SinGAN: Learning a Generative Model from a Single Natural Image - 1 - 论文学习
https://github.com/tamarott/SinGAN SinGAN: Learning a Generative Model from a Single Natural ...
原文：HoloGAN: Unsupervised Learning of 3D Representations From Natural Images - 1 - 论文学习
https: github.com thunguyenphuoc HoloGAN. Abstract 我们提出了一种新的生成对抗网络 GAN ，用于从自然图像中的三维表征的无监督学习。大多数生成模型都依赖于 D内核来生成图像，并且很少对 D世界进行假设。因此，这些模型倾向于在需要强的 D理解的任务中创建模糊的图像或伪影，如novel view合成任务。相反，HoloGAN学习了世界的 D表征，并 ...
2020-09-17 18:11 0 1021 推荐指数：
相关推荐
论文解读（PCL）《Prototypical Contrastive Learning of Unsupervised Representations》
论文标题：Prototypical Contrastive Learning of Unsupervised Representations 论文方向：图像领域，提出原型对比学习，效果远超MoCo和SimCLR 论文来源：ICLR2021 论文链接：https ...
图像检索（image retrieval）- 11 - End-to-end Learning of Deep Visual Representations for Image Retrieval -1-论文学习
End-to-end Learning of Deep Visual Representations for Image Retrieval Abstract 虽然深度学习已经成为许多计算机视觉任务的top执行方法的关键组成部分，但到目前为止，它还没有在实例级图像检索方面带来类似的改进 ...
Paper Reading: Learning to Estimate 3D Hand Pose from Single RGB Images(ICCV 2017)
---------------------------------------------------------- 论文链接 Github源码 and 数据 实验效果 ...
Learning Rich Features from RGB-D Images for Object Detection and Segmentation论文笔记
相关工作： 将R-CNN推广到RGB-D图像，引入一种新的编码方式来捕获图像中像素的地心姿态，并且这种新的编码方式比单纯使用深度通道有了明显的改进。 我们建议在每个像素上用三个通道编码深度图像：水平视差、离地高度、像素局部表面法向量和重力方向的夹角（HHA，horizontal ...
Implicit Neural Representations with Periodic Activation Functions（siren） - 1 - 论文学习
代码：https://github.com/vsitzmann/siren 项目网站 ： https://vsitzmann.github.io/siren/ Implicit Neural Representations with Periodic Activation Functions ...
人脸检测和识别以及检测中loss学习 - 19 - GroupFace: Learning Latent Groups and Constructing Group-based Representations for Face Recognition - 1 - 论文学习
GroupFace: Learning Latent Groups and Constructing Group-based Representations for Face Recognition Abstract 在人脸识别领域中，模型学习使用更少维度的嵌入特征来区分百万级的人 ...
【论文笔记】Learning to Estimate 3D Human Pose and Shape from a Single Color Image(CVPR 2018)
这篇论文没有给出代码，细节部分还是得看论文来推敲了，因此可能会有理解出问题的地方。 概述 做了什么：引入一个端到端的框架，从包含人体的单张RGB图像中预测出轮廓图和关节热力图，生成SMPL参数并重建出一个SMPL的3D人体网格 存在问题：卷积网络容易受到缺少训练数据、3D预测时分辨率低的影响 ...