日本免费全黄少妇一区二区三区-高清无码一区二区三区四区-欧美中文字幕日韩在线观看-国产福利诱惑在线网站-国产中文字幕一区在线-亚洲欧美精品日韩一区-久久国产精品国产精品国产-国产精久久久久久一区二区三区-欧美亚洲国产精品久久久久

  1. 首頁 > 云知道 > >

基于圖像和三維點云快速建模軟件,什么是基于圖像建模

云知道點云

在Glow中，這種模型展示了其在圖像生成和圖像屬性操控上的潛力：Glow實現(xiàn)的人臉圖像屬性操作 。相對于VAE和GAN，基于流的生成模型的優(yōu)勢是：可以用隱變量精確地建模真實數(shù)據(jù)的分布，即精確估計對數(shù)似然，得益于其可逆性 。而VAE盡管是隱變量模型，但只能推斷真實分布的近似值，而隱變量分布與真實分布之間的gap是不可度量的，這也是VAE的生成圖像模糊的原因 。
什么是“基于流的生成模型”，如何理解？

基于圖像和三維點云快速建模軟件,什么是基于圖像建模


基于流的生成模型是繼 GAN 和 VAE 之后的第三種生成模型，但這只是很多人的初步印象 。其實這種模型在 2014 年就被提出，比 GAN 還早，但僅在近期由于 OpenAI 提出了 Glow 模型才被人注意到 ?；诹鞯纳赡Ｐ途哂锌赡婧蛢?nèi)在并行性的優(yōu)點 。實際上，生成模型可以分為四個類別：自回歸、GAN、VAE、flow-based（基于流） 。
以圖像生成為例，自回歸模型需要逐像素地生成整張圖像，每次新生成的像素會作為生成下一個像素的輸入 。這種模型計算成本高，并行性很差，在大規(guī)模生成任務(wù)中性能有限 。WaveNet 就是一種自回歸模型，最大的缺點就是慢 。其它典型的自回歸模型還有 PixelRNN 和 PixelCNN 。此外，自回歸模型也是可逆的 。
相對于自回歸模型，基于流的生成模型的優(yōu)勢是其并行性 。相對于 VAE 和 GAN，基于流的生成模型的優(yōu)勢是：可以用隱變量精確地建模真實數(shù)據(jù)的分布，即精確估計對數(shù)似然，得益于其可逆性 。而 VAE 盡管是隱變量模型，但只能推斷真實分布的近似值，而隱變量分布與真實分布之間的 gap 是不可度量的，這也是 VAE 的生成圖像模糊的原因 。
GAN 是一種學(xué)習(xí)范式，并不特定于某種模型架構(gòu)，并且由于其存在兩個模型互相博弈的特點，理論的近似極限也是無法確定的 ?；诹鞯纳赡Ｐ蛥s可以在理論上保證可以完全逼近真實的數(shù)據(jù)分布 。有這么多的優(yōu)點，以一己之力輕松克服 WaveNet 的缺點也不是什么難事了 ?；诹鞯纳赡Ｐ涂梢源笾吕斫鉃椋核Ｍ麑?shù)據(jù)表示成簡單的隱變量分布，并可以從該分布中完全還原真實數(shù)據(jù)的分布 。
也就是說，它要學(xué)習(xí)的是一個可逆函數(shù) 。利用雅可比矩陣的這個性質(zhì)：一個函數(shù)的雅可比矩陣的逆矩陣，是該函數(shù)的反函數(shù)的雅可比矩陣，NICE 和 RealNVP 提出了通過順序的可逆函數(shù)變換，將簡單分布逐步還原復(fù)雜的真實數(shù)據(jù)分布的歸一化流過程，如下圖所示 。后來在 Glow 中提出用 1x1 可逆卷積替換 NICE 和 RealNVP 中的可逆變換 。
【基于圖像和三維點云快速建模軟件,什么是基于圖像建模】由于可以進行精確的密度估計，基于流的生成模型在很多下游任務(wù)中具備天然優(yōu)勢，例如數(shù)據(jù)補全、數(shù)據(jù)插值、新數(shù)據(jù)生成等 。在 Glow 中，這種模型展示了其在圖像生成和圖像屬性操控上的潛力：Glow 實現(xiàn)的人臉圖像屬性操作 。訓(xùn)練過程中沒有給模型提供屬性標簽，但它學(xué)習(xí)了一個潛在空間，其中的特定方向?qū)?yīng)于胡須密度、年齡、頭發(fā)顏色等屬性的變化 。

    推薦閱讀