Drug discovery

原文连接：研究笔记体验版的模型已开源：GitHub - a312863063/Video-Auto-Wipe: Erase specific content from the video that you don't wanna see如果有什么问题或者想法，相互交流一下吧~目录​​​​​​​总述Ⅰ·视频擦除简介Ⅱ· 一种精巧好用的模型——OPNⅢ· 对于OPN模型的一种改良思路Ⅳ· 探索更实际好用的视频擦除框架总述  众所周知，生成技术解决的问题是像素的预测，也

DC-ShadowNet: Single-Image Hard and Soft Shadow Removal Using Unsupervised Domain-Classifier Guided Network（图像恢复-去除阴影）code and paper:DC-ShadowNet: Single-Image Hard and Soft Shadow Removal Using Unsupervised Domain-Classifier Guided Network | Papers Wit.

今天在做视频修复的时候遇到了一个问题：我应该如何将左边的照片转为右边这种形式的呢（也可以自定义mask，做静态mask...）？第一步：我先用PS将图像抠出来（这里推荐使用套索工具，感觉很好用）然后我右键这个区域，选择填充为白色，然后再右键该区域，选择反向，填充为黑色：这样你选择的地方就变成白色，其他地方就变成黑色了保存为PNG格式到桌面第2步：但是这样不够，因为你会发现这个照片是24位深，并且黑白交互地方有羽化的痕迹通过以下代码生成8位深的纯..

将下面这两张合成为如下形式的图片：首先使用PS将两张图片打开，将黑白图使用魔棒工具取出白色的地方，然后Ctrl + C复制这个，粘贴到另一张图像上，就可以了（好像需要双击解除图层才可以）...

1、下载ffmpeg安装包https://github.com/BtbN/FFmpeg-Builds/releases解压文件，进入bin目录，能看到ffmpeg.exe、ffplay.exe、ffprobe.exe三个文件。不用管它，进行下一步。2、设置环境变量点击“系统属性->高级系统设置->环境变量->用户变量”，选择“Path”条目，点击“编辑->新建”，把第一步的bin文件夹路径复制粘贴进去，然后点击确定即可。我们打开cmd命令行窗.

We report quantitative results by four numeric metrics, i.e., PSNR [33], SSIM [5], flow warping error [17] and video-based Fr´echet Inception Distance (VFID) [5,30]. Specifically, we use PSNR and SSIM as they are the most widely-used metrics for video qual

论文地址：AAAI 2020.https://arxiv.org/pdf/1911.10375v1.pdfmotivation：传统的image inpainting的方式利用FN(feature normalization)来帮助网络训练，但是他们往往是在整个图像上进行，没有考虑到corrupted region的像素对于mean/variance的影响，这篇文章通过RN(regional normalization)把空间像素根据mask分别不同的区域，然后在不同的区域上分别计算mean和vari.

库函数使用：dst = cv2.inpaint（src，mask, inpaintRadius，flags）参数是：src：输入8位1通道或3通道图像。 inpaintMask：修复掩码，8位1通道图像。非零像素表示需要修复的区域。 inpaintRadius：算法考虑的每个点的圆形邻域的半径。 flags： INPAINT_NS基于Navier-Stokes的方法（Fast Marching Method 快速行进算法） Alexandru Telea的INPAINT_TELEA

Gated Convolution是对部分卷积网络（Partial Convolutions）《Image Inpainting for Irregular Holes Using Partial Convolutions》的改进ICCV 2019《Free-Form Image Inpainting with Gated Convolution》解决问题：Partial Convolutions中Mask更新的不合理；提出新卷积层（Gated Convolution layer ），通过在所.

文章地址：https://arxiv.org/abs/1908.08718代码地址：GitHub - seoungwugoh/opn-demo: Onion-Peel Networks for Deep Video Completion, ICCV 2019介绍地址：研究笔记Ⅱ· 一种精巧好用的模型——OPN  通过多轮的调研和测试，我们发现基于显式擦除的网络较为笨重，占用内存高、计算开销较大，且遇到一些交叉遮挡、频繁切换的视频场景效果就会变糟，因此可改良的空间很小；而基于隐式擦除的网络小巧

目标检测中最具挑战性的问题就是目标的尺度变化问题（scale variance）。在目标检测中，物体的形状和尺寸大小不一，甚至可能出现一些极小、极大或者极端形状（如细长型、窄高型等）的物体，这就给目标的准确识别和精准定位带来了极大困难。现有的针对目标尺寸变化问题而提出的算法中，较为有效的算法主要有图像金字塔和特征金字塔，这两者的共同思想就是利用多尺度特征来检测不同尺寸的物体。1. 图像金字塔（image pyramid）图像金字塔是指将图像缩放至不同分辨率，并用同一个CNN对不同分辨率的图像来提取不同

STTN

Nevertheless, similar to all existing patch-based Transformer models [8, 42], the hard split operation used in ViBT makes it unable to effectively encode sub-token (subpatch) level representations. Since the attention score is calculated between different

In summary, our main contribution is to learn joint spatial and temporal transformations for video inpainting, by a deep generative model with adversarial training along spatial-temp

Abstract Video inpainting aims to fill the given spatiotemporal holes with realistic appearance but is still a challenging task even with prosperous deep learning approaches. Recent works introduce the promising Transformer architecture into deep video i