- 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 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