逗比学长的博客

此人有“亿”点强迫症

发表于 更新于 分类于 阅读次数：

主要记录图形算法、建模思想，不记录公式推导和训练思路：

  1. 【Nerf】Representing Scenes as Neural Radiance Fields for View Synthesis.
  2. 【Mip-Nerf】Mip-NeRF: A Multiscale Representation for Anti-Aliasing Neural Radiance Fields.
  3. 【Mip-Nerf 360】Mip-NeRF 360: Unbounded Anti-Aliased Neural Radiance Fields
  4. 【Instant-NGP】Instant Neural Graphics Primitives with a Multiresolution Hash Encoding
  5. 【Plenoxels】Plenoxels: Radiance Fields without Neural Networks.
  6. 【Ref-NeRF】Ref-NeRF: Structured View-Dependent Appearance for Neural Radiance Fields
  7. 【3DGS】3d gaussian splatting for real-time radiance field rendering
阅读全文 »

发表于 更新于 阅读次数：

矩阵

标准化矩阵

  1. 遍历矩阵每列求特征的平均值。
  2. 遍历矩阵每个元素减去该列的平均值。
阅读全文 »

发表于 更新于 分类于 阅读次数：

Vscode

准备工作

官方文档：https://code.visualstudio.com/docs/cpp/config-mingw

参考：

  1. 在vscode运行c++：https://blog.csdn.net/weixin_62411288/article/details/130796591
  2. 在vscode用makefile运行opengl：https://blog.csdn.net/weixin_43952192/article/details/122877840
  3. VSCode-Clang-MinGW-OpenGl配置教程：https://apollomao.com/VSCode-Clang-MinGW-OpenGl%E9%85%8D%E7%BD%AE%E6%95%99%E7%A8%8B/
  4. vscode中文乱码解决：https://blog.csdn.net/weixin_51723388/article/details/124171357
阅读全文 »

发表于 更新于 分类于 阅读次数：
  1. 本人是在 2023 年 5 月份开始学习相关论文，主要面向图像复原相关下游应用的预研工作，全职研究时间大约三个月，不算很长，认识有限。
  2. 写本博客的初衷是为了结构化一下之前学习的知识网络，如果看到外部链接的话就是在串接知识网络（从下一行就开始了），或许介绍一种或许更容易入门理解的方式（论文阅读顺序）。
  3. 本博客需要一定的数学基础，如果想了解 stable-diffusion-webui 或者 ComfyUI 的使用方法请绕路。
  4. 当然真正的勇士也可以像笔者之前一样直面惨淡的数学原理，当然也可以看本博客娓娓道来胡说八道。
  5. 可能会以一种不太严谨的方式表达想表达意思，希望能多多包涵，不喜轻喷，也欢迎一起讨论！
阅读全文 »

发表于 更新于 分类于 阅读次数：

无论是在商用的midjourney V5，还是在基于开源的stable diffusion的text to image的AI生图中，一个难以绕过去的问题是，人物手部姿势的稳定生成。一个容易遇到的问题场景是，当用户使用精心设计的prompt和denoising parameter生成一张高分辨率的图片，从整体构图，到色彩、人物神情等都比较的满意的时候，却发现人物的手部姿势发生扭曲，最常见的是产生六指。如果此时通过调整参数如textural inversion、LoRA和controlNet等，又会改变生成图像的分布，达不到原来的生成效果。另外一种方案是使用inpainting的方式将畸形的手部区域进行重绘，但是如果没有合适的方法和技巧，仅仅靠不同的随机数搜索好的手姿的分布，其搜索范围将会很大，并且在设备有限的情况下比较耗时。如何设计一个高效的inpainting的工作流将是一个需要不断探索和实践的方向。

在这篇文章中，本人主要探索仅仅使用AI工具对手姿进行修复的工作流，不涉及其他工具如photoshop的使用（主要是没探索出来，用了效果一般）。以下是我复现的效果。

Effect of Inpainting

阅读全文 »

发表于 更新于 分类于 阅读次数：

抽空记录中，不研究内容prompt，目前在别人写的prompt下用不同工具调优。

目前的感觉是，场景物体细节越多的图，人物手和面容(眼睛、睫毛)的正常生成非常困难，即使有相关的Lora和negative prompt的进行加持，但基本上只在肢体离镜头比较近的时候才能正常work。既要保证场景内容丰富，又要保证肢体正常绘制，基本不可能一次正确生成，目前的策略是在喜欢的构图上进行肢体细节调优。

基于stable-diffusion-webui 1.6.0写的使用说明，版本更新时间是20230928。

预训练模型下载网站：

  1. https://civitai.com/
  2. https://www.liblibai.com/
  3. https://tusi.art/
  4. https://www.esheep.com/
阅读全文 »

发表于 更新于 分类于 阅读次数：

时间原因没有认真读论文和看代码，看了一下下Up主-霹雳吧啦Wz的讲述，记录一下自己认为的yolo多次迭代版本的核心设计，以达到临阵磨枪，不快也光的目的。

论文：

  1. 【Yolov1】You Only Look Once: Unified, Real-Time Object Detection (2016 CVPR)
  2. 【Yolov2】YOLO9000: Better, Faster, Stronger (2017 CVPR)
  3. 【Yolov3】YOLOv3: An Incremental Improvement
  4. 【Yolov4】Optimal Speed and Accuracy of Object Detection
  5. 【Yolov5】Github
  6. 【YolovX】YOLOX: Exceeding YOLO Series in 2021

总结下来我认为该系列的核心设计有几个方面：

  1. 数据增强方式
  2. 多尺度特征提取网络结构的设计、多尺度检测头
  3. 多尺度anchor（部分版本）
  4. 定位损失函数的设计
阅读全文 »