的工作，将稀疏点云构造成具有局部信息的稠密点云 做了什么 这里提出了一个初始化补全再精化补全的结构，初始化部分使用了根据全局形状的概率建模，补全部分则使用了注意力机制 怎么做 整体结构两个部分组成，第一部分PMNet，采
变分推断（variational inference）
Keith
02-12 2万+
大家对贝叶斯公式应该都很熟悉 P(Z|X)=p(X,Z)∫zp(X,Z=z)dzP(Z|X)=p(X,Z)∫zp(X,Z=z)dzP(Z|X)=\frac{p(X,Z)}{\int_z p(X,Z=z)dz} 我们称P(Z|X)P(Z|X)P(Z|X)为posterior distribution。posterior distribution的计算通常是非常困难的，为什么呢？ 假设ZZZ是一...
【极简笔记】OpenPose
Hibercraft的博客
02-26 1万+
【极简笔记】Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields 论文地址：https://arxiv.org/abs/1611.08050 文章的核心是提出一种利用Part Affinity Fields（PAFs）的自下而上的人体姿态估计算法。研究自下而上算法（得到关键点位置再获得骨架）而不是自上而下算法（先...
极简笔记 Pyramid Attention Network for Semantic Segmentation
Hibercraft的博客
06-16 9636
极简笔记 Pyramid Attention Network for Semantic Segmentation 本文核心提出PAN，提出Feature Pyramid Attention module（FPA）和Global Attention Upsample module（GAU），引入注意力机制用于语义分割。 文章认为现有分割ASPP模型会导致grid artifact；以及pyr...
极简笔记 The Lovasz-Softmax loss: A tractable surrogate for the optimization of the intersection-over-un
Hibercraft的博客
01-04 9091
极简笔记 The Lovasz-Softmax loss: A tractable surrogate for the optimization of the intersection-over-union measure in neural networks 本文提出一种Lovasz-Softmax loss，专门正对分割任务的评价指标IoU进行优化设计。由于本文涉及到的数学概念超出所学知识，因...
极简笔记 Meta-Learning for semi-supervised few-shot classification
Hibercraft的博客
03-16 7169
极简笔记 Meta-Learning for semi-supervised few-shot classification 论文地址 https://arxiv.org/pdf/1803.00676.pdf 本篇文章核心是给出了一种用于少样本半监督学习的分类算法。总体思路非常简单，通过一个网络 (Prototypical Network)提取特征，之后对特征进行聚类，聚类中心稳定之后拿去测试...
极简笔记 VAE（变分自编码器）
Hibercraft的博客
05-25 6429
极简笔记 VAE（变分自编码器） 论文原文：Auto-Encoding Variational Bayes 这是一篇极其拗口的文章，但是文章从变分推断一路延伸到自编码器的构造，过程一气呵成，和当下DL领域的灌水之风形成鲜明对比，是难得的佳作。为了能够从理论到实现融会贯通地理解，本篇笔记会更加偏向于思路解读而非原文复述。 VAE是一个生成模型，对于生成模型，我们希望求得的都是原始数据分布p(x...
variational graph auto-encoders
最新发布
03-16
变分图自编码器（Variational Graph Auto-Encoders）是一种用于图形数据的深度学习模型。它使用自编码器的结构来学习图形数据的特征表示，并使用变分推断来学习潜在空间中的概率分布。这种方法可以用于生成新的图形数据，也可以用于图形数据的分类和聚类。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值