起风了丿-CSDN博客

原创基于GAN的情感面部生成系统

Design and Implementation of Emotional Face Generation Based on Generative Adversarial NetworksDependencies[Python3][PyTorch][Tensorflow] (optional for tensorboard)Please refer to requirements.txt for specific installation package version.Datasets

2020-12-06 14:18:17 791 3

原创论文笔记：Residual Feature Distillation Network for Lightweight Image Super-Resolution

（1）受益于CNN强大的拟合能力，图像超分取得了极大的进展。尽管基于CNN的方法取得了极好的性能与视觉效果，但是这些模型难以部署到端侧设备(高计算量、高内存占用)。（2）为解决上述问题，已有各种不同的快速而轻量型的CNN模型提出，IDN(Information Distillation Network, IDN)是其中的佼佼者，它采用通道分离的方式提取蒸馏特征。然而，我们并不是很清晰的知道这个操作是如何有益于高效SISR的。

2021-01-29 15:56:57 1206 1

原创论文笔记：Collaborative Distillation for Ultra-Resolution Universal Style Transfer

摘要（1）通用的风格迁移方法通常利用对大量图像集合上进行预训练的Deep Convolutional Neural Network（CNN）模型（例如VGG-19）的丰富表示形式。尽管有效果，但由于内存有限，其大尺寸模型无法处理超分辨率图像，因此其应用受到了严重限制。（2）作者提出了一种新的知识蒸馏方法（称为协作蒸馏），用于基于编码器-解码器的神经网络风格转移，以减少卷积滤波器。主要思想是通过发现（编码器-解码器对构成了排他性的协作关系，这被视为样式迁移模型的一种新型知识）。（3）此外，为了克服在应用

2021-01-14 18:19:01 972

原创论文笔记：CycleISP: Real Image Restoration via Improved Data Synthesis

摘要

2021-01-14 18:18:42 1251 1

原创论文笔记：GANimation: Anatomically-aware Facial Animation from a Single Image

摘要在Star GAN的基础上，GANimation又增加了注意力机制，使用了人脸的AU标签代替离散的情感标签，提高了模型对面部的生成效果，使得它在人脸面部情感转换功能有显著的优势。对于任意情感，GANimation模型将输入的RGB图像定义为Iyr∈RH∗W∗3I_{yr}∈R^{H*W*3}Iyr∈RH∗W∗3把复杂情感分解成一个个AU，本文用一组AU激活值yr=(y1,…,yN)y_r=(y_1,…,y_N)yr=(y1,…,yN)对每个情感进行编码，其中每个yiy_iyi已经经过归一

2021-01-06 10:40:21 630 1

原创论文笔记：StarGAN Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation

论文笔记：StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image TranslationStarGAN的引入是为了解决多领域间的转换问题的，之前的CycleGAN等只能解决两个领域之间的转换，那么对于含有C个领域转换而言，需要学习C*(C-1)个模型，但StarGAN仅需要学习一个，而且效果很棒。Cycle GAN已经完成图像到图像的翻译任务，但是Cycle GAN也有它不完善的地方，Cycle G

2020-12-19 11:00:14 414

原创论文笔记：GAN Compression：Efficient Architectures for Interactive Conditional GANs

摘要

2020-12-08 23:20:08 1750 2

原创论文笔记：Multi-Scale Boosted Dehazing Network with Dense Feature Fusion

摘要（1）作者提出了一种基于U-Net架构的具有稠密特征融合的多尺度增强除雾网络。（2）该方法是基于增强（boosting）和误差反馈（error feedback）两个原则设计的，表明它们适用于除雾问题。（3）通过在作者提出的模型中的解码器中合并“Strengthen-Operate-Subtract”增强策略，作者开发了一种简单而有效的增强解码器（boosting decoder），以逐步恢复无雾图像。（4）为了解决在U-Net架构中保留空间信息的问题，作者使用反投影反馈方案设计了一个稠密特征

2020-12-08 22:49:54 3363 1

原创论文笔记：Domain Adaptation for Image Dehazing

摘要

2020-11-30 20:17:45 1363 1

原创论文笔记：Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution

摘要（1）

2020-11-21 13:17:50 752

原创 Pytorch指定GPU的方法

一. 改变系统环境变量1.改变系统环境变量仅使目标显卡,编辑 .bashrc文件，添加系统变量：export CUDA_VISIBLE_DEVICES=0# 这里是要使用的GPU编号2.在程序开头设置：os.environ["CUDA_VISIBLE_DEVICES"] = '0,1,2,3'# 在运行程序时指定一般先在程序开头输入该代码。3.运行程序时使用命令行,来设置该程序可见的gpu:CUDA_VISIBLE_DEVICES=0,1,2,3 python xxx.py在终端下

2020-11-16 20:41:17 1175 1

原创论文笔记：Reusing Discriminators for Encoding: Towards Unsupervised Image-to-Image Translation

摘要

2020-11-15 10:51:22 1601

原创论文笔记：FFA-Net Feature Fusion Attention Network for Single Image Dehazing

摘要论文代码地址

2020-11-11 23:18:06 2819

原创论文笔记：PSGAN

摘要

2020-11-11 21:27:28 1191 2

原创论文笔记：Semantically Multi-modal Image Synthesis

摘要（1）该文侧重于语义多模态图像合成（Semantically Multi-modal Image Synthesis，SMIS）任务，即，在语义级别产生多模态的图像。（2）先前工作存在的问题：先前的工作试图使用多个特定于类的生成器，以限制其在少数类的数据集中的使用。（3）该文提出的方法：该文提出了一种新颖的组减少网络（Group Decreasing Network，GroupDNet），该网络利用生成器中的组卷积并逐渐减少解码器中卷积的组数。分组卷积和卷积的介绍。1.Introduction

2020-11-09 17:07:52 1168

原创论文笔记：Cascade EF-GAN: Progressive Facial Expression Editing with Local Focuses

1.摘要人脸表情编辑通常涉及较大的几何变化，并且需要同时修改多个面部区域。虽然基于生成式对抗网络（GAN）的人脸表情编辑模型已取得了显著性成果，但是在处理大幅度表情变换时如从愤怒到笑等，当前模型依旧会产生伪影和模糊问题。针对这一问题作者提出了以局部区域为重点的渐进式表情转换模型 Cascade EF-GAN。不同于针对整张图像的表情变换模型，该模型将表情变换细分为眼睛，鼻子和嘴巴的局部区域独立地进行表情变换，并采用渐进的方式训练模型。实验表明该模型有助于抑制重叠伪影以及模糊问题，并能产生逼真自然的效果。

2020-11-03 22:34:04 885 3

起风了丿的博客