开源项目Enhance Agent是一个智能图像处理系统，通过自然语言指令实现图像编辑操作。系统采用多智能体协作架构，能够理解用户的自然语言指令，自动执行相应的图像处理任务。

利用pytorch中的钩子（hook），我们不用改变输入输出中间的网络结构，可以方便的获取、改变网络中间层变量的值和梯度。本篇文章记录了如何利用register_forward_hook(hook)获取pre-trained模型任意层的输出特征图并保存。register_forward_hook(hook)说明Registers a forward hook on the module....

开源项目Enhance Agent是一个智能图像处理系统，通过自然语言指令实现图像编辑操作。系统采用多智能体协作架构，能够理解用户的自然语言指令，自动执行相应的图像处理任务。

记录平常最常用的三个python对象之间的相互转换：numpy，cupy，pytorch三者的ndarray转换

是一个特殊的文件名，用于标识一个 Python 包（package）。在 Python 中，一个包就是一个包含多个模块的文件夹，该文件夹下必须包含一个名为的文件，用于告诉 Python 这是一个包，并且可以在该包中导入其他模块。文件有以下几个常见用途：文件可以包含初始化代码，例如设置模块级别的变量或者执行某些必要的操作。这些初始化代码在导入包时会被自动执行。文件可以控制哪些模块可以被导入。例如，可

ffmpeg将视频解成图片ffmpeg -i test.mp4 -pix_fmt rgb24 %4d.png但是同样的命令，却只能得到整个视频的yuv，无法获得单帧的yuv:ffmpeg -i test.mp4 -pix_fmt yuv420p %4d.yuv后来发现可以通过segment来实现，-segment_time需设置为小于1/fps的数:ffmpeg -i test.mp4 -f se

本文讲解了CVPR 2019的一篇文字检测算法《Character Region Awareness for Text Detection》的原理，并给出我使用**C++和TensorRT**重新实现的推理，速度比原版代码快12倍。

记录平常最常用的三个python对象之间的相互转换：numpy，cupy，pytorch三者的ndarray转换

本文主要介绍以下两个方面：介绍并用python实现了oklab空间与XYZ空间的转换介绍并用python实现了在oklab空间如何确定一个色域的范围1. oklab与XYZ互相转换（1）XYZ向oklab空间转换总共三步，两步矩阵乘法+一步非线性变换， 计算简单是oklab的一大优点；第一步是将XYZ转换到一个近似的锥体细胞反应 lms:第二步是一个非线性变换：第三步是转换至Lab的坐标下：上式中

本文是对Swinir的改进，目前很多图像超分Benchmark的SOTA。相对于SwinIR的改进主要有三个地方：1. 引入Channel Attention,以获得更好的全局能力；2. 提出了overlapping cross-attention模块，来进行跨window的信息交互；3. 提出一个预训练策略。上面两张图分别是HAT和SwinIR的整体结构图，可以看出HAT延续了SwinIR的基本