用 0|1 看待世界
文章平均质量分 83
待我羽翼丰满之时,我在二进制世界为你描绘无尘的梦境!
萧班
挥斥方遒,大展身手!
展开
-
Image Shape Manipulation from a Single Augmented Training Sample
Profile\mathbf{Profile}Profile直接上图好吧,????,本文要实现的任务:1️⃣ 只使用一组图像对 (a),(b)(a), (b)(a),(b) 作为训练数据,其中称 (a)(a)(a) 为元素图像(Primitive Image\mathbf {Primitive~Image}Primitive Image),称 (b)(b)(b) 为目标图像(Target Image\mathbf{Target~Image}Target Image)原创 2021-09-22 20:28:43 · 564 阅读 · 0 评论 -
Globally Optimal Toon Tracking
最近看了师公的一篇文章,果然偶尔看看传统算法的文章,才能对问题的本质有深刻的理解,特此记录,敬畏前人。该任务的可视化例子如下:????原项目地址1. Optical Flow 不能用于赛璐璐(cel)动画的原因1️⃣ 不能保证动画的内容(运动)是物理上正确的;2️⃣ 对象运动更剧烈(Choppy & Vigorous);3️⃣ 动画对象缺乏充足的纹理。2. 任务难点1️⃣ 存在多个外形(Appearance)相似的区域(Region);2️⃣ 某个 Region原创 2021-09-16 20:28:16 · 209 阅读 · 0 评论 -
User-Guided Line Art Flat Filling with Split Filling Mechanism
Profile这篇文章想要解决的问题是纯线稿图画的“平涂(Flat Filling)”的问题;就像《神秘花园》一样,又不限于花花草草与几何图形,可以是任意的形象。与一般的自然图像着色和动漫线稿上色不同,前者(如 LOHOGAN)有丰富的亮度提供纹理支持,后者(如 StylePaints-v2)需要考虑渐变与亮/暗面;平涂就是线稿包围的一个区域仅填充一种颜色。鉴于文章的图过于模糊(应该是 ppt 保留为图片贴上去的),视觉效果请见原文:User-Guided Line Art Flat Filling原创 2021-08-04 11:14:26 · 753 阅读 · 0 评论 -
Anycost GANs for Interactive Image Synthesis and Editing
Profile\rm ProfileProfile平日里我们使用 Pr\rm PrPr、Ae\rm AeAe 做视频的时候,预览模式可以选择分辨率 {full,1/2,1/4,etc.}\rm \{full, 1/2, 1/4, etc.\}{full,1/2,1/4,etc.},便于适应不同的边缘设备、模型复杂度下的实时预览和流畅的人机交互操作。这篇文章首次将 Preview\rm PreviewPreview 应用到了基于 GAN\rm GANGAN 的图像编辑任务中——大规模的生成网络如 Sty.原创 2021-03-25 14:57:47 · 1013 阅读 · 5 评论 -
GoodCodes: FFHQ/CelebA数据与处理——人脸图像对齐
这是一段 StyleGAN(v2) 使用的人脸图像对齐代码,也可用于其他任务和其他人脸数据集的对齐。import numpy as np from PIL import Image from tqdm import tqdmimport osimport jsonimport matplotlib.pyplot as plt import scipy import scipy.ndimage## 全局变量output_size = 256transform_size = 256.原创 2021-02-21 17:42:03 · 2074 阅读 · 3 评论 -
Training Generative Adversarial Networks with Limited Data
Profile四大生成模型之一的 GAN 由一对生成器 G 和鉴别器 D 构成。以图像生成为 ????,GAN 的训练有两个特点:☝ 在缺乏其他限制下,生成的图像的分布严格近似于 D 看到的真实图像分布;✌ 对于生成模型,过拟合(over fitting 只能复现训练时见过的样本)优于欠拟合(under fitting,训练炸了,无法生成自然的图像)。G 过拟合的发生比较少;G 欠拟合是更常见的——其表现为:以 LSGAN 为 ????,鉴别器 D 对生成样本的评分很低,即 Dfake→0D_{原创 2021-02-07 15:47:45 · 3669 阅读 · 19 评论 -
论文笔记:Contrastive Adaptation Network for Unsupervised Domain Adaptation
1. 任务设置Unsupervised Domain Adaptation for ImageClassification\rm Unsupervised~Domain~Adaptation~for~Image ClassificationUnsupervised Domain Adaptation for Imag...原创 2020-03-14 18:33:27 · 2598 阅读 · 2 评论 -
Analyzing and Improving the Image Quality of StyleGAN
前言本文围绕2019年上半年的工作 StyleGAN 存在的两个问题进行讨论:Blob Artifacts(液滴伪像);Shift Invariance(切变不变性)。为了解决这两个问题作者提出了一系列的假设、分析和解决方法。明确 StyleGAN 的问题首先我们需要明确上面提到的两个问题分别是什么?Blob ArtifactsShift Invarianc...原创 2019-12-15 16:04:01 · 3277 阅读 · 3 评论 -
U-GAT-IT
论文原文:U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation一、解决的问题——unpaired image-to-image translation1.Selfie2Anime...原创 2019-08-10 18:44:59 · 6595 阅读 · 15 评论 -
CariGANs: Unpaired Photo-to-Caricature Translation
2018年SIGGRAPH的一篇文章,原文见:CariGANs: Unpaired Photo-to-Caricature Translation。由于时间的关系,小编这里也只贴了我的PPT,完整PPT可以私聊我哈!1.要解决的问题2. 基本思路3. 数据集准备这里有两个主要的问题——1)为什么要自己标记,不用现成state-of-the-art的模...原创 2019-06-30 18:56:16 · 1069 阅读 · 21 评论 -
Image Generation from Layout
2019年CVPR的一篇文章,原文见:Image Generation from Layout,代码见:Codes & Demo。为了节省时间,小编这里仅放PPT的插图。完整ppt可以私我哈!1)要解决的问题2)任务的难点3) 关键技术:将具体对象的表示方式解耦,分为确定性的表征基本类别的部分与不确定性的表征具体外观表现的部分。4)合成流程(测试阶段)...原创 2019-06-12 12:34:01 · 1646 阅读 · 10 评论 -
论文笔记:Eye In-Painting with Exemplar Generative Adversarial Networks
先发一张美美的图片! 这篇文章的工作出发点是补救那些人在拍照时不小心眼睛闭上而得到的照片,可以说是“开眼”啦~ 这里先简要介绍这项工作: 1)目的:让照片中闭眼的人物睁开双眼; 2)网络框架:生成拮抗网络(GAN),本文提出了ExGANs. 3)基本思路:基于照片补全(Image Completion)的思想,将照片中人物的“闭眼”先定...原创 2018-06-21 09:21:30 · 2137 阅读 · 4 评论 -
论文笔记:Visual Attribute Transfer through Deep Image Analogy
这是一篇讲解图像类比(Image Analogy)的文章。给定一组图片:A和B'。A提供语义Semantic(“是什么”)和内容Content(如图片的哪个位置会有这个object的什么,其形状和大小是怎样的)两大主要信息,B'则主要提供外观性Appearance(如颜色、光照、风格)和细节(主要是纹理)两个大信息。接下来,我们要做的就是把两张图片都划分为固定大小的patch,然后把色...原创 2018-09-16 12:43:17 · 2948 阅读 · 0 评论 -
论文笔记:Progressive Attention Guided Recurrent Network for Salient Object Detection
标题翻译:基于渐进式注意力指导循环网络的显著性目标检测。梗概:这是一篇结合了注意力机制、循环神经网络、CNN来解决显著性目标检测问题的文章,文中提出的对深度卷积网咯的感知特征做另一种方式的自顶而下(top to shadow)的反馈操作是非常新颖的。关于此文的论文原文与小编的阅读注释,与讲解PPT见:链接:https://pan.baidu.com/s/1KGHrY7deAGdQ6dU...原创 2018-09-25 21:55:02 · 2782 阅读 · 1 评论 -
论文笔记:Large Scale GAN Training for High Fidelity Natural Image Synthesis
进入正题之前,UP主想要吐槽一下,关于这篇文章的很多博客好多人都是直接记录了前面的部分; 即作者介绍的5个tricks用于高清图像256×256甚至是512×512,然后给了一堆结果。 就完了,。那后面的讨论分析呢?? 本着一探究竟的蛮劲,UP主特意花了一天的时间去读了这篇博客(这里倒是挺好奇,其他道友读论文的花费时长的●_●) 进入主题,下面我们根据文章的组织路线来解读这篇文章。...原创 2019-10-07 20:34:10 · 733 阅读 · 0 评论