Collection Flow -> 低秩矩阵

本文探讨使用低秩矩阵对人脸图像进行重构的方法,并通过SVD分解实现。文章详细记录了实验过程中遇到的问题及解决办法,强调了正确重构方法的重要性,并讨论了不同人脸样本对重构效果的影响。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Collection Flow 文章中由降到用地址矩阵来得到姿势和表情矫正的人脸

就是把所有的人脸都变成一行(三个通道依次排开),人脸个数就是行数,然后SVD分解,将前n个秩留下,其他全变为0,然后再乘回去,每行按照原本的规则还原成人脸。

low-rank matrix

我尝试过对不同的人的脸取低秩矩阵,出来的结果有黑色,对应关系也并不好



一度怀疑算法写错了。错误原因:SVD分解之后重构方法为:U*S*V', 而不是U*S*V

所以正确的结果为:


又尝试计算了一下前rank12相加&取平均的效果,也都差强人意。


后来想到了原因,论文中写的是同一个人的脸来计算

这样,共同特征会有很多,计算出很像的脸也就正常了。


参考文献:

Kemelmacher-Shlizerman I, Seitz S M. Collection flow[C]// CVPR 2012:1792-1799.

评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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