周报3＜仅供自己学习＞

一、多特征房价预测

问题1：处理损失行的方法（已解决

train_x.dropna(axis=0,subset=‘Saleprice’,inplace=True)
最重要的特征不可以缺失，缺失就删除

问题2：删除字符串列（已解决

x=x.select_dtypes(exclude=[‘object’])

问题3：如何填充非必要的缺损值(已解决

from sklearn.impute import SimpleImpute
my_impute=SimpleImpute(strategy=‘mean’)
train_x=my_inpute.fit_transform(train_x)#拟合找出mean
text_x=my_inpute.transform(test_x)#直接补充

二、XGBoost算法

问题1：回归树是什么来着（已解决

根据不同特征进行

问题2：如何优化目标函数

三、GazeNeRF

论文常见十问

问题1：文章讲了什么？（已解决

文章提出了使用两个MLP将头部解耦眼部和非眼部的面部信息，使得眼球具有3D感知从而可以进行刚性运动。

问题2：解决了什么？（已解决

解决了之前的凝视重定向不具有3D属性的问题

问题3：假设是什么？（已解决

假设可以把头部解耦为眼部和非眼部的两个模型

问题4：关键的相关工作（已解决

1.NeRF可以生成高保真高质量的视图
2.EyeNeRF
3.GAN使用生成模型和注视估计器生成2D图像

问题5：解决的关键（已解决

使眼球模型独立

问题6：如何设计（已解决

1.特征图的生成
①分割图像生成对应区域的掩码
②双流MLP预测体积密度和颜色值
2.体渲染
生成低分辨率的两个图像
3.3D旋转矩阵
模型眼球转动
4.特征图合成
使用逐元素法将两个图像合成
5.最小化四个损失
训练
6.特征图映射
将特征图映射到对应的区域内

其他问题

1.Introduce

问题1：什么是凝视重定向（已解决

只改变人脸朝向不改变主体

问题2：什么是3D感知注视能力（已解决

根据注视方向调整渲染图像
真实的反映了视角变化

方法

问题1：双流MLP如何构建（已解决

其中r（x）是3D位置的高维编码，Zsh面部形状，Zex是表情，Zte是纹理，Zil是面部照明，g是注视标签

问题2：如何进行合并图像（已解决

逐元素最大值法，将数组或矩阵的各个元素取最大值形成的矩阵就是合成矩阵
还使用于数据增强，特征增强

问题3：最小化目的函数是怎么样的（已解决

包括重建损失，感知损失，功能损失和解纠缠损失

问题4：重建损失如何计算（已解决

其中⚪代表逐元素乘法，Mwf是面部掩码
|| ||1是L1范式