随笔分类 - 每周总结
摘要：这节课的内容是独立的 topic，主要介绍一些相机相关的成像知识。 第一部分：相机成像基本知识 Imaging = Synthesis + Capture （成像 = 合成+捕捉） 相机内部构造： 最早的相机就是利用 “小孔成像” 原理，后面发明了 “针孔相机” 。 Shutter Exposes
阅读全文
摘要：相对于已知的标定对象，摄像机内标定参数的计算和摄像机的（外部的）姿态估计可以同时出现，这实际上是在摄影测量学(Slama 1980）和计算机视觉（Ts 1987）两个领域中所使用的“经典的”摄像机标定方法。 一、标定模式 使用一个标定模式或者标记集合是更可靠的估计摄像机内参数的方法之一。如果需要使用
阅读全文
摘要：关于web of science的功能及使用说明链接：https://mp.weixin.qq.com/s/4_ 9JJXZgsMQgi4hLo7rrA 这个公众号推送的内容都挺好的，比较适合大学生，所谓工具利器（刚搜了一下，似乎还有知乎同名号，不过我没细看啊）。 文章内容部分截图（ 如有侵权请联系
阅读全文
摘要：3D 姿态．姿态估计问题也称为“外参数标定”（eittrinsic calibrat on），相对于摄像机内参数（比如焦距）的内标定过程。从三个对应点中恢复姿态，需要的信息是最少的．称为“透视 点问题”，扩展到更多的点，合起米称为“ PnP ”。下面主要介绍三类算法最基础概念： 一、线性算法 类似于
阅读全文
摘要：首先引入几何配准和标定的例子： 基于特征的配准是从两个或者多个匹配的 2D 或 3D点的集合中估计运动的问 题。 一、使用最小二乘的 20 配准 给定匹配的特征点集合$｛ X_i，x_{i}^{'}｝$和以下形式的平面参数变换： $$ x^{'} = f \left( x ; p \right) $
阅读全文
摘要：接上节 "图像分割算法（1）" 匹配是分割的另一种基本方法，可以用于在图像中定位已知的物体，也可以用于搜索特殊的模式等。例如： 匹配的用途： 1. 不同位置拍摄对同一场景拍摄许多图像，可以用于确定立体场景的性质。 2. 对动态图像进行匹配 3. etc. 最好的匹配是基于某种最优性准则的，该准则依赖
阅读全文
摘要：今天看见一篇总结人体姿态估计不错的文章，学习后进行原文转载。 原文链接：https://zhuanlan.zhihu.com/p/85506259 作者 | 俞刚（旷视研究院Detection组负责人）来源 | 知乎前言因为在ICIP2019上面和两位老师搞了一个关于人体姿态估计以及动作行为的tut
阅读全文
摘要：本节课主要是讲一些前沿知识，理解即可。 上图是一个图形学中的材料例举，下面介绍一些相关概念： 第一部分：Material == BRDF 一、Diffuse / Lambertian 上图是漫反射（ Lambertian）材质，每个出射光线被均匀反射到各个方向上，公式如下： 此时，brdf= 1/p
阅读全文
摘要：在对处理后的图像数据进行分析之前，图像分割是最重要的步骤之一。它的主要目标是将图像化分为与其中含有的真实世界的物体或区域有枪相关性的组成部分。 根据目标可将图像分割分为： 1. 完全分割 —— 结果是一组唯一对应于输入图像中物体的互不相交的区域。 2. 部分分割 —— 区域并不直接对应于图像物体。
阅读全文
摘要：这个系列主要是 zju 陆系群老师的《图像处理与建模》课程，课堂内容非常丰富，但是这个课堂笔记会根据个人情况记录，所以比较粗糙。有兴趣的可以到 中国大学MOOC上进行学习。 一、基本概念 首先，在我们身边的图像举例有： 1. 自然界的图片 2. 艺术和工业图片 3. 科学图片（卫星图、医疗拍摄图片等
阅读全文
摘要：一、定义 神经架构搜索（Neural Architecture Search，简称 NAS）的核心思想是使用搜索算法来发现用于解决我们的问题所需要的神经网络结构。 有些论文的结果很难重现原因之一就是获得最优超参值往往需要花很大的力气。超参数的自动搜索优化是一个古老的话题了。 对于深度学习来说，超参数
阅读全文
摘要：AdaGrad 算法根据自变量在每个维度的梯度值调整各个维度的学习率，从而避免统一的维度难以适应所有维度的问题。 特点： 1. 小批量随机梯度按元素累加变量，出现在学习率的分母项中。（若目标函数有关自变量的偏导数一直都较大，那么学习率下降较快；反之亦然。） 2. 若迭代早期下降过快 + 当前解仍然不
阅读全文
摘要：今天看了一节经典 的“ 3D 计算机视觉”历史简介，就是年代稍稍久远了些。下面通过思维导图的形式进行展示。（免责声明：视频是2012年的，因此最新的发展未总结。并且，博主理解能力有限，内容仅供参考，有问题欢迎提出。( ￣︶￣)） 视频地址：https://www.youtube.com/watch?
阅读全文
摘要：Lecture 14 学习内容： Lecture 15（今日学习内容） 第一部分：辐射度量学 一、Irradiance （一） 定义 Irradiance 是入射的表面点（垂直/投影）单位面积上的功率（power、energy均可）。 计算公式如下： 注意事项——Irradiance VS. Int
阅读全文
摘要：Lecture 13 内容： Lecture 14 内容概览： 使用 AABBs 加速光线追踪 均分的格子 空间划分(Spatial partitions) 辐射度量学（Basic Radiometry） 第一部分：光线追踪加速 一、均匀的空间划分（Grids） （一） 预处理 构建加速网格 划分格
阅读全文
摘要：DenseNet与残差网络（ResNet）有区别也类似。区别如下： 在跨层连接上：ResNet（左）使⽤相加；DenseNet（右）使⽤连结。 DenseNet将模块 A 直接跟模块 B 后⾯的所有层连接在了⼀起。这也是它被称 为“稠密连接”的原因。 DenseNet的主要构建模块是稠密块（dens
阅读全文
摘要：图像信号处理在图形学中有举足轻重的作用，这节博客对图像的采样、滤波和重构进行简要总结。 一、离散图像滤波 图像中最广泛的应用是使用简单的卷积滤波器。通过与一般的低通滤波器（从盒式滤波器到高斯滤波器）进行卷积，实现对图像的模糊化处理。例如下图中高斯模糊看起来很平滑，被广泛使用。 二、反走样技术 在图像
阅读全文
摘要：博客目录： "一、盒式滤波器" "二、帐篷式滤波器" "三、高斯滤波器" "四、三次B样条滤波器" "五、三次 Catmull Rom 滤波器" "六、三次Mitchell Netravali滤波器" 当有了卷积工具，下面介绍图形学常用的几种滤波器： 一、盒式滤波器 盒式滤波器是一个分段常值函数，它
阅读全文
摘要：随着图形学学习深入，会遇到连续函数不能直接用于数字计算机，必须进行数字化处理的情况。处理连续函数最有效的方法之一，就是函数的采样值，将函数在多个不同点处的值存储起来，需要时就重构其他函数值。本节将概述采样与重构技术。 一、数字音频：一维采样 记录音频信号的数字方法是采样，模数转换器（ADC）每秒钟测
阅读全文
摘要：引入光线追踪目的： 1. 因为光栅化不能很好地处理全局效果，例如： 软阴影:光栅化需要经过两个过程才能形成软阴影; Glossy 反射:既有反射，又有本身材质的粗糙性影响； 间接反射:光线在空间中会反射很多次，很难渲染。 2. 光栅化速度快，但是质量并不好，表现得是相似的东西；光线追踪很精确，效果很
阅读全文
浙公网安备 33010602011771号