如果AI生成的模型很shit（粗糙）怎么办

已于 2025-07-16 15:53:04 修改
阅读量17 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 鼠鼠的AI笔记 文章标签： 算法 python 图形渲染
于 2025-07-16 15:22:55 首次发布
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。
本文链接：https://blog.youkuaiyun.com/u013302570/article/details/149398360

算法1 Laplacian Smoothing

https://github.com/pyvista/pyvista

  • https://docs.pyvista.org/api/core/_autosummary/pyvista.polydatafilters.smooth_taubin
    请添加图片描述

https://github.com/mikedh/trimesh

算法2 Remeshing

Isotropic Remeshing

https://github.com/cnr-isti-vclab/PyMeshLab

  • https://pymeshlab.readthedocs.io/en/latest/filter_list.html#meshing_isotropic_explicit_remeshing

了解本专栏 订阅专栏 解锁全文 超级会员免费看
《机器学习系列教程》：第二章 机器学习基础
AI拉呱，专注于人工智与网络安全方面的研究，关注一起学习。
07-13 1702
第二章 机器学习基础 机器学习and 数据分析 2.2 监督学习、非监督学习、半监督学习、弱监督学习？ 根据数据类型的不同，对一个问题的建模有不同的方式。依据不同的学习方式和输入数据，机器学习主要分为以下四种学习方式。 监督学习： 监督学习是使用已知正确答案的示例来训练网络。已知数据和其一一对应的标签，训练一个智能算法，将输入数据映射到标签的过程。 监督式学习的常见应用场景如分类问题和...
Yolo v5 长方形 训练修改
EmoC的博客
04-25 2647
感谢，以下内容改自：http://t.csdn.cn/37m2w dataloaders.py # YOLOv5 🚀 by Ultralytics, GPL-3.0 license """ Dataloaders and dataset utils """ import contextlib import glob import hashlib import json import math import os import random import shutil import time from it
AnimateDiffusion文字生成图片--入门
a18792721831的博客
02-06 1075
这次只是使用了一个文本到图片的功能，实际上还是非常强大的，继续探索。最后祝愿各位玩的开心！
“假脸”横行！这个良心网站教你如何成为“打假”专家
02-25 275
大数据文摘出品作者：蒋宝尚、魏子敏先做一个简单的小测试。这里有几组图片，不要怀疑，每组图片都有一张是合成的“假脸”。左边为假右边为假左边为假StyleGAN：图片生成新神器上面的那三组图片来自最近在reddit上爆火的一个网站—...
第二章_机器学习基础
weixin_42631192的博客
12-09 5747
文章目录第二章 机器学习基础2.1 各种常见算法图示2.2 监督学习、非监督学习、半监督学习、弱监督学习？2.3 监督学习有哪些步骤2.4 多实例学习？2.5 分类网络和回归的区别？2.6 什么是神经网络？2.7 理解局部最优与全局最优2.8 分类算法2.8.1 常用分类算法的优缺点？2.8.2 正确率能很好的评估分类算法吗？2.8.3 分类算法的评估方法？2.8.4 什么样的分类器是最好的？2....
第二章 机器学习基础
duanyajun987的博客
03-25 1万+
原文:https://github.com/scutan90/DeepLearning-500-questions/blob/master/ch02_%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%9F%BA%E7%A1%80/%E7%AC%AC%E4%BA%8C%E7%AB%A0_%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%9F...
深度学习 - 第二章 - 机器学习基础
杀鹌鹑的孺子
01-04 4621
深度学习 - 第二章 - 机器学习基础第二章 机器学习基础2.1 各种常见算法图示2.2 监督学习、非监督学习、半监督学习、弱监督学习？2.3 监督学习有哪些步骤2.4 多实例学习？2.5 分类网络和回归的区别？2.6 什么是神经网络？2.7 理解局部最优与全局最优2.8 分类算法2.8.1 常用分类算法的优缺点？2.8.2 正确率能很好的评估分类算法吗？2.8.3 分类算法的评估方法？2.8.4...
51c大模型~合集150
最新发布
whaosoft~aiotの开发板商城
07-06 683
该团队系统地评估了 w_1 和 w_2 的各种配置，以确定计算效率和模型性能之间的最佳平衡点（见表 1）。Clift et al. (2019) 的 2-simplicial Transformer 论文将其推广到三线性积，其中有两个额外的键和值投射矩阵 W_K′ 和 W_V′，从而得到 K′ = XW_K′ 和 V′ = XW_V′。无论你的数据是表格形式还是时间序列，是线性关系还是复杂的非线性模式，是完美的实验数据还是充满噪声的观察数据，Causal-Copilot 都能自动找到合适的分析方法。
《游戏设计理论》参考版
热门推荐
wuquwer的专栏
06-06 3万+
《游戏设计理论》参考版 2005.07.07  来自：gemares　     共有评论(0)条 发表评论    收藏 前 言 自从我编著第一本书The Art Computer Game Design 即(《计算机游戏设计艺术》)以来，20年的时间已经过去了。这段时间发生的变化很大：游戏业已经成长壮大．20 年前，一个程序员花不到一年的时间就可以创作一款顶级游戏。如今,由许多专业人
python 加速(1)
EmoC的博客
06-15 2588
因为要修改yolo系列里NMS处的计算，如果用python，速度巨慢。torchvision 有自己的加速后的NMS function。但是不和形变后的IOU通用。因此需要做一个类似的。回看torchvion, 发现里面有cpp的文件，因为之前没有接触过加速（资源比较丰富）。C++ 并不是加速NMS那步操作的解药，解药是CUDA kernel。因此，如果要加速任何的function在model里，CUDA kernel 是最终目的。自己之前误入歧途，以为C++就能加速一切。
Whisper
EmoC的博客
11-30 1898
Whisper 代码详解
自己训练 PaddleOCR PP_OCRv4
EmoC的博客
07-04 1741
所以，如果你的数据像我的一样的话，100%确定是水平的框，不是斜着的，那么请放心大胆把这两行注释了，你会发现数据导出的一片满意~尽管在模型训练里添加了旋转的数据增强，但是旋转过大的数据直接增加模型训练难度，而且加入后对原本识别好的有所下降, 所以还是看时间，如果时间够多，增加epochs，时间少，就不要给模型加大训练难度了。这时，你的terminal会有路径变化，为了以防万一，可以ls一下，看看当前的路径（默认是训练的文件夹）有没有你需要的。检查了默认的数据增强，按照官方建议，我要把概率提高到0.6。
openCV的CUDA GPU 版本安装 （Ubuntu windows 通用）
EmoC的博客
10-22 1694
例子：/media/xxx/cozynest/anaconda3/envs/detection/lib/python3.9/site-packages/cv2/python-3.10。这里有可能会出现configure的文件找不到的错误，可以直接copy paste Python 版本的文件，根据缺失文件的名字添加。这样放的原因是我Ubuntu的Home容量不够多，导致我需要把这些东西放在另一个盘上，其次是这样安装比较干净。以下是Python3相关会填入的内容。2：下载后的两个包裹会放在以下结构。
YOLO NAS note 1
EmoC的博客
05-18 1676
Yolo-Nas 的代码比YOLO v8 还恐怖。之前的YOLO数据可以通过：coco_detection_yolo_format_train， 和 coco_detection_yolo_format_val 自动转。
Towards Robust Blind Face Restoration with Codebook Lookup Transformer
EmoC的博客
01-18 1141
这个projec相对codeformer已经是老一些的了，CodeFormer paper说自己的效果比这个更好。有看了这个视频，它借用了R-ESRGAN 4x 和 GFPGAN 50%，既保留了一些人物特征，又有了更好的效果。
Transformer for CV
EmoC的博客
11-29 1033
Transformer 也不适用batch norm，Batch由GPU操作，但是一般的GPU顶多2个Batch，按照上一个内容，计算出12，这样的Batch size，对GPU来说为难了。对sequence的data不好，因为sequence的长度不一，那么batch norm用的mean 和 std 就不能很好的将每个feature的分布准确算出。而分的大块可能会错失细节信息。以上是数学里的计算方式，但是在代码里，以上步骤不好操作，因此，目前的GELU是通过sigmoid 或者 Tahn 估计出来的。
多人强化学习
EmoC的博客
12-04 921
这里有个后面流传很广的算法：COMA(counterfactualmultu-agent)文中有提到最简单的policygradient的形式是，公式如下：∇J(θ)=E[∑∇logπ(a|s)G它用MonteCarlosampling来estimateexpectedreturn，所以gradientestimates的variance会比较高。
AutoEncoder anomaly detection
EmoC的博客
10-14 740
这里写目录标题Video anomaly detection and localization via Gaussian Mixture Fully Convolutional Variational Autoencoder (2020 June)使用了VAE用dynamic flow代替optical flowMore layers, more invariable使用Anomaly ScoreVideo anomaly detection with spatio-temporal dissociatio
LLM Note 1
EmoC的博客
02-20 725
比如对一短视频做理解，他会重复输出“他穿着黑色衣服”，直觉认为可能是对视频做embbeding 时，抽到的帧都差不多，所以导致重复，基本上如果视频有8帧，那么类似的语句就会重复个7，8次。Token 确实比较影响model的效果，因此，怎么输出有效且准确的token，比较重要。Router 主要是将 Attention的输出，进行分配，Attention输出和FFN之间，不是全链接的关系。如果Token的数量在3-4左右，那么可以加速至少2倍，如果Token 数量在3~7，那么可以有更快的速度。
Stability AI 推出图像到视频的生成模型
资源摘要信息:"Stability AI 是一家专注于开发人工智能生成模型的公司，其最新发布的生成模型为 Stable Video Diffusion (SVD)，主要用于图像到视频的转换。SVD 模型能够生成分辨率为 576x1024 的视频帧，且模型基于...
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