扩散(二分 + 并查集)

原题链接

解题思路:二分 + 并查集
C++代码
#include <bits/stdc++.h>
using namespace std;
const int N = 55;
typedef pair<int, int> PII;
PII q[N];
int n, p[N];
int find(int x)
{
    if (x != p[x]) p[x] = find(p[x]);
    return p[x];
}

int get(int i, int j)
{
    return abs(q[i].first - q[j].first) + abs(q[i].second - q[j].second);
}

bool check(int mid)
{
    for (int i = 1; i <= n; i ++ ) p[i] = i;
    for (int i = 1; i <= n; i ++ )
    {
        for (int j = 1; j < i; j ++ )
        {
            int dist = get(i, j);
            if (2 * mid >= dist)
            {
                int pa = find(i), pb = find(j);
                if (pa != pb) p[pa] = pb;
            }
        }
    }
    int cnt = 0;
    for (int i = 1; i <= n; i ++ ) if (p[i] == i) cnt ++ ;
    if (cnt == 1) return true;
    else return false;
}

int main()
{
    cin >> n;
    for (int i = 1; i <= n; i ++ ) cin >> q[i].first >> q[i].second;
    int l = 0, r = 1e9;
    while (l < r)
    {
        int mid = l + r >> 1;
        if (check(mid)) r = mid;
        else l = mid + 1;
    }
    cout << r << endl;
    return 0;
}

参考博客

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
扩散模型(Diffusion Model)是一种经典的数学模型,用于描述在空间中某个特定情景下信息、物质或能量的传播和扩散过程。在实现风格转换的问题中,扩散模型可以被运用来模拟风格间的传播和融合。 风格转换是指将一张图像的风格转变为另一种风格,比如将一幅油画风格的图像转换为卡通风格。利用扩散模型,可以将源图像的风格信息沿着空间传播和扩散,逐渐融合到目标风格上。 首先,我们将源图像和目标风格划分为小块,每个小块包含像素的风格特征。然后,在源图像中选取一个小块为种子,将其风格特征与目标风格相融合。接下来,将该融合后的小块的风格特征以一定速率传播到周围的邻近小块上,并继续扩散扩散的速度可以根据邻近小块的距离和相似度进行调整,距离越远和相似度越低,传播速度越慢。这样,源图像的风格特征就会逐渐传播到整个图像上,并与目标风格融合,实现风格转换。 在实际应用中,我们可以通过调整扩散速度、传播范围或融合程度来控制风格转换的效果。通过多次迭代扩散过程,可以逐渐提高风格的融合度,使得最终的转换结果更加自然和符合目标风格。 综上所述,扩散模型可以有效地实现风格转换,通过模拟信息的传播和扩散过程,将源图像的风格特征逐渐融合到目标风格上。这种方法在图像处理和计算机视觉领域有着广泛的应用前景。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值