- 博客(699)
- 资源 (4)
- 收藏
- 关注
RSS订阅
转载 中国计算机学会推荐国际学术会议
http://www.ccf.org.cn/xspj/rgzn/https://cmt3.research.microsoft.com/User/Login?ReturnUrl=%2FCVPR2019 prl是模式识别和计算机视觉邻域知名期刊，与之相当的期刊包括ivc，mva，paa，iet-ipr以及iet-cvi等，比之稍好的有tip，cviu以及pr等，顶级期刊是pami和ij...
2017-12-06 13:48:49
946
转载 基于深度学习的CVaaS计算机视觉即服务案例（Computer Vision as a Service）
技术与技法日进千里，快速迭代过程中，真正能够留下的是应用场景的重构与对新商业范式的思考。CVaaS 计算机视觉即服务的理念介绍观点来源于：极视角科技联合创始人 罗韵CVaaS 就是 Computer Vision as a Service, 我们把 CV 的部分标准化成为了一种服务，而每一个行业可以在这里找到自己行业需要的和图像处理、视频处理、计算机视觉相关
2017-08-09 15:33:45
1971
原创 tw记账 Image Synthesis Image Inpainting MSI Afterburner pycorrector 聚类DBSCAN
sudo ./pycharm.sh嗨，如果您有64位系统，则需要对驱动程序进行签名。此驱动程序未签名，因此您必须通过点击F8 F8 F8重新启动，直到看到启动设置。选择禁用驱动程序签名强制执行，然后您可以安装驱动程序这解决了我的问题。问候约翰内斯self.woshow(self.real_A_seg_sng)def woshow(self,img): #img = t...
2017-04-28 19:21:37
1293
转载 支持向量机通俗导论（理解SVM的三层境界）
前言 动笔写这个支持向量机(support vector machine)是费了不少劲和困难的，原因很简单，一者这个东西本身就并不好懂，要深入学习和研究下去需花费不少时间和精力，二者这个东西也不好讲清楚，尽管网上已经有朋友写得不错了(见文末参考链接)，但在描述数学公式的时候还是显得不够。得益于同学白石的数学证明，我还是想尝试写一下，希望本文在兼顾通俗易懂的基础上，真真正正能足以成为一篇完
2017-04-16 09:47:27
615
转载 python：savgol_filter的简单使用
它对信号的操作是在时域内对window_length内的数据进行多项式拟合。这种滤波其实是一种移动窗口的加权平均算法，但是其加权系数不是简单的常数窗口，而是通过在滑动窗口内对给定高阶多项式的最小二乘拟合得出。版权声明：本文为CSDN博主「一从际发」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。即window_length越小，polyorder越大，则结果越接近原始曲线。即window_length越大，polyorder越小，则平滑效果越强。越小，则更贴近原始曲线。
2023-03-24 21:02:59
15
转载 Ai画画——Textual Inversion, Hypernetwork, Dreambooth三种模型训练心得
它将给定内容插入到输出中，缺点是如果你用 Dereambooth，它会用训练图替换所有相似的对象。它根据模型引用给定的图像并选择最匹配的图像。之后在输入给AI的文字中，即可通过改变训练好的几个相貌tag的比例权重，融合出现实里不存在，同时在系列图片里长相可以保持一致的角色啦！它会改变图像的整个输出，而无需在提示中调用它来浪费您宝贵的令牌，它可以在您的设置选项卡中进行设置，该选项卡将自动应用于您的所有图像。高学习率和过多的训练步骤将导致过度拟合（换句话说，无论提示如何，模型只能从训练数据生成图像）。
2023-03-20 17:59:19
390
转载 低显存（4g）训练LoRA模型的一些经验+自训练四季夏目LoRA模型分享
于是我用了网上找到的柚子社画风的模型，并且由于枣子姐的美人痣太戳我xp了，我就在mole under eyes上打了好几托括号，结果变雀斑了，再加上负面tag没打好的原因，肢体也开始降san了(由于审核的原因，这个图删掉了）在经过一系列的调试魔法，现在枣子姐的形象大概稳定了下来，接下来就是慢慢靠近原画风，慢慢让她画出不同动作不同场景的作品，同样，在以下图片中都是借鉴元素法典里的魔法来调整效果的。接着继续尝试改进，首先是又换了一个模型，跑了一堆图出来，能看的也有，但是都不太符合我对枣子姐的幻想（（嘿嘿嘿））
2023-03-12 09:57:27
2733
3
转载 生成扩散模型漫谈（一）：DDPM = 拆楼 + 建楼
但DDPM不一样，它通过“拆楼”的方式重新定义了一个自回归方向，而对于所有的像素来说则都是平权的、无偏的，所以减少了Inductive Bias的影响，从而提升了效果。正所谓“饭要一口一口地吃”，楼也要一步一步地建，DDPM做生成模型的过程，其实跟上述“拆楼-建楼”的类比是完全一致的，它也是先反过来构建一个从数据样本渐变到随机噪声的过程，然后再考虑其逆变换，通过反复执行逆变换来完成数据样本的生成，所以本文前面才说DDPM这种做法其实应该更准确地称为“渐变模型”而不是“扩散模型”。也简单介绍过扩散模型。
2023-03-05 17:13:40
44
转载 python srt字幕与视频合并
‘5’, ‘00:00:07,010 --> 00:00:08,230’, ‘你就要辛苦一下了’], [‘6’, ‘00:00:09,290 --> 00:00:10,900’, ‘这一次我们要一起合作’], [‘7’, ‘00:00:11,020 --> 00:00:12,040’, ‘有目标是谁’],。[[‘1’, ‘00:00:00,000 --> 00:00:00,790’, ‘活着’],print('视频仅支持avi以及mp4，字幕仅支持srt格式')'''调用方法示例'''
2023-02-16 20:23:31
119
转载 Audio-Driven Facial Animation 论文解读
为了让结果更自然，模型需要考虑复杂的脸部肌肉和皮肤组织之间的关系，考虑phoneme（音素）之间的相互依赖，作者采用data-driven的方法，端到端训练神经网络，学习训练数据中的复杂运动关系。接下来机器学习被应用于学习协同发音，然后是合成动画的串联阶段，或用于在各个阶段之间进行映射，例如音素分类，将文本映射到音素，将音素映射到视素，或将输入音频特征映射到高斯混合模型的控制参数。实际复现和训练，该论文效果还是不错的，能实现基础的嘴唇驱动，算法实时性很好，网络模型小、速度极快，可以应用于行业解决方案。
2022-12-28 08:56:48
137
转载 汉语（普通话）的音素对齐
highlight=mandarin#example-2-generate-mandarin-dictionary），没在文档里面找到现成的，不过逛Github的时候在一个停止维护的项目MTTS里面找到了一份字典https://github.com/Jackiexiao/MTTS/blob/master/misc/mandarin-for-montreal-forced-aligner-pre-trained-model.lexicon。oov指的是字典里没有的拼音，对齐文件在biaobei文件夹里。
2022-12-26 20:28:55
295
转载 python输出文本对齐_speech-aligner，是一个从“人声语音”及其“语言文本”，产生音素级别时间对齐标注的工具...
配置：支持通过配置文件和命令行读取参数，建议使用如--config=egs/cn_phn/conf/align.conf。speech-aligner，是一个从“人声语音”及其“语言文本”，产生音素级别时间对齐标注的工具。其他数学库，可查看cmake/Modules/FindBLAS.cmake，了解支持的数学库。示例egs/cn_phn中，使用的音素列表，来自另一个中文词典开源项目DaCiDian。# 查看输出对齐结果，包含: 文件名，音素时间起点(秒) 音素时间终点(秒) 音素。
2022-12-26 18:35:10
115
转载 论文阅读笔记：SCAN: Learning to Classify Images without Labels
摘要当ground-truth缺席时，我们能自动将图像分组成语义上有意义的聚类吗？在本文中，我们跳脱出最近的工作，而提倡一种两步方法——将特征学习和聚类解耦。首先，利用表征学习中的自监督任务获得语义上有意义的特征。其次，我们使用获得的特征作为先验知识，采用可学习的聚类方法。通过这样做，我们消除了学习依赖于（当前端到端学习方法中广泛存在的）低级特征的能力。简介和相关工作在有监督的设置下，网络擅长学习可随后聚集到预定类别中的区别性特征表示。然而，当在训练时无法得到ground-truth标签时，会发生什么？
2022-11-11 11:02:15
142
1
转载 InsetGAN ：基于多个stylegan2-ada生成器拼接的全身人像生成（2203.InsetGAN for Full-Body Image Generation）
给定一个提供有用的形状和对齐提示的语义映射，他们使用特定于类的gan的输出集合创建一个拼贴图. 相比之下，我们的工作集中在无条件设置上，这更具挑战性，因为我们的多个生成器需要相互协作，以一起生成连贯的形状和外观，而无需访问提示的语义映射。带有孔的输入显示在插图中。核心思想：不使用单个GAN对复杂的域进行建模，我们提出一种新的方法结合多个预先训练过的GAN，其中一个生成一个总体画布（如人体）和一组专门的GAN，或插入（inset），关注不同的部分（例如，脸、鞋子），这些部分可以无缝地插入到总体的画布。
2022-10-31 08:59:13
300
转载 字幕文件srt处理之pysrt
字幕文件就是在播放视频的时候加载的用来记录显示字幕的文件。文本格式字幕的扩展名通常是 ass、srt、smi、ssa 或 sub，因为是文本格式，所以尺寸很小，通常不过百十来 KB。其中 srt 文本字幕是最流行的，因为其制作和修改非常简单：一句时间代码 + 一句字幕。
2022-10-10 14:25:29
295
转载 linux下解决: Argument list too long问题
-bash: /usr/bin/cp: Argument list too long使用mv命令也是如此。找到大神提供的解决方案是使用for循环解决:for i in oldPath/*; do cp "$i" newPath/; done以上方法同样适用于mv，rm等命令
2022-05-22 19:01:28
408
原创 stylegan2等应用卡死不动的看这里
感谢您提供堆栈跟踪。你得到的错误是我认为发生的😄它有时会发生在编译过程被进程锁定的忍者身上。要解决此问题，请尝试查看路径：~/.cache/torch_extensions/fused/~/.cache/torch_extensions/upfirdn2d/（或者你的火炬扩展缓存在哪里）在那里，看看你是否有一个以.lock或类似性质结尾的文件。如果是这样，请删除该文件并尝试重新运行该脚本。它可能不一定在我上面提到的确切路径中。你能试着用它找到它吗find / -name "torch_e
2022-04-27 10:45:03
341
转载 解决python调用 ffmpeg时 ‘ffmpeg‘ 不是内部或外部命令,也不是可运行的程序,ffmpeg乱码
解决python调用 ffmpeg时 ‘ffmpeg‘ 不是内部或外部命令,也不是可运行的程序streamlink’ �����ڲ����ⲿ���Ҳ���ǿ����еij������������ļ���花了我三四个小时，百度，谷歌，自己猜问题解决办法：下面的 Default encoding for properties files设置为GBK，OK了我的问题是cmd命令执行的exe文件没有加到环境变量，乱码完全看不到报错信息我的cmd编码是936，也就是GBK模式可能是cmd编码与p
2022-04-24 10:29:12
4107
1
转载 Windows 10 x64下编译安装ninja
1. 准备工作S1. 安装git for Windows，下载地址：https://git-scm.com/download/winS2. 安装Visual Studio 2015S3. 安装Python 3.x2. Clone ninja库打开git bash，分别运行如下两行命令：git clone git://github.com/ninja-build/ninja.git && cd ninjagit checkout release123. 编译ni
2022-03-15 10:46:46
1647
转载 本科生新算法打败NeRF，不用神经网络照片也能动起来，提速100倍
万万没想到，把照片变3D这件事，离了神经网络也是这般丝滑。而在此之前，新视角合成这方面的“大牛”，是近两年大火的NeRF（神经辐射场）。它是一个简单的全连接神经网络，使用2D图像的信息作为训练数据，还原拥有体积的3D场景。但最近，来自伯克利大学的研究人员提出了一个叫做Plenoxels的方法。不需要神经网络，仅仅通过梯度下降和正则化便实现了同样的效果，而且速度还快了100倍！那么他们是如何做到这点的呢？由NeRF到Plenoxels的进化为了帮助大家理解Plenoxels，我
2022-03-09 13:12:20
175
转载 AD-NeRF：用于说话人头部合成的音频驱动神经辐射场
作为构建未来虚拟世界诸多应用的主干，如何创造栩栩如生的虚拟数字人，一直是计算机视觉、计算机图形学与多媒体等人工智能相关学科密切关注的重要研究课题。近日，中国科学技术大学联合的卢深视科技有限公司、浙江大学与清华大学共同打造的 AD-NeRF 技术，引发了学界及业界关注。来自中科大张举勇课题组等机构的研究者们在近期大火的神经辐射场（NeRF: Neural Radiance Fields）技术基础上，提出了一种由语音信号直接生成说话人视频的算法。仅需要目标人物几分钟的说话视频，该方法即可实现对该人物超级逼真的形
2022-03-08 15:36:08
924
转载 Windows 安装 pytorch3d
Windows 安装 pytorch3d首先安装pytorch，我安装的是python 3.8 + cuda 10.2 + pytorch 1.7.1 + torchvision 0.8.2 + cub 1.10.0其中，cudnn和cudatoolkit与cuda的版本一致的，cub直接conda是不行的，需要从github上下载release，再在环境变量里添加CUB_HOME作者：胡写含链接：https://www.jianshu.com/p/ffd696866469来源：简书
2022-03-01 20:50:06
564
1
转载 Pivotal Tuning for Latent-based Editing of Real Images
文中引用一下[38]的论点，越靠近W空间，编辑能力越强。要点：真实图片的inversion空间与GAN的W空间混合，使得它们都在生成器的domain之内。本文研究目标，对于真实图片的高清编辑，论点：对于一个编辑任务，对于真实图片的映射到隐层空间后已经out of domain，导致生成的图片会有伪影，因提出了训练生成器，扩大生成器的输入domain，使得编辑后的采样点也在生成器的输入域范围内。所以，本文在训练的时候是pivotal tuning，轻微调整生成器，使得那些从真实图片映射至隐空间可能
2022-02-14 10:12:32
404
转载 Python 3 利用 Dlib 实现人脸检测和剪切
0. 引言 利用 Python 开发，借助 Dlib 库进行人脸检测 / face detection 和剪切； 1.crop_faces_show.py: 将检测到的人脸剪切下来，依次排序平铺显示在新的图像上； 实现的效果如 图1 所示，将 图1 原图中的 6 张人脸检测出来，然后剪切下来，在图像窗口中依次输出显示人脸； 2.crop_faces_save.py: 将检测到的人脸存储为单个人脸图像； 图 1 原图 和crop_...
2022-01-19 19:41:32
1595
1
转载 超分辨率：将背景和人脸分离 ，人脸、背景分别做增分后将人脸贴回背景图
景（自然景物超分辨率）和人脸超分辨率相结合，可以实现更高的超分效果，提升结果的观感。# 问题描述与原因分析： 对一张有人脸的图片做超分时候，如果单纯是使用一个自然场景的超分辨率网络，背景部分应该可以较好地还原，毕竟模型在训练的时候有大量的自然景物数据集作为支撑，但是对于人脸区域，使用景物的超分网络效果不一定好，因为人脸超分网络需要用大量的人脸（正脸）数据来训练。解决方案：总体思想是先将图片中的所有人脸检测出来，单独做人脸区域超分，然后对背景做超分，使用Mask的方式将人脸再贴到结果图片。第一步是检
2022-01-07 21:07:28
454
转载 python怎么变成动图_python简单的图片切换形成动画效果程序
简单事情复杂化了，这个程序实现这个效果还能再度精简很多代码，把类去掉吧，你能自行完成吗？import turtleclass Window:def __init__(self,width,height,bgimages,title="",alt_delay=120,bgcolor="white"):self.screen = turtle.Screen()self.screen.delay(0)self.screen.setup(width,height)self.scree
2021-12-06 09:08:44
801
转载 Python实现高级电影特效，CXK也能影分身
一、前言前几天写了个实现特效的博客，感觉有点差强人意，只是简简单单的换背景应用场景不是非常多，今天就来实现一个更加复杂的特效“影分身”。下面有请我们本场的主演，坤制作人为我们表演他拿手的鸡你太美。关于实现原理，和上一篇没有本质区别，同样是逐帧处理，但是这里还是详细说一下。光理论是不够的,在此送大家一套2020最新Python全栈项目视频教程，点击此处 进来获取 跟着练习下，希望大家一起进步哦！二、实现原理首先我们要准备一个视频，作为我们的素材。然后我们要逐帧提取视频中的图像，接下来我们利用pa
2021-12-04 17:17:26
293
转载 [解决方案记录]No module named fused(stylegan2的bug，已更新)
基本情况https://github.com/rosinality/stylegan2-pytorch/issues/81运行psp时出现的问题。其实就是stylegan2里面采用了c++编译等功能带来的bug，非常烦人。系统：windows平台：pycharm + jupyter notebookGPU：GTX1660Ti解决方案(0)无脑但是有效：直接把fused_leakyrelu,upfirdn2d_native和FusedLeakyRelu替换为pytorch实现即可。参
2021-10-03 17:06:12
1446
3
转载 设置cl.exe环境变量
先给出两个报错的内容：d:\Anaconda3\envs\torch\lib\site-packages\torch\utils\cpp_extension.py:189: UserWarning: Error checking compiler version for cl: [WinError 2] 系统找不到指定的文件。d:\Anaconda3\envs\torch\lib\site-packages\torch\utils\cpp_extension.py:189: UserWarning:
2021-10-03 14:16:54
2555
转载 python3+opencv生成不规则黑白mask
# -*- coding: utf-8 -*-import cv2import numpy as np # -----------------------鼠标操作相关------------------------------------------lsPointsChoose = []tpPointsChoose = []pointsCount = 0count = 0pointsMax = 10def on_mouse(event, x, y, flags, param): .
2021-09-17 16:17:46
472
转载 python对视频画框标记后保存
需要画框取消注释rectangleimport cv2import os,sys,shutilimport numpy as np# Open the input movie file, input the filepath asinput_filepath = sys.argv[1]input_movie = cv2.VideoCapture(input_filepath)length = int(input_movie.get(cv2.CAP_PROP_FRAME_COUNT))..
2021-09-15 19:50:59
376
转载 stylegan2 示例命令fused_bias_act.cu环境配置异常(无法打开包括文件: “tensorflow/core/framework/op.h”
在python运行stylegan2示例时,运行过程中,触发fused_bias_act.cu中的异常,可以看到fused_bias_act.cu中实际上是用c/c++写的实现代码.仔细看异常信息会发现这句话无法打开包括文件: “tensorflow/core/framework/op.h”:解决策略1.首先确保你安装了c/c++工具集,版本号可以有些不一致,这影响不大,在这里:2.确定你已经调整了工具集引用3.这里我取巧做了步骚操作,不合理但最简单:从[c.
2021-09-09 08:35:19
733
1
转载 Neighbor2Neighbor: Self-Supervised Denoising from Single Noisy Images
下面内容来自智源研究院CVPR2021预讲华为诺亚专场1、深度学习的图像去噪方法面临的挑战当前方法主要包括三类：基于监督学习的方法：使用 noisy-clean 图像对进行训练（DnCNN, FFDNet, CBDNet, SGNet）。这类方法的难点在于，在真实场景中，比较难以获取 noisy-clean 的图像对 Noise2Noise（ICML18）：使用 Noisy-noisy 图像对进行训练，每个场景都需要 multiple independent observations 。在应.
2021-08-20 10:13:06
1247
1
转载 opencv python 多帧降噪算法_防抖技术 | OpenCV实现视频稳流
在这篇文章中，我们将学习如何使用OpenCV库中的点特征匹配技术来实现一个简单的视频稳定器。我们将讨论算法并且会分享代码(python和C++版)，以使用这种方法在OpenCV中设计一个简单的稳定器。视频中低频摄像机运动的例子视频防抖是指用于减少摄像机运动对最终视频的影响的一系列方法。摄像机的运动可以是平移(比如沿着x、y、z方向上的运动)或旋转(偏航、俯仰、翻滚)。视频防抖的应用对视频防抖的需求在许多领域都有。这在消费者和专业摄像中是极其重要的。因此，存在许多不同的机械、光学和算法
2021-08-02 19:25:50
856
转载 .bat脚本自动yes_推荐|PyToBI自动标注韵律
oBI(http://www.speech.cs.cmu.edu/tobi/ToBI.1.html)是标注语调模式和其它一些韵律层面的信息的系统，最初提出用于英语句子上，可能目前在其它很多语言都有使用。详细说明可参考它的官方网站，以及有大量的文献。今天推荐大家一款自动标注ToBI语调模式及一些韵律特征的开源工具包，PyToBI，笔者将它fork到我的github上，地址在[https://github.com/feelins/PyToBI]，使用方法同以前，仍然可以点击Download下载整个开源工具包
2021-08-01 09:01:10
158
转载 从对比学习(Contrastive Learning)到对比聚类(Contrastive Clustering)
从对比学习(Contrastive Learning)到对比聚类(Contrastive Clustering)作者：凯鲁嘎吉 - 博客园http://www.cnblogs.com/kailugaji/ 想要了解对比聚类，首先应该清楚对比学习的整个过程。最经典的对比学习的文章是Hinton团队提出的SimCLR，该方法首先将一个实例(图像)变换成两种不同的增广实例(图像)，然后用神经网络训练得到投影表示，用余弦相似性求出两两投影表示之间的相似性，并最大化相同实例投影表示之间的一致性。而对比...
2021-07-22 08:59:44
1590
转载 SCAN Learning to Classify Images without Labels(翻译)
SCAN Learning to Classify Images without Labels概览Approach: A two-step approach where feature learning and clusteringare decoupled.Step 1:Solve a pretext task + Mine k nearest neighbrs通过利用特征相似性来挖掘每张图片的最近邻居nearest neighbors，研究发现这些nearest neighbors很
2021-07-15 10:20:18
297
转载 【Deep Clustering】Improving Unsupervised Image Clustering With Robust Learning
Abstract非监督图像聚类算法通常是提出一个辅助目标函数间接训练模型，并且聚类结果受到错误的预测和过于自信（overconfidence）的结果的影响，作者通过提出RUC (Robust learning for Unsupervised Clustering)模块解决这个问题，该模块将现有聚类算法生成的伪标签（可能会包含错误分类的样本）看作噪声样本，而它的重新训练过程可以纠正错误分类并缓解过度自信的问题。该模块可以作为其他聚类算法的附加模块用来提高精度RUC主要由两个部分组成：1. ext
2021-07-15 08:39:21
736
转载 对比学习（Contrastive Learning）:研究进展精要
对比学习(Contrastive Learning)最近一年比较火，各路大神比如Hinton、Yann LeCun、Kaiming He及一流研究机构比如Facebook、Google、DeepMind，都投入其中并快速提出各种改进模型：Moco系列、SimCLR系列、BYOL、SwAV…..，各种方法相互借鉴，又各有创新，俨然一场机器学习领域的军备竞赛。对比学习属于无监督或者自监督学习，但是目前多个模型的效果已超过了有监督模型，这样的结果很令人振奋。我想，NLP领域的Bert模型，对于这波图像领域的对
2021-07-13 16:41:33
1531
dlib安装 dlib-19.19.0-cp38-cp38-win_amd64.whl.whl
2022-04-20
dlib-19.17.99-cp37-cp37m-win_amd64.whl
2022-04-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人