论文笔记-阴影生成
阴影生成是属于Image compositing的一个小分支,其旨在于将前景“粘贴复制”到背景上时,通过给前景添加合理的阴影以提升融合度,保证最终整个效果的真实感,效果如下: 阴影生成示意图 阴影生成的两大类方法主要是包括基于渲染(如借用3D模型)或者基于生成技术(如GAN或者Diffusion等),本笔记主要是记录了后者大类的阴影生成技术。 ShadowGAN 《ShadowGAN: Shadow synthesis for virtual objects with conditional adversarial networks》 【论文】 ShadowGAN网络结构 算法流程:是第一个提出使用深度神经网络进行阴影生成的算法,主框架基于生成对抗网络完成,包含一个生成器和两个判别器(全局+局..
Read morePytorch-数据加载
pytorch数据加载常用torch.utils.data.Dataset和torch.utils.data.DataLoader两个类进行实现,简单来说: torch.utils.data.Dataset:完成数据的初步读取和加载,其内的每一条数据是"零散"的 torch.utils.data.DataLoader:对torch.utils.data.Dataset中"零散"的数据进行打包,同时也可以进行一些后处理操作和采样操作。 下面就通过代码的方式详细介绍上面的两个类。 torch.utils.data.Dataset Dataset类简单来说就是完成数据的读取操作【当然也可以做一些简单操作】,pytorch中也内置了很多常用的计算机视觉的数据集【如如MNIST、CIFAR10、ImageNet..
Read more