Nguyen Thanh Vinh VinhDevNguyen

Learning To Count Everything

Bài tập 1

Mã nguồn xử lí dữ liệu

https://github.com/cvlab-stonybrook/LearningToCountEverything/blob/00ea1888c3a7c495ae06db0bddc3b90b7db8d52f/utils.py#L300-L303

Normalize = transforms.Compose([transforms.ToTensor(),
    transforms.Normalize(mean=IM_NORM_MEAN, std=IM_NORM_STD)])
Transform = transforms.Compose([resizeImage( MAX_HW)])
TransformTrain = transforms.Compose([resizeImageWithGT(MAX_HW)])

Weakly-Supervised Contrastive Learning in Path Manifold for Monte Carlo Image Reconstruction

Bài toán chính đang giải là gì?

Giảm số chiều của path space cho mô hình MC reconstruction (tái cấu trúc Monte Carlo) để khai thác path-space features một cách hiệu quả

Problem của các work trước là gì?

Tác giả có đưa ra những bài báo trước đã dùng Path-Space Feature để render tốt hơn G-buffer vì:

Nó dùng learned feature thay vì hand crafted features
G-buffer thu thập các tia ánh sáng từ nguồn

	MZP ÿÿ ¸ @ º ´ Í!¸LÍ!This program must be run under Win32
	$7 PE L ^B* à
	p p Ð @ € @ Ès ” Èc € € à p d @ à.rsrc p h h @ À


	======================================================
	DE-CMOS3.EXE Copyright (C) 2010-2014 Jozef Bogin
	======================================================

	{ØoMó‰í Î` j & í¿wþÿ@

	import random
	import string
	from selenium import webdriver
	import time

	def get_random_string(length):
	letters = string.ascii_lowercase
	result_str = ''.join(random.choice(letters) for i in range(length))
	return(result_str)
	def get_random_digit(length):