- 博客(6)
- 收藏
- 关注
RSS订阅原创 MINE论文阅读
为了解决比例因子s，我们对来自视频结构运动的稀疏3D点(SfM)和我们合成的Eq. 4深度图进行了尺度校准。在训练过程中，根据新的视图摄像机旋转R和尺度校准的摄像机平移t '，将输入图像Isrc输入到网络中，然后渲染为(ˆI。它的深度分辨率受到离散平面数量的限制，因此 MPI 不能转换为其他 3D 表示，例如网、点云等。我们不是缩放我们的3D表示，而是在训练和推理时将相机平移t缩放到t '。是对应的3D点的深度。align——表示左右居中——left，center，right。是图像上的像素坐标，z。
2023-10-16 10:14:48
72
1
原创 第三周 ResNet的学习
1、Residual learning 的基本原理？以下是残差模块的一个基本网络结构。2、Batch Normailization 的原理，思考 BN、LN、IN 的主要区别。（1）BN的原理首先是计算数据B的均值→然后计算数据B的方差→对数据B进行标准化处理→进行平移和缩放处理，引入γ和β两个参数，通过这两个参数，让我们的网络可以学习恢复到原始网络的特征分布。（2）区别a) BN：是对不同样本的同一特征通道进行归一化。b) LN: 是对同一样本的所有特征通道进行归一化。
2023-07-28 20:02:25
185
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