مطالعه ابلیشن HyperHuman: طراحی شاخه خبره بهینه برای بهبود تولید تصویر

نویسندگان:

(1) Xian Liu، Snap Inc.، CUHK با کارهای انجام شده در طول دوره کارآموزی در Snap Inc.

(2) جیان رن، شرکت اسنپ با نویسنده مسئول: [email protected];

(3) Aliaksandr Siarohin، Snap Inc.

(4) ایوان اسکوروخودوف، شرکت اسنپ؛

(5) Yanyu Li، Snap Inc.

(6) داهوا لین، CUHK؛

(7) Xihui Liu، HKU;

(8) Ziwei Liu، NTU;

(9) سرگئی تولیاکوف، شرکت اسنپ.

چکیده و 1 مقدمه

2 کارهای مرتبط

3 رویکرد ما و 3.1 مقدمات و تنظیم مشکل

3.2 مدل نفوذ ساختاری پنهان

3.3 پالایشگر هدایت شده ساختار

4 مجموعه داده انسان آیه

5 آزمایش

5.1 نتایج اصلی

5.2 مطالعه فرسایش

6 بحث و مراجع

یک ضمیمه و A.1 نتایج کمی اضافی

A.2 جزئیات بیشتر پیاده سازی و A.3 نتایج بیشتر مطالعه Ablation

A.4 جزئیات بیشتر مطالعه کاربر

الف.5 تأثیر استحکام بذر و مدل تصادفی و تأثیر مرزی الف.6 و ملاحظات اخلاقی

A.7 نتایج مقایسه بیشتر و A.8 نتایج کیفی اضافی

A.9 مجوزها

5.2 مطالعه ابلیشن

نویز همزمان با شعبه کارشناس. ما بررسی می‌کنیم که آیا مدل نفوذ ساختاری پنهان کمک می‌کند یا خیر، و چند لایه برای تکرار در شاخه‌های متخصص ساختاری: 1) Denoise RGB، که فقط حذف نویز یک تصویر را می‌آموزد. 2) Denoise RGB + Depth که عمق را نیز پیش بینی می کند. 3) Half DownBlock & UpBlock. ما نیمی از …

Source link