Attention-Related Image Captioning (2) 发表于 2020-04-06 更新于 2020-04-20 分类于 论文阅读 一、Reflective Decoding Network for Image Captioning, ICCV2019 自制PPT 1、解决问题 这篇论文认为当图片的内容比较复杂时传统的LSTM很难处理长期依赖问题，往往更关注于相对比较近的单词而忽略比较远的问题，如下图所示，“bridge”对“river”有很大的提示作用，但是它们之间相差6个单词，对于传统的LSTM来说很容易忽略这个。 阅读全文 »
Attention-Related Image Captioning 发表于 2020-03-29 更新于 2020-04-21 分类于 论文阅读 一、Show, Attend and Tell: Neural Image Caption Generation with Visual Attention, ICML2015 1、解决问题 我们人类观察图片时，不是将整个图片压缩成一个静态表示，而是通过注意力机制根据需要动态调节所观察的区域，当图像中存在大量杂乱时，这一点尤其重要。因此，作者参考人类的视觉系统，在编解码框架的基础上引入了注意力机制，使得模型在生成描述时可以动态关注图片的不同区域。 阅读全文 »
(ICCV2019) Towards Unsupervised Image Captioning with Shared Multimodal Embeddings 发表于 2019-10-01 更新于 2020-04-20 分类于 论文阅读 论文链接 一、主要思想 文章首先提出了传统方法的问题：给图片标注描述信息很繁琐、昂贵，并且这些人工描述也都很短而且是重复的；当前的方法生成的描述受限于图片类别数和并不完美的验证指标，因此很难扩展到数据集以外的图片中。本文使用无监督的方式对独立的图像和文本进行建模，避免了带有人为偏见的而且昂贵的人工标注，当然，语料和图片并不是完全无关的，比如试图用经济学文本语料来描述图片是不合理的。 阅读全文 »
(CVPR2019) Unsupervised Image Captioning 发表于 2019-09-20 更新于 2020-04-21 分类于 论文阅读 论文链接 | 代码链接 一、主要思想 作者首先总结了以往的Image Caption的方法，将这些方法分成以下几类： 阅读全文 »
五、三维图形变换原理和实践 发表于 2019-08-26 更新于 2020-09-13 分类于 计算机图形学 1、原理 1）四种坐标系 为了将三维立体图形投影到平面上，应该首先理解以下四种坐标系： 本体坐标系（模型坐标系）：是为规定基本形体而引入的便于描述的坐标系，也就是立体图形自身的坐标系。 用户坐标系（世界坐标系）：是用户引入描述整个形体的坐标系。 观察坐标系（视坐标系或目坐标系）：为说明观察的姿态而引入，也就是观察者所处的位置。 设备坐标系（屏幕坐标系或显示坐标系）：最终的图形显示设备的坐标系。 阅读全文 »
四、多边形的扫描转换算法原理和实践 发表于 2019-08-26 更新于 2020-09-13 分类于 计算机图形学 1、原理 1）区域的“奇偶”性质 多边形扫描转换主要依据区域的一种“奇偶”性质，即一条直线与任意封闭的曲线相交时，总是从第一个交点进入内部，再从第二个交点退出，在交替的进入退出过程中对多边形进行填充。 阅读全文 »