- 博客(6)
- 收藏
- 关注
原创 StyleLight: HDR Panorama Generation for Lighting Estimation and Editing笔记
现有的光照估计方法要么直接回归光照表示参数,要么将该问题分解为 LFOV 到全景和 LDR 到 HDR 光照生成子任务。然而,由于局部观察、高动态范围照明以及场景固有的模糊性,照明估计仍然是一项具有挑战性的任务。为了解决这个问题,我们提出了一种耦合的双StyleGAN全景合成网络(StyleLight),它将LDR和HDR全景合成集成到一个统一的框架中。LDR 和 HDR 全景合成共享相似的生成器,但具有单独的鉴别器。
2023-11-04 21:34:34 215 1
原创 Recovering High Dynamic Range Radiance Maps from Photographs笔记
在我们的方法中,使用不同的曝光量拍摄场景的多张照片。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,直至比例因子,并使用互易假设。利用已知的响应函数,该算法可以将多张照片融合成单个高动态范围辐射图,其像素值与场景中的真实辐射值成比例。
2023-11-04 12:01:52 291 1
原创 【第3周】ResNet+ResNeXt
BN处理的是一批样本的同一维度,LN处理的是一个样本的所有维度,IN处理的是一个样本的一个维度。LN对一个样本的所有通道求均值和方差,再归一化该样本的所有通道上的值。下图左边是简单的将网络进行更深的叠加,但是可以看出,不是简单的将网络进行叠加效果就一定更好。右边半包裹箭头如果是实线 ,表明输入特征矩阵的shape和输出特征矩阵的shape是一模一样的。所以我们可以直接进行相加。是为了使我们一批数据的feature map每一个维度,也就是每一个channel的维度满足均值为0,方差为1的分布律。
2023-07-28 23:30:40 75 1
原创 【第2周】卷积神经网络
在每个 epoch 开始时,数据加载器会对数据进行随机打乱,即将数据集中的样本顺序打乱。打乱样本顺序可以帮助模型避免对数据顺序的依赖,提高模型的泛化能力。数据在每个 epoch 中按照原始顺序进行加载,默认的加载顺序是数据集中样本的顺序。适用于验证或测试阶段,可以保持 samples 的原始顺序。
2023-07-20 16:33:24 83 1
原创 【第1周】深度学习基础
Softmax函数将神经网络的输出转化为每个类别的概率值,使得模型的预测结果具有直观的概率解释性,适用于多类别分类问题,当需要将输入样本分成多个互斥的类别时,Softmax能够将模型的输出进行有效的标准化和归一化,确保每个类别的概率值都在[0, 1]范围内,且概率之和等于1,同时,它与交叉熵等目标函数搭配使用,有利于模型训练和优化。相比于LeNet的浅层网络结构,AlexNet引入了更深的网络结构,能够提取更多层次的抽象特征,并且采用了更大的卷积核尺寸和多个卷积层的组合,增加了模型对于图像的抽象能力。
2023-07-12 21:41:25 102 1
原创 蓝桥杯2017第八届C语言B组省赛习题题解——习题I.分巧克力
儿童节那天有K位小朋友到小明家做客。小明拿出了珍藏的巧克力招待小朋友们。 小明一共有N块巧克力,其中第i块是Hi x Wi的方格组成的长方形。 为了公平起见,小明需要从这 N 块巧克力中切出K块巧克力分给小朋友们。切出的巧克力需要满足: 1. 形状是正方形,边长是整数 2. 大小相同 例如一块6x5的巧克力可以切出6块2x2的巧克力或者2块3x3的巧克力。 当然小朋友们都希望得到的巧克力尽可能大,你能帮小Hi计算出最大的边长是多少么?输入格式 第一行包含两个整数N和K.
2021-11-22 20:23:00 210
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人