文章

Note: VAE并不是一个只关注重建的模型，它更重要的能力是图像生成，所以VAE并不是一个AE模型，它具备生成能力。 与常见的Autoencoder不同，变分自编码器并不是将输入映射为一个固定的向量，而是映射为一个分布$p_\theta$（参数为$\theta$）。输入数据$\mathbf{x}$与隐变量$\mathbf{z}$的关系如下： ...

VQGAN是一个可以在多种图像生成任务上（如无条件图像生成、图像补全、条件引导图像生成等）均有着良好性能的生成模型，其中最大的亮点在于超像素级别的图像生成（百万级像素）。 ...

正常来说图像的像素值是离散的（在0到255之间），所以我们其实可以把图像看成是一个长为$H\times W\times C$的序列，在预测当前像素值时，把之前的像素值作为已知信息参与到预测中，这样递归地逐像素预测下去，即自回归模型（autoregressive model）： ...

LSS是早期一篇使用BEV来做自动驾驶感知的开山之作，后面的很多bev相关的算法都是基于LSS这一套框架做的改变。 BEV感知 BEV（Bird‘s’ Eye View）感知，顾名思义是用一种俯瞰的视角来解决自动驾驶感知的问题。这个视角下的目标检测、分割、跟踪等问题都会很直接，而且针对于自动驾驶场景，目标的高度信息其实并没有那么重要，下游的决策规划之类的任务大多数也是用的这种自上而下的视图来做的，多个相机信息的融合会变得方便很多，所以bev下的自动驾驶方案会更加的简单直接。 ...