随笔- 273 文章- 0 评论- 3 阅读- 62887

03 2024 档案

niqe

摘要：import os import numpy as np from PIL import Image import pyiqa import torch # 输入包含图像的文件夹路径pyiqa input_folder = '/media/sdnu/f9cc3556-f530-42b2-95df-6 阅读全文

posted @ 2024-03-27 16:19 helloWorldhelloWorld 阅读(67) 评论(0) 推荐(0) 编辑

psnr ssim lpips

摘要：import osimport torchimport torchvision.transforms.functional as TFfrom skimage.metrics import peak_signal_noise_ratio as psnrfrom skimage.metrics imp 阅读全文

posted @ 2024-03-20 10:56 helloWorldhelloWorld 阅读(41) 评论(0) 推荐(0) 编辑

flops&params

摘要：from thop import profile import time if __name__ == '__main__': net = LLFormer() net = net.to(torch.device('cuda:0')) input = torch.randn(1, 3, 256, 2 阅读全文

posted @ 2024-03-14 15:24 helloWorldhelloWorld 阅读(6) 评论(0) 推荐(0) 编辑

计算lpips

摘要：import os import torch import lpips from PIL import Image from torchvision.transforms import ToTensor # 初始化LPIPS模型 loss_fn = lpips.LPIPS(net='vgg') de 阅读全文

posted @ 2024-03-14 11:43 helloWorldhelloWorld 阅读(176) 评论(0) 推荐(0) 编辑

2024CVPR_Frequency-Adaptive Dilated Convolution for Semantic Segmentation----todo------------

摘要：一 Motivation 膨胀卷积采用固定的膨胀率会丢失高频信息，使得权重向低频信息移动。二 Contribution 三 Network 四 Exp 阅读全文

posted @ 2024-03-12 11:04 helloWorldhelloWorld 阅读(148) 评论(0) 推荐(0) 编辑

2024CVPR_Misalignment-Robust Frequency Distribution Loss for Image Transformation

摘要：一、Motivation 1、目前的方法严重依赖于具有像素级对齐的精确对齐配对数据集（感觉像是说L1，不确定==）二、Contribution 使用离散傅里叶变换(DFT)将图像特征转换到频域，在计算预测图像和参考值GT 振幅和相位的SWD(Sliced Wasserstein Distance) 阅读全文

posted @ 2024-03-02 15:16 helloWorldhelloWorld 阅读(118) 评论(0) 推荐(0) 编辑