深度学习
文章平均质量分 78
苏城酒
山不看我,我自去看山
展开
-
NeRF 2020论文
再进一步,因为空间中的密度分布是不均匀的,射线均匀随机采样的话,渲染效率会比较低,因此我们训练两个辐射场网络,一个粗糙网络(Coares)一个精细网络(Fine)。因此,一个点的密度越高,这点在这个射线下的颜色反应在像素上的权重越大。积分是理想状态,实际上,我们通过采样射线上的点,获取密度值,将密度作为权重,对各个点的颜色进行加权求和。NERF用 2D 的 posed images 作为监督,无需对图像进行卷积,而是通过不断学习位置编码,用图像颜色作为监督,来学习一组隐式参数,表示复杂的三维场景。原创 2023-07-11 13:43:23 · 127 阅读 · 0 评论 -
语义分割网络-BiSenet
Sementic Segmentation-BiSenet语义分割网络-BiSenet(Sementic Segmentation-BiSenet)介绍思路来源关于感受野关于空间信息网络框架Spatial PathContext PathBackBone网络注意力优化模块(ARM):特征融合模块(FFM):放大与输出Loss Function创新点总结分割效果测试结果:BiSeNet网络代码Ten...原创 2018-10-31 21:38:53 · 18879 阅读 · 6 评论 -
语义分割网络-Segnet
Sementic Segmentation-SegnetSegnet介绍文章链接框架合理的创建标题,有助于目录的生成如何改变文本的样式如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入Segne...原创 2018-10-23 17:44:06 · 20475 阅读 · 6 评论