文件名称：synsin:面向公众查看综合
文件大小：2.5MB
文件格式：ZIP
更新时间：2024-04-09 05:13:02
Python
SynSin：从单个图像进行端到端视图合成（CVPR 2020） 这是的代码。此代码允许在测试时给定看不见场景的单个图像的情况下，合成场景的新视图。它以自我监督的方式接受了成对的视图训练。它使用GAN技术和新的可区分点云渲染器进行了端到端的培训。在测试时，将看不见的场景的单个图像输入到模型中，从中生成新的视图。 图1：使用SynSin在新视点上生成的图像。给定视频中的第一张图像，模型将沿着轨迹生成所有后续图像。所有重建都使用相同的模型。在火车上没有看到这些场面。 用法 请注意，此存储库是原始代码的大型重构，以允许公开发布并与集成。因此，模型/数据集不一定与本文中的模型/数据集相同，因为我们无法释放所使用的已保存测试图像。为了比较结果，我们建议与该中的编号和模型进行比较，以实现公平的比较和可重复性。 设定与安装 请参阅。 快速开始 要快速开始使用预先训练的模型，请参阅。 训练和评估自己的模型
【文件预览】：
synsin-master
----train.sh(1KB)
----evaluation()
--------eval.py(10KB)
--------metrics.py(814B)
--------eval_kitti.py(5KB)
--------eval_realestate.py(6KB)
--------RESULTS.md(4KB)
--------evaluate_perceptualsim.py(4KB)
----options()
--------train_options.py(14KB)
--------test_options.py(2KB)
--------options.py(3KB)
----README.md(3KB)
----utils()
--------geometry.py(592B)
--------jitter.py(610B)
----INSTALL.md(941B)
----.github()
--------CONTRIBUTING.md(1KB)
--------CODE_OF_CONDUCT.md(244B)
----submit.sh(7KB)
----REALESTATE.md(3KB)
----train.py(12KB)
----download_models.sh(1KB)
----models()
--------z_buffermodel.py(5KB)
--------networks()
--------base_model.py(5KB)
--------depth_model.py(3KB)
--------projection()
--------layers()
--------losses()
--------encoderdecoder.py(8KB)
----KITTI.md(1KB)
----demos()
--------im.jpg(1.7MB)
--------Simple Demo.ipynb(185KB)
--------Interactive Demo.ipynb(561KB)
----requirements.txt(3KB)
----LICENSE.md(9KB)
----MP3D.md(1KB)
----QUICKSTART.md(790B)
----submit_slurm_synsin.sh(2KB)
----data()
--------create_rgb_dataset.py(15KB)
--------realestate10k.py(11KB)
--------habitat_data.py(4KB)
--------kitti.py(4KB)
--------scene_episodes()
--------files()
----geometry()
--------camera_transformations.py(2KB)