自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(18)
  • 收藏
  • 关注

原创 Co-Speech Gesture Synthesis with Learned Templates_ICCV2021

协同语音知识生成,本文的方法生成了一个完整上半身的动作,包括手、头和手臂。目前方法多样性有限、保真度差和缺乏客观指标。由于语音无法完全确定手势,因此设计的方法学习一组手势模板向量对潜在条件进行建模。模板向量决定总的外观,语音驱动细微身体运动。采用唇同步误差评估模型。

2023-05-18 22:26:56 413

原创 Capture, Learning, and Synthesis of 3D Speaking Styles_CVPR2019

由于缺少可用的3D数据集、模型和评估指标,导致语音驱动的3D面部动画逼真性和人性化有待提高。因此本文提出了一个新的数据集。提出的VOCA在训练过程中可调节说话风格,同时提供了动画师控制改变说话风格,面部形状和姿势等。

2023-05-17 14:25:33 281

原创 Real-time Demoireing-ICLR_2023

以往的方法处理摩尔纹不严重区域的时候,会过度白化图像内容,产生副作用。总体框架如图所示,首先将摩尔纹图像分解为多个子图,然后根据摩尔纹先验划分不同的组(摩尔纹复杂度,包括频率和色彩信息)。利用较大的网络恢复摩尔纹集中区域,利用小网络还原较少的区域减轻负担。同时,多个网络也会增加部署负担,因此采用SuperNet范式,以参数共享的方式联合训练所有网络,并从该超网中直接提取不同大小的共享子网。给定摩尔纹图像X,首先将其分解为多个子图像块,对于特定的块x,使用高斯高通滤波器来提取频率信息F(x),标准差为5。

2023-05-15 20:42:42 176

原创 FHDe2Net-ECCV2020

FHDe2Net-ECCV2020

2022-10-29 12:53:21 356

原创 ESDNet-2022ECCV

ESDNet-2022ECCV

2022-10-26 22:47:32 658

原创 FDNet-NIPS2020

FDNet-NISP2020

2022-10-25 20:21:44 221

原创 WDNet代码解读

WDNet代码解读

2022-10-20 22:22:28 668

原创 WDNet—2020ECCV

WDNet-2020ECCV

2022-10-19 19:23:59 448

原创 多尺度特征编码网络MDDM-2019 ICCV

多尺度特征编码去摩尔纹

2022-10-17 22:19:11 1181

原创 DMCNN–2018TIP

深度学习去摩尔纹-2018TIP

2022-10-15 15:52:48 968

原创 超分辨率重建的传统方法

超分辨率重建的传统方法

2022-10-07 14:46:14 2910 2

原创 ROS基础知识

ROS基础知识

2022-10-05 22:02:23 6119

原创 Tensorflow基础语法以及网络搭建

Tensorflow基础与经典网络搭建

2022-10-05 21:48:41 311

原创 Transformer(参考某乎)

Transformer

2022-10-05 21:39:17 539

原创 时间序列预测

时间序列预测

2022-10-05 21:30:18 1532

原创 Sklearn常用API以及代码

Sklearn常用API及代码实现

2022-10-05 21:15:00 921

原创 基于深度学习的超分辨率综述

基于深度学习的超分辨率重建综述

2022-10-05 21:06:38 1235

原创 机器学习概览

机器学习概览前言一、数据预处理1.数据清理2.数据集成3.数据规约4.数据变换二、回归1.简单的线性回归2.线性回归正则化3.多元线性回归三、分类1.逻辑回归2.KNN3.决策树4.SVM四、集成1.bagging2.随机森林3.Boosting4.AdaBoost四、聚类1.K-means2.层次聚类五、降维1.主成分分析(PCA)2.非线性降维方法五、概率图模型1.隐马尔科夫模型2.条件随机场六、神经网络BP七、深度学习与强化学习1.深度学习2.强化学习总结前言从去年暑假开始,大半年的时间学习机器学

2021-02-23 12:05:08 483 1

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

提示
确定要删除当前文章?
取消 删除