SinGAN: Learning a Generative Model from a Single Natural Image - 1 - 論文學習
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 - 論文學習
https: github.com thunguyenphuoc HoloGAN. Abstract 我們提出了一種新的生成對抗網絡 GAN ，用於從自然圖像中的三維表征的無監督學習。大多數生成模型都依賴於 D內核來生成圖像，並且很少對 D世界進行假設。因此，這些模型傾向於在需要強的 D理解的任務中創建模糊的圖像或偽影，如novel view合成任務。相反，HoloGAN學習了世界的 D表征，並 ...
2020-09-17 18:11 0 1021 推薦指數：
相關推薦
論文解讀（PCL）《Prototypical Contrastive Learning of Unsupervised Representations》
論文標題：Prototypical Contrastive Learning of Unsupervised Representations 論文方向：圖像領域，提出原型對比學習，效果遠超MoCo和SimCLR 論文來源：ICLR2021 論文鏈接：https ...
圖像檢索（image retrieval）- 11 - End-to-end Learning of Deep Visual Representations for Image Retrieval -1-論文學習
End-to-end Learning of Deep Visual Representations for Image Retrieval Abstract 雖然深度學習已經成為許多計算機視覺任務的top執行方法的關鍵組成部分，但到目前為止，它還沒有在實例級圖像檢索方面帶來類似的改進 ...
Paper Reading: Learning to Estimate 3D Hand Pose from Single RGB Images(ICCV 2017)
---------------------------------------------------------- 論文鏈接 Github源碼 and 數據 實驗效果 ...
Learning Rich Features from RGB-D Images for Object Detection and Segmentation論文筆記
相關工作： 將R-CNN推廣到RGB-D圖像，引入一種新的編碼方式來捕獲圖像中像素的地心姿態，並且這種新的編碼方式比單純使用深度通道有了明顯的改進。 我們建議在每個像素上用三個通道編碼深度圖像：水平視差、離地高度、像素局部表面法向量和重力方向的夾角（HHA，horizontal ...
Implicit Neural Representations with Periodic Activation Functions（siren） - 1 - 論文學習
代碼：https://github.com/vsitzmann/siren 項目網站 ： https://vsitzmann.github.io/siren/ Implicit Neural Representations with Periodic Activation Functions ...
人臉檢測和識別以及檢測中loss學習 - 19 - GroupFace: Learning Latent Groups and Constructing Group-based Representations for Face Recognition - 1 - 論文學習
GroupFace: Learning Latent Groups and Constructing Group-based Representations for Face Recognition Abstract 在人臉識別領域中，模型學習使用更少維度的嵌入特征來區分百萬級的人 ...
【論文筆記】Learning to Estimate 3D Human Pose and Shape from a Single Color Image(CVPR 2018)
這篇論文沒有給出代碼，細節部分還是得看論文來推敲了，因此可能會有理解出問題的地方。 概述 做了什么：引入一個端到端的框架，從包含人體的單張RGB圖像中預測出輪廓圖和關節熱力圖，生成SMPL參數並重建出一個SMPL的3D人體網格 存在問題：卷積網絡容易受到缺少訓練數據、3D預測時分辨率低的影響 ...