一般来说，数据对的质量很大程度上决定了模型的效果。但干净的数据获得总是很困难的，所以有一些聪明人想出来了一些不需要干净数据的奇思妙想。这里就简单学习一下。Learning image restoration without clean data.ICML 2018，来自英伟达实验室NVlabs生活中的测量，最常用的就是多次测量求平均值。

这种格式的文件只保存模型的权重，而不包含优化器状态或其他信息，这也就意味着它通常用于模型的最终版本，当我们只关心模型的性能，而不需要了解训练过程中的详细信息时，这种格式便是一个很好的选择。二是模型的体积较大，一般真人版的单个模型的大小在7GB左右，动漫版的在2-5GB之间。这是因为 .ckpt 为了让我们能够从之前训练的状态恢复训练，好比从50%这个点位重新开始训练，从而保存了比较多的训练信息，比

大模型除了dreamshaper，还有Stable diffusion v1.4，Stable diffusion v1.5，Realistic Vision，majicMIX realistic，Deliberate v2，F222等。上半身特写，一位女孩，单人，Q版（或“迷你角色”/“简笔画风格可爱小人”，根据“chibi”具体语境调整），长发，面带笑容，开怀大笑，抱着泰迪熊，注视着观众，舞姿

信息量，可以说就是在将信息量化。首先信息的相对多少是有切实体会的，有的人一句话能包含很多信息，有的人说了等于没说。我们还可以直观地感觉到信息的多少和概率是有关的，概率大的信息也相对低一些。为了量化信息，一个做法就是找到一个单位，比如说抛硬币就是一个基本单位，或者说我们使用01编码。先看等概率的情况，种类数越多，那么需要编码的长度就越大，很显然是log的指数关系。因为是等概，所以概率和种类数目就是倒

大模型除了dreamshaper，还有Stable diffusion v1.4，Stable diffusion v1.5，Realistic Vision，majicMIX realistic，Deliberate v2，F222等。上半身特写，一位女孩，单人，Q版（或“迷你角色”/“简笔画风格可爱小人”，根据“chibi”具体语境调整），长发，面带笑容，开怀大笑，抱着泰迪熊，注视着观众，舞姿

噪声在ISP中去得越早越好，因为噪声在最开始成像的过程中就引入了，之后只会不断放大。具体而言，噪声产生的位置就是上图中绿色框的区域。

KAZE是发表在ECCV2012的一种特征点检测算法，相比于SIFT和SURF，KAZE建立的高斯金字塔是非线性的尺度空间，采用加性算子分裂算法(Additive Operator Splitting, AOS)来进行非线性扩散滤波。一个很显著的特点是在模糊图像的同时还能保留边缘细节。邹宇华在CSDN中有一系列文章进行了讲解。AKAZE 是加速版KAZE特征，即Accelerated KAZE..

做图像配准的时候，发现图像进行旋转的情况下的配准有一些特殊。于是想到可以用极坐标进行配准。查了一下资料，发现大家用的更多的是对数极坐标Log Polar。笛卡尔坐标系和极坐标系先来说一下我们常用的笛卡尔坐标。X轴水平向右是正方向，y轴垂直于x轴，竖直向上是正方向。但是在计算机中图像的原点在左上方，所以如果是在笛卡尔坐标中进行旋转，需要三个矩阵相乘，分别实现从计算机坐标到笛卡尔坐标，旋转角度thet

https://www.jianshu.com/p/b3e9fb2ad0dchttps://blog.csdn.net/luohuiwu/article/details/80722542

AKAZE是KAZE的加速版本。KAZE在构建非线性空间的过程中很耗时，在AKAZE中将Fast Explicit Diffusion(FED)加入到金字塔框架可以dramatically speed-up。在描述子方面，AKAZE使用了更高效的Modified Local Difference Binary(M-LDB)，可以从非线性空间中利用梯度信息gradient information。M