浪矢\n

摘要： 其实现原理非常像之前学的图像压缩的兄弟——视频压缩： VAE Encoder（变分视频压缩，将其压缩到低维的隐空间中降低计算量） 借用Google DeepMind的NaViT (2023.07) 支持了原始比例和分辨率，从而使其采样灵活并提高取景构图能力。 Transform Diffusion 阅读全文

摘要： 目录简介训练过程将可视化数据转化为patch使用不同分辨率、持续时间及纵横比的视频数据的优势关键点 参考openAi提供的技术文档：https://openai.com/research/video-generation-models-as-world-simulators 简介 Sora 是一种通 阅读全文

摘要： 目录简介模型核心代码性能实验 简介 描述了一个变分自编码器的端到端图像压缩模型。这个模型结合了超先验来捕获潜在表示的空间依赖性，这种超先验涉及到了边信息。并且该模型与底层的自编码器结合一起进行端到端优化。 模型 熵编码依赖于编码器和解码器共享的量化表示的先验概率模型（熵模型）。这种压缩潜在表示的熵模 阅读全文

摘要： 1 可以ctrl+9打开命令行，在命令行输入命令 GRAPHICSCONFIG 2 得到以下图片 3 点击详细信息 4 选中，平滑线显示 5 会发现图像变得平滑 阅读全文

摘要： 目录安装pytorch环境首先使用conda创建新环境（python和cuda版本根据自己服务器类型选择）然后在新环境安装相应版本的pytoch，（可去官网查找安装命令）https://pytorch.org安装教程遇到的问题下载compressai 安装pytorch环境 首先使用conda创建新 阅读全文

摘要： 在安装compressai的时候，想用它自带的setup.py把相应库安装好，但是需要先下载pybind11 下载时遇到如下问题： ERROR: Could not install packages due to an OSError: [Errno 2] No such file or direc 阅读全文

摘要： 目录简介创新之处模型结构实验结果 什么是Quantization-Aware量化感知？ 简介 该文章基于VAE提出一种多层次的图像压缩方法 专门设计了用于快速解码(CPU)的QARV网络结构，并为可变速率压缩提出自适应归一化操作。 创新之处 提出了一个算法模型，实现了更快的解码速度和更好的R-D性能 阅读全文

摘要： #开局命令 bash conda activate checkb nohup python examples/train.py -m cheng2020-attn -d/home/user3/compressai/examples/data2 --epochs 400 -lr 1e-4 --batc 阅读全文

摘要： 目录简介文章内容：方法 简介 作者之一的微软亚研院的首席研究员胡瀚老师在bibili讲过该论文 使用Transformer完全取代CNN 该文章提出的Swin Transformer可以被当做通用的骨干网络用于多种下游视觉任务。 文章内容： Swin 即 Shifted window:它在本地窗口进 阅读全文

摘要： 目录简介 简介 基于CNN的模型的一个主要缺点是 cNN结构不是为捕捉局部冗余而设计的，尤其是非重复纹理，这严重影响了重建质量。受视觉转换器（ViT）和Swin Transformer最新进展的启发，我们发现将局部感知注意机制与全局相关特征学习相结合可以满足图像压缩的期望。 介绍了一种更简单有效的基 阅读全文