bikahuli的博客

解决 VSCode 中 Pylance 经常崩溃的问题

bikahuli — Wed, 15 May 2024 23:22:49 +0800

Pylance 崩溃的原因在我这里是因为项目工作路径下的文件数量太多，而 Pylance 默认只有 4G 的缓存。搜索 python.analysis.exclude，点击添加项，添加不需要缓存的文件路径。

[爬虫] Requests下载图片长时间无响应

bikahuli — Mon, 05 Feb 2024 21:24:35 +0800

将请求体中的内容复制到 requests 的 headers 中（不一定每一项都会用到，可以测试找到被验证的那一项或几项）。使用浏览器访问图片 url ，右键→检查元素→网络选项卡→图片的 Header 的请求体；下载网站上的图片时，发现所有 url 均报错。参数与浏览器访问的请求体一致。直接在命令行下载同样超时。验证比较严格，不仅仅会验证。

【工具】将 SDXL 的 ckpt 文件转为 Diffusers 库格式

bikahuli — Tue, 12 Dec 2023 15:37:26 +0800

【代码】【工具】将 SDXL 的 ckpt 文件转为 Diffusers 库格式。

【扩散模型-＞人物合成】PIDM : Person Image Synthesis via Denoising Diffusion Model

bikahuli — Fri, 23 Dec 2022 16:15:48 +0800

采用扩散模型和 OpenPose、人物图像作为条件，进行姿态迁移训练，同时可以用于服装迁移、风格混合、行人重识别等。

【文生图】DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation

bikahuli — Wed, 21 Dec 2022 21:25:31 +0800

谷歌基于自家预训练扩散模型Imagen的主体细节保留的文生图编辑方法

【虚拟试衣论文笔记】M3D-VTON: A Monocular-to-3D Virtual Try-On Network

bikahuli — Sun, 03 Apr 2022 22:12:00 +0800

论文地址：项目地址：https://github.com/fyviezhao/M3D-VTON 本文提出了一种 Monocular-to-3D Virtual Try-On Network (M3D-VTON) 的多姿态图像虚拟试衣方法，兼顾了2D与3D方法的优点。主要是利用所提出的 Monocular Prediction Module (MPM) 从图像中估计目标人体分割图、深度图来同时获得2D与3D的辅助信息，并且通过 Depth Refinement Module (DRM) 加强深..

【虚拟试衣论文笔记】Towards Scalable Unpaired Virtual Try-On via Patch-Routed Spatially-Adaptive GAN

bikahuli — Mon, 28 Mar 2022 17:26:27 +0800

论文地址：https://proceedings.neurips.cc/paper/2021/file/151de84cca69258b17375e2f44239191-Paper.pdf 项目地址：https://github.com/xiezhy6/PASTA-GAN 为了实现一个能够以无监督的方式在源和目标人之间迁移任意服装的可扩展的虚拟试穿方法，本文提出了一种纹理保持的端到端网络，即 **PAtch-routed SpaTially-Adaptive GAN (PASTA-GAN)**来实现非..

【虚拟试衣论文】Generating High-Resolution Fashion Model Images Wearing Custom Outfits

bikahuli — Wed, 09 Mar 2022 16:14:58 +0800

论文地址：http://openaccess.thecvf.com/content_ICCVW_2019/papers/CVFAD/Yildirim_Generating_High-Resolution_Fashion_Model_Images_Wearing_Custom_Outfits_ICCVW_2019_paper.pdf 项目地址： Zalando是总部位于德国柏林的大型网络电子商城，其主要产品是服装和鞋类。这篇文章很短，几乎没有什么废话，模型的效果看起来也很好。得益于其行业性质，其使用的..

【虚拟试衣论文笔记】C-VTON: Context-Driven Image-Based Virtual Try-On Network

bikahuli — Sun, 06 Mar 2022 16:41:43 +0800

论文地址：https://openaccess.thecvf.com/content/WACV2022/papers/Fele_C-VTON_Context-Driven_Image-Based_Virtual_Try-On_Network_WACV_2022_paper.pdf 项目地址：https://github.com/benquick123/C-VTON 作者提出了一个上下文驱动的虚拟试穿网络 (C-VTON)，即使在具有挑战性的姿势配置和存在自我遮挡的情况下，也能令人信服地将选定的服装区..

【ViT论文】Not All Patches are What You Need: Expediting Vision Transformers via Token Reorganizations

bikahuli — Mon, 28 Feb 2022 17:39:16 +0800

论文地址：http://arxiv.org/abs/2202.07800 项目地址：https://github.com/youweiliang/evit 在这项工作中，作者在 ViT 模型的前馈过程中重新组织图像标记，在训练期间将其集成到 ViT 中。由相应的类令牌注意力引导识别 MHSA 和 FFN（即前馈网络）模块之间的注意力图像令牌，然后，通过保留注意图像标记和融合非注意图像标记来重组图像标记，以加快后续的 MHSA 和 FFN 计算。在相同数量的输入图像标记下，该方法减少了 MHSA 和 ..

【对比学习论文笔记】CMC: Contrastive Multiview Coding

bikahuli — Sat, 26 Feb 2022 13:35:31 +0800

论文地址：http://arxiv.org/abs/1906.05849 项目地址：http://github.com/HobbitLong/CMC

【ViT 论文笔记】Vision Transformer for Small-Size Datasets

bikahuli — Sun, 20 Feb 2022 13:54:06 +0800

论文地址：https://arxiv.org/abs/2112.13492 项目地址：将 Transformer 结构应用于图像分类任务的 ViT 的性能优于卷积神经网络。然而，ViT 的高性能源于使用大型数据集（如 JFT-300M）进行预训练，其对大型数据集的依赖被认为是源于其低局部性归纳偏差。本文提出了 Shifted Patch Tokeniza-tion (SPT) 和 Locality Self-Attention (LSA)，来解决了缺乏局部性归纳偏差的问题，即使在小型数据集上也能..

【CV Transformer 论文笔记】Intriguing Properties of Vision Transformers

bikahuli — Mon, 27 Dec 2021 13:27:01 +0800

遮挡（Occlusions）对于遮挡的建模，作者采用了一种命名为PatchDrop的方法，即选取所有patches的一个子集，将其像素值置为0；根据子集选取方法的不同又可以划分成三种方法： Random PatchDrop（随机） Salient (foreground) PatchDrop（显著/前景） Non-salient (background) PatchDrop（非显著/背景）在ImageNet的验证集（50K张图片）上进行视觉识别任务的比较，随着不同PatchDrop方法的Infom

【CV Transformer 论文笔记】MAE: Masked Autoencoders Are Scalable Vision Learners

bikahuli — Tue, 21 Dec 2021 18:54:09 +0800

本文的主要观点是：掩码自编码器 (MAE) 是适用于计算机视觉的可扩展自监督学习器。如果说ViT对应于NLP中的Tranformer，MAE实际上是对应于BERT。 MAE的核心思想是随机屏蔽输入图像一部分的patches随后重建被屏蔽的像素。这种将输入映射到潜在表示再重构输入的编码器-解码器结构就叫做Autoencoder。 MAE基于2个核心设计： 1、非对称编码器-解码器架构，其中编码器仅对可见的patches编码，随后将mask tokens加入编码结果中馈送到轻量级解码器。 2、屏蔽输入图像.

【CV Transformer 论文笔记】PS-ViT: Vision Transformer with Progressive Sampling

bikahuli — Mon, 20 Dec 2021 11:43:10 +0800

论文地址：https://openaccess.thecvf.com/content/ICCV2021/papers/Yue_Vision_Transformer_With_Progressive_Sampling_ICCV_2021_paper.pdf 项目地址：https://github.com/yuexy/PS-ViT ViT直接将纯Transformer架构应用于图像分类，通过简单地将图像分成固定长度的Tokens，并使用Transformer来学习这些tokens之间的关系。然而，这种朴素..

【论文笔记】MaskFormer: Per-Pixel Classification is Not All You Need for Semantic Segmentation

bikahuli — Sun, 19 Dec 2021 11:30:39 +0800

论文地址：https://papers.nips.cc/paper/2021/file/950a4152c2b4aa3ad78bdd6b366cc179-Paper.pdf 项目地址：https://github.com/facebookresearch/MaskFormer 现在的方法通常将语义分割制定为per-pixel classification任务，而实例分割则使用mask classification来处理。本文作者的观点是：mask classification完全可以通用，即可以使用..

【论文笔记】Mask2Former: Masked-attention Mask Transformer for Universal Image Segmentation

bikahuli — Fri, 17 Dec 2021 11:40:24 +0800

本文提出了用于通用图像分割（全景、实例或语义）的 Masked-attention Mask Transformer (Mask2Former)。 Mask2Former建立在一个简单的元框架（MaskFormer）和一个新的 Transformer 解码器上，其关键组成部分为掩码注意力（Masked-attention），通过将交叉注意力限制在预测的掩码区域内来提取局部特征。与为每个任务（全景、实例或语义）设计专门模型相比，Mask2Former 节省了 3 倍的研究工作，并且有效节省计算资源。 M.

【虚拟试衣论文笔记】CP-VTON+: Clothing Shape and Texture Preserving Image-Based Virtual Try-On

bikahuli — Wed, 15 Dec 2021 10:10:20 +0800

论文阅读笔记 CP-VTON+: Clothing Shape and Texture Preserving Image-Based VirtualTry-On

SwiftUI学习之路：View修饰符-preferredColorScheme

bikahuli — Tue, 14 Dec 2021 10:21:46 +0800

preferredColorScheme 设置当前Color Scheme偏好。声明方式 func preferredColorScheme(_ colorScheme: ColorScheme?) -> some View 参数 colorScheme是一种enum（枚举）类型，包含两个cases：dark light对应于系统的深色模式和浅色模式。 VStack { Button(action: {}) { Text(" Button") }

SwiftUI学习之路：View的修饰符-foregroundStyle

bikahuli — Sun, 12 Dec 2021 21:22:10 +0800

foregroundStyle 设置一个View的前景样式声明方式： func foregroundStyle~~(_ style: S) -> some View where S : ShapeStyle func foregroundStyle(_ primary: S1, _ secondary: S2) -> some View where S1 : ShapeStyle, S2 : ShapeStyle func foreground~~