最近看了一本很有意思的书,Nicolas P. Rougier的From Python to Numpy。其中有一小节Blue noise sampling,讲的是所谓的面向问题的代码向量化,很有意思,简单记录一下。(当然,向量化的代码可以提升
“Lift, Splat, Shoot: Encoding Images from Arbitrary Camera Rigs by Implicitly Unprojecting to 3D” “Uncertainty-Aware CNNs for Depth Completion: Uncert
现象描述 因为安装位置的关系,LiDAR在鱼眼相机的上面,导致点云投影到鱼眼相机时,鱼眼相机不可视的点投影到了图像上,且与近处点云交错重叠。如图,左边显示器顶部出现了深度交错。 解决思路 类似Z-buffering的原理,思路是用前面的点过滤掉后面的点。根据透视原理,近处点云所投影的像素面积是会比远
背景 通常我们会选择连续若干个epoch后train loss不下降时就降低lr(为方便讨论,这里统一选择减半lr)的策略。具体来说,train的时候通过计算eval分数判断best weight,同时记录last weight。但是在发现train loss无法下降时其实已经不是最好的时机,通过实