[2023.09.09 ]zero123补充知识

原创 已于 2023-09-11 17:09:45 修改 · 572 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#计算机视觉 #人工智能 #算法

于 2023-09-11 17:08:48 首次发布
本文概述了PSNR（峰值信噪比）在图像压缩中的应用，MaskIoU在图像分割和目标检测中的重叠度计算，以及Costvolume在立体匹配中的重要性，包括EpipolarLine的确定和StereoRectification过程。还提及了Stereomatching的8-point算法和HomographyTransform在无位移场景的应用。

1.    PSNR


 
（MSE开根号是为了MAXI和MSE保持相同的单位。将原图像和压缩后的图像的MSE放在分母，可以得到误差越小，PSNR越大的效果。 MAXI放在分母，是消除原图像的像素取值范围对误差MSE的影响。）


2.    Mask IoU


Mask IoU是用在图像分割和目标检测中，两个框的重叠程度，为了排除预测框和GT框尺寸对重叠程度的影响，IoU将两者均考虑在内。
  

A∩B = TP ， A∪B = FN + TP + FP ，A+B = FN + TP +TP + FP


  
可能是两张渲染结果的对物体的mask框比较？

3.    Cost volume


1）    epipolar line


 
c0、c1为两个相机中心，p为空间中一点。p在image plane上的投影分别为x0、x1; c0、c1在image plane上的投影为e0,e1。
c0、c1连线与像平面的交点e0、e1称为极点（Epipoles），l0、l1称为极线（Epipolar Lines）<

最低0.47元/天 解锁文章
FridaNN
关注
人工智能3D内容生成系列—Zero123++: a Single Image to Consistent Multi-view Diffusion Base Model
u013889591的专栏
07-28 3385
我们报告了Zero123++，这是一个图像条件扩散模型，用于从单个输入视图生成3D一致的多视图图像。为了充分利用预训练的2D生成先验，我们开发了各种条件和训练方案，以最小化从现成的图像扩散模型（如StableDiffusion）微调所需的工作量。Zero123++在从单个图像生成高质量、一致的多视图图像方面表现出色，克服了常见的问题，如纹理退化和几何错位。此外，我们展示了在Zero123++上训练ControlNet的可行性，以增强对生成过程的控制。
3D 生成重建008-zero123让扩散模型了解空间信息zero-shot 单图生3d
小熊哥哥的博客
10-15 772
3D 生成重建008-zero123让扩散模型了解空间信息zero-shot 单图生3d。
【亲测免费】 探秘Zero123++：一款强大的单图像多视图扩散基模型
gitblog_00939的博客
11-12 985
![零一二三++](resources/teaser-low.jpg) 在计算机视觉领域，Zero123++是一款引人注目的开源项目，它允许用户从一张简单的输入图像生成一组一致的多视角图像。这个创新的模型基于最新技术，并已在Hugging Face上发布，为艺术家、设计师和研究人员提供了全新的创作工具。 ## 项目简介 Zero123++是一个先进的深度学习模型，能将单一图像转换成一系列连贯
如何用Zero123++实现AI图像三维化？零基础也能快速上手的多视图生成神器
gitblog_00228的博客
10-26 289
Zero123++是一款革命性的开源AI模型，能将单张二维图像转换为连贯的三维多视图序列。作为GitHub加速计划中的明星项目（ze/zero123plus），它凭借先进的扩散技术，让普通用户也能轻松实现专业级3D内容创作，彻底打破二维到三维的创作壁垒！ ## ???? 核心功能：一张图片生成完整3D视角 Zero123++通过创新的扩散基模型架构，解决了传统3D建模流程复杂、技术门槛高的痛点。只...
Zero123++ 论文学习
calvinpaean的博客
08-07 2139
随着新视图生成模型的涌现，3D 内容生成领域取得了显著进展，这些模型利用了强大的 2D 扩散生成先验知识，这些 2D 扩散模型是在互联网上的大规模数据集训练得到的。如果没有全局条件，针对可见区域生成的内容还是不错的，但是对于不可见区域，则生成质量就急剧下降了，因为模型缺乏推理物体的全局语义的能力。Reference Attention 指的就是，在对模型的输入去噪时，对一个额外的参考图像使用去噪 UNet 模型，并将参考图像中得到的自注意力 key 矩阵和 value 矩阵附加到去噪模型的相应的注意力层。
【亲测免费】 Zero123++ 开源项目教程
最新发布
gitblog_00678的博客
11-12 609
Zero123++ 是一个基于单张图像生成一致多视角扩散基础模型的开源项目。该项目由 SUDO-AI-3D 团队开发，旨在通过单张输入图像生成高质量的3D模型。Zero123++ 模型在处理相机内参、输入视场角裁剪等方面进行了优化，使其更加鲁棒，并能更好地反映现实中的近距离视图。 ## 项目快速启动 ### 环境准备 首先，克隆项目仓库到本地： ```bash git clone http
论文阅读笔记 --- 图模互补：知识图谱与大模型融合综述 --- 按参考文献整理
shizidushu的博客
09-13 1890
# 论文阅读笔记 --- 图模互补：知识图谱与大模型融合综述 --- 按参考文献整理 # 关于 - 首次发表日期：2024-09-13 - 论文原文链接：http://xblx.whu.edu.cn/zh/article/doi/10.14188/j.1671-8836.2024.0040/ - 将文章中的参考文献整理一下，基本保持原文的目录结构
Linux文件管理之(高级)、⽂件查找、上传与下载、输出与重定向、字符处理命令、打包压缩解压缩、文件系统
大大的博客
06-21 1749
文章目录一、 文本处理三剑客命令初探1.1 sed1.2 awk1.3 grep二、 文件管理之：文件查找一、查看命令所属文件二、查找文件按文件名：按文件大小：指定查找的目录深度：按时间找(atime,mtime,ctime)：按文件属主、属组找：按文件类型：根据inode号查找：-inum n按文件权限：三、 找到后处理的动作：扩展知识：find结合xargs三、 文件管理之：上传与下载1）下载wget命令curl命令sz命令2）上传rz命令四、 文件管理之：输出与重定向输出输入重定向五、 文件管理之：字
【电信运营商】广告+营销+P2P流量封堵：BRAS设备日志中提取特征进行业务再造
weixin_49199313的博客
07-15 2395
如何从BRAS设备原始日志中提取特征并转换为机器学习可用的特征向量。代码结合了日志解析、特征工程和图神经网络（GraphSAGE）技术，并参考了运营商网络实际部署规范。
大模型提示架构的方法论：提示工程架构师的整合技巧
AI智能探索者的博客
08-19 1077
想象你走进一家超级市场，货架上摆满了世界上所有的商品（这就是大模型的知识量），但你不知道怎么找到想要的东西——这时你需要一张"购物清单+路线图"，这就是提示词。而提示工程架构师的工作，就是设计这张"购物清单+路线图"的标准模板和优化方法，让任何人都能高效找到自己需要的商品。本文的目的是建立一套系统化的提示架构方法论提示架构的核心组成部分及设计原则从需求分析到提示优化的全流程方法论多场景下的提示模板设计与整合技巧基于Python的实战案例与效果评估方法背景介绍：为什么需要提示架构方法论。
【亲测免费】 Zero123++ 项目使用教程
gitblog_00017的博客
11-12 642
Zero123++ 项目的目录结构如下： ``` zero123plus/ ├── app.py ├── config.yaml ├── requirements.txt ├── README.md ├── diffusers-support/ │ ├── custom_pipeline.py │ └── ... └── ... ``` ### 目录结构介绍 - `app.py`:
Zero123 论文学习
calvinpaean的博客
08-06 1326
尽管Zero-1-to-3模型是在合成数据集上训练的，但它保持了强大的零样本泛化能力，能够很好地适应分布外数据集的图像，包括印象派绘画。定性和定量的实验表明，Zero-1-to-3方法通过利用互联网的大规模数据的预训练，显著优于现有的单视图3D重建和新视角合成模型。但是，将扩散模型扩展到3D领域将需要大量的昂贵的带注释的3D数据。然而，大多数现有的3D图像重建方法都是在封闭世界（closed-world）设置中操作的，这是因为它们依赖于昂贵的3D注释，例如CAD模型或特定类别的先验知识。
训练效率提升40倍！开源图片生3D模型，Stable Zero123来啦
richerg85的专栏
12-14 1815
Zero123是基于Stability.ai开源的文生图模型Stable Diffusion进行了创新、微调，使其学会了控制相机的相对视角变换，然后基于视角的扩散方法进行去噪，最后使用3D重建方法进行模型重塑。Zero123通过一个合成数据集微调预训练了Stable Diffusion模型,使其学会相对相机视角变换的控制,而不破坏模型中的其他表示。这就能使Stable Diffusion模型输出的丰富2D纹理和形状，被完美地注入到了3D建模的过程中，形成3D模型。，相当于3D模型扩展插件。
Stable Zero123 模型介绍
haibo2144的博客
12-18 1179
Stable Zero123 通过强大的图像到 3D 生成能力和开放的技术支持，为研究者和开发者提供了一个探索 3D 内容创作的高效工具。无论是个人学习、教育研究，还是商业应用，它都具备极大的潜力和价值。
Zero123 开源项目教程
gitblog_00702的博客
08-21 817
Zero123 是一个由 cvlab-columbia 开发的开源项目，旨在提供一个高效、灵活的工具集，用于处理和生成3D模型。该项目利用先进的计算机视觉技术，使得用户能够轻松地创建、编辑和优化3D内容。Zero123 的核心功能包括3D模型的自动生成、纹理映射和细节增强，适用于游戏开发、虚拟现实和增强现实等多个领域。 ## 项目快速启动 ### 环境准备 在开始之前，请确保您的系统已安装以...
探索Zero123Plus：一款创新的AI开发框架
gitblog_00018的博客
11-12 618
零基础编程一直是计算机科学领域的热门话题，而正是这样一个旨在让AI学习变得简单易懂的开源项目。这个项目由SUDO-AI-3D团队精心打造，将复杂的技术封装在简洁的接口之下，为开发者提供了一个快速构建和训练AI模型的新途径。 ## 项目简介 Zero123Plus是一个基于Python的深度学习框架，其核心理念是通过简单的三个数字（0, 1, 2, 3）来操作复杂的机器学习任务。这个框架设计的初
【亲测免费】 Zero123 开源项目使用教程
gitblog_00106的博客
08-22 1302
Zero123 项目的目录结构如下： ``` zero123/ ├── README.md ├── requirements.txt ├── setup.py ├── zero123/ │ ├── __init__.py │ ├── main.py │ ├── config/ │ │ ├── default.yaml │ │ ├── production.yaml │...
【多视重建】从Zero-123到One-2-3-45：单张图到3D
qq_45752541的博客
08-14 8135
Zero-1-3：只给定一张RGB图像（为了在这种欠约束的设置下进行新的视图合成），利用大规模扩散模型，学习关于自然图像的几何先验。One-2-3-45则是在 Zero-123的基础上，进一步将不太一致的多视图像，提升到三维空间（mesh 或 sdf 形式）
【免费下载】 Stable Zero123 安装与使用教程
gitblog_02308的博客
12-12 1882
在当今的3D建模和图像生成领域，Stable Zero123模型因其卓越的性能和灵活的使用方式而备受关注。无论你是3D建模的新手，还是经验丰富的开发者，掌握Stable Zero123的安装和使用方法都将极大地提升你的工作效率。本文将详细介绍如何安装和使用Stable Zero123模型，帮助你快速上手并充分利用其强大的功能。 ## 主体 ### 安装前准备 在开始安装Stable Zero...
java.lang.ArithmeticException: divide by zero
08-29
`java.lang.ArithmeticException: divide by zero` 错误是数学运算异常，通常是在程序中进行除法运算时，除数为零导致的。解决该异常可以通过增加条件判断语句，确保除数不为零。以下是几种不同场景下的解决示例： #### 基本数据类型的除法运算 ```java int a = 10; int b = 0; if (b != 0) { int c = a / b; System.out.println(c); } else { System.out.println("除数不能为零"); } ``` #### `BigDecimal` 类型的除法运算 ```java import java.math.BigDecimal; public class Main { public static void main(String[] args) { BigDecimal dividend = new BigDecimal("10"); BigDecimal divisor = new BigDecimal("0"); if (divisor.compareTo(BigDecimal.ZERO) != 0) { BigDecimal result = dividend.divide(divisor, 2, BigDecimal.ROUND_HALF_UP); System.out.println(result); } else { System.out.println("除数不能为零"); } } } ``` #### 在对象属性运算中的应用 ```java import java.math.BigDecimal; class MonthAnalyse { private String waterCount; private String totalHouse; private String waterRate; public String getWaterCount() { return waterCount; } public void setWaterCount(String waterCount) { this.waterCount = waterCount; } public String getTotalHouse() { return totalHouse; } public void setTotalHouse(String totalHouse) { this.totalHouse = totalHouse; } public String getWaterRate() { return waterRate; } public void setWaterRate(String waterRate) { this.waterRate = waterRate; } } public class Main { public static void main(String[] args) { MonthAnalyse monthAnalyse = new MonthAnalyse(); monthAnalyse.setWaterCount("0"); monthAnalyse.setTotalHouse("10"); if (monthAnalyse.getWaterCount().equals("0")) { monthAnalyse.setWaterRate(0 + "%"); } else { String waterRate = String.valueOf(new BigDecimal(monthAnalyse.getWaterCount()) .divide(new BigDecimal(monthAnalyse.getTotalHouse()), 2, BigDecimal.ROUND_HALF_UP) .multiply(new BigDecimal("100"))); monthAnalyse.setWaterRate(waterRate + "%"); } System.out.println(monthAnalyse.getWaterRate()); } } ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值