- 博客(5)
- 收藏
- 关注
RSS订阅原创 小小谭读论文（课程作业版）
我们提出了一种从传统成像设备拍摄的照片中恢复高动态范围辐射图的方法。在我们的方法中，场景的多张照片是用不同的曝光量拍摄的。我们的算法使用这些不同曝光的照片来恢复成像过程的响应函数，最高可达比例因子，使用互惠假设。利用已知的响应函数，该算法可以将多张照片融合为一张高动态范围的辐射图，其像素值与场景中的真实辐射值成比例。我们在光化学和数字成像过程中获得的图像上演示了我们的方法。我们讨论了这项工作如何适用于涉及数字化照片的计算机图形学的许多领域，包括基于图像的建模、图像合成和图像处理。
2023-11-04 20:49:06
82
1
原创 小小谭读论文（三）
我们介绍Point-MVSNet，一个用于MVS的新的基于点云深度框架网络，与已经存在的代价体方法不同，我们的方法直接将目标场景处理为点云，更加具体来说，我们的方法预测深度以一种由粗到细的方法，我们首先生成一个粗的深度图。通过估计当前迭代深度与地面实况深度之间的残差，迭代的细化点云。
2023-09-19 16:46:49
75
原创 小小谭读论文（二）
基于深度学习的MVS方法面临着预测出深度图来达到一个准确和完整的3D表示，尽管有着优秀的性能，现今存在的方法忽略了这样一个事实即一个合适的深度图对于MVS来说也是身份重要的。在这篇文章中，我们证明了不同的深度几何有着显著的性能差异，即使使用相同的深度预测误差。因此，我们介绍了一个理想的深度几何，这个深度几何由鞍形细胞组成，其预测的深度图围绕GT表面情况上下震荡，而不是保持一个连续的且光滑的深度平面。
2023-09-17 17:22:19
105
1
原创 【无标题】
三维重建旨在从二维图像中重建出三维物体，之前的用于三维重建的网络主要关注图像之间的特征匹配或者使用CNN网络作为主干网络，最近，Transformer网络被证实在大量的计算机视觉应用中是有效的，然而Transformer网络是否可以备用与3D重建仍然是未知的，在这篇文章中，我们通过提出3D-RETR解决了这个问题，3D-RETR能够使用Transformer来执行端到端的3D重建。3D-RETR首先使用一个预训练好的Transformer来从2维的输入图片中提取视觉特征。
2023-09-16 17:48:44
87
原创 sigmoid
初学UNET Day1因为学习方面的需要，开始学习Unet网络，因为自身基础较差，能卡懂一点十一点UNET的工作原理因为之前对于深度学习的框架没有十分深入的理解，即使在之前的项目中有接触过Deeplabv3和Yolov3，但是也是浅尝辄止，此次正好把握机会好好掌握一下深度学习的网络。基本概念个人感觉新手入门的话如果对于基本盖帘不理解，及时各位大牛将原理讲的有多简单易懂，自己还是简单不了，因此，我认为要学习神经网络，首先要了解基本概念参考文献：卷积卷积：卷积的概念是计算连续变化的事物和事物本身的
2021-05-05 17:43:36
246
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人