用另一种算法修复由Perlin噪声产生的方向伪影 - 腾讯云开发者社区

使用一类现实和自然纹理来生成对抗样本, 利用扰动对机器学习算法最终的结果产生不同....使用Perlin噪声作为程序化噪声是由于其易于使用, 流行并且简单, 虽然Perlin噪声不是最有效或者无伪影的噪声函数, 其简单的实现对于低成本的黑盒攻击而言十分有效....Perlin噪声是一种梯度噪声, 梯度噪声是利用一个伪随机梯度的方格来生成的噪声, 对这些点积然后插值得到噪声....图5示出了使用灰度正弦彩色图足以用极少量的查询来制作成功的攻击. 同样的推理适用于我们选择的Perlin噪声函数. 扩展性: 我们定义我们的生成函数 ?...这阻碍了我们的攻击, 因为它限制了我们产生的Perlin噪声的空间. 对于ε= 4/256, 我们的Perlin噪声攻击几乎不会对随机噪声产生影响, 特别是对于前5个误差.

9201 0

如何生成酷炫的背景图片？ | 数字艺术 Perlin Noise

它是由Ken Perlin在20世纪80年代开发的，并已用于图形应用程序，以生成程序纹理、形状、地形和其他看似有机的形式。...Perlin 噪声常见实现形式为二维、三维或四维函数，但可以定义为任意数量的维。实现Perlin Noise通常包括三个步骤：网格定义；点积；插值。...该梯度矢量定义了一个正方向（指向它的方向），当然也定义了一个负方向（指向它的相反方向）。伪随机意味着，对于输入到梯度矢量方程中的任何整数集，总是会出现相同的结果。...可以使用Perlin噪波为绘制线算法引入抖动，使其看起来像是用手绘制的。二维 Perlin函数地形 Perlin Noise 用来表现地形的连绵起伏。...三维 Perlin函数 3D云用来产生体积云云动画用3D Perlin Noise函数产生2维动画固体纹理有些渲染/光线跟踪程序，如POVray，通过从三维纹理中直接切割对象来应用纹理。

1.3K2 0

您找到你想要的搜索结果了吗？

是的

没有找到

一篇文章搞懂柏林噪声算法，附代码讲解

本文以一种通俗简单的方式介绍Ken Perlin的改进版柏林噪声算法，算法代码采用c#编写，开源免费使用。如果你只是想看完整代码，可以点击文章结尾链接查看。...柏林噪声是一个非常强大算法，经常用于程序生成随机内容，在游戏和其他像电影等多媒体领域广泛应用。算法发明者Ken Perlin也因此算法获得奥斯卡科技成果奖（靠算法拿奥斯卡也是没谁了666）。...梯度向量代表该顶点相对单元正方形内某点的影响是正向还是反向的（向量指向方向为正向，相反方向为反向）。而伪随机是指，对于任意组相同的输入，必定得到相同的输出。...在本文所介绍的改进版柏林噪声中，这些梯度向量并不是完全随机的，而是由单位正方体（3维）的中心点指向各条边中点的12个向量： (1,1,0),(-1,1,0),(1,-1,0),(-1,-1,0), (1,0,1...这也产生了一个副作用：柏林噪声每隔256个整数就会再次重复。但这不是太大的问题，因为算法不仅能处理整数，还能处理小数。

11K5 2

WebGL进阶——走进图形噪声

细胞噪声；梯度噪声 (Gradient Noise) 梯度噪声产生的纹理具有连续性，所以经常用来模拟山脉、云朵等具有连续性的物质，该类噪声的典型代表是Perlin Noise。...其它梯度噪声还有Simplex Noise和Wavelet Noise，它们也是由Perlin Noise演变而来。...算法步骤梯度噪声是通过多个随机梯度相互影响计算得到，通过梯度向量的方向与片元的位置计算噪声值。这里以2d举例，主要分为四步：1. 网格生成；2. 网格随机梯度生成；3. 梯度贡献值计算；4....Noise生成的噪声图由很多个“晶胞”组成，每个晶胞向外扩张，晶胞之间相互抑制。...噪声算法组合前面介绍了两种主流的基础噪声算法，我们可以通过对多个不同频率的同类噪声进行运算，产生更为自然的效果，下图是经过分形操作后的噪声纹理。

2.7K3 0

刷榜13个暗光增强基准！清华大学联合ETH等开源Retinexformer：亮、暗都有细节｜ ICCV 2023

在增强弱光图像时，许多深度学习算法都是基于Retinex理论的，不过Retinex模型没有考虑隐藏在黑暗中或由点亮过程引入的损坏。...暗光增强简介如图1所示，暗光增强的主要任务是增强低光图像的能见度和对比度，同时修复隐藏在黑暗中或由于提升亮度而引入的噪声、伪影、颜色畸变等复杂的退化模式。...然而这类算法有两个缺陷：一是假定暗光图像都是干净的，不存在噪声伪影等。然而由于成像设备的缺陷，暗光图像常常带有噪声；二是这类算法依赖于手工设计的图像先验，常常需要调参且表征能力很弱。...2.1 单阶段视网膜理论框架根据视网膜理论，一个低光图像 I 可以分解为一个反射图 R 和一个照度图 L 的点乘：然而这个视网膜模型并没有考虑噪声伪影等退化因素。...那么在提升低光图像亮度时，上边等式两边会同时点乘一个亮度图：等式右边第三项便表示隐藏在黑暗中的噪声伪影，并在提升亮度过程中被进一步放大。第二项表示点亮过程造成的失曝，过曝和颜色畸变。

1K2 0

ICCV 2023 清华ETH提出 Retinexformer 刷新十三大暗光增强榜单

暗光增强简介如图1所示，暗光增强的主要任务是增强低光图像的能见度和对比度，同时修复隐藏在黑暗中或由于提升亮度而引入的噪声、伪影、颜色畸变等复杂的退化模式。...然而这类算法有两个缺陷。一是假定暗光图像都是干净的，不存在噪声伪影等。然而由于成像设备的缺陷，暗光图像常常带有噪声。二是这类算法依赖于手工设计的图像先验，常常需要调参且表征能力很弱。...而 ORF 又由两部分构成：(i) 光照估计器（illumination estimator）和 (ii) 退化修复器（corruption restorer）。...2.1 单阶段视网膜理论框架根据视网膜理论，一个低光图像 I 可以分解为一个反射图 R 和一个照度图 L 的点乘：然而这个视网膜模型并没有考虑噪声伪影等退化因素。...那么在提升低光图像亮度时，上边等式两边会同时点乘一个亮度图：等式右边第三项便表示隐藏在黑暗中的噪声伪影，并在提升亮度过程中被进一步放大。第二项表示点亮过程造成的失曝，过曝和颜色畸变。

7882 1

对抗鲁棒分类器神经网络画风迁移

这个图是由Odena等人从反褶积和棋盘图中重新使用的。目前还不清楚是什么导致了这些伪影。一种理论是，它们是由卷积层中不可分割的内核大小和步长造成的棋盘图伪影(Odena)。...不幸的是，我找不到任何支持这一点的东西。也许对抗性健壮性只是偶然地修复或掩盖了非VGG体系结构在样式转换（或其他类似算法8）时失败的真正原因，即对抗性健壮性是良好样式转换的充分但不必要的条件。...除了弄清VGG的神秘之处，这里还有一些未来工作的想法: 找出鲁棒的ResNet构件的原因并尝试修复它们。这篇由Sahil Singla撰写的文章展示了一些很好的技巧。...调整步长值，这样它就可以清楚地划分内核大小，这可能消除棋盘图伪影。用平均池层替换最大池层也可能有助于减少构件。您还可以尝试可微分图像参数化的技术，并结合鲁棒性应用图像转换和去相关参数化。...在VGG-19, max pooling层替换为avg pooling层，正如Gatys等人在原始论文中所做的那样。当输出图像不是用内容图像初始化，而是用高斯噪声初始化时，这一点更加明显。

5042 0

Frontiers in Neuroscience：弥散张量成像(DTI)研究指南

，尽管我们有很多方法来弥补这些伪影问题，但是最好的方法仍然是使用舒适的垫子调整被试的头部，并提前告知被试床上的噪音和振动（从源头上控制比从处理上修复要好的多）。...最近，磁共振仪器的振动被报道为另一个产生伪影的原因，称为振动伪影。在采集过程中，强烈的梯度会引起磁共振系统的低频机械共振，从而导致小的脑组织运动。...另一种方法是，如果影响是局部的，则将分析限制在没有被影响的区域内也是可以的。DWI采集中的伪影会导致张量估计的错误，从而导致扩散图（FA和MD）中的错误，从而导致具有错误方向或长度的白质纤维被重建。...纤维跟踪可以用两种不同的算法来完成，主要分为两类：确定性算法和概率性算法。确定性纤维束成像的目的是建立数据模型，实际上，可以认为是从每个种子中产生/重建一根纤维。...常用的概率算法有PICo算法由Camino实现、multi – fiber field model ，由FSL实现以及由slicer实现的贝叶斯方法等。

4.9K6 2

极速高清：让视频更小更清晰，迈向高品质视频

因此如何让视频以更小的带宽传输，再通过修复增强算法恢复出高清画质，实现“美”的共享，给视频技术提出了新的挑战。...并提出解耦信噪特征损失函数(disentangled loss)，通过端到端地引导网络对伪影和纹理加以区分，增加网络可控与可解释性的同时，让网络拥有良好的伪影去除及边缘保持特性，保证客观指标得分的前提下...现有超分辨率算法在遇到严重的噪声/伪影干扰时，表现性能会大幅下降。具体表现为会放大噪声/伪影等错误的高频信息，产生严重影响观感的bad case。...其他算法(包括编解码的环路滤波、传统图像算法、现有state-of-the-art的深度学习网络)没有足够可靠的机制与统一的公式去判断压缩块的边界是量化产生还是真实就有的。...画质提升技术：结合编码、传统算法、AI算法的多种自适应视频画质提升技术，一方面去除多余噪声，节省码率，另一方面提升视频画质，加大码率压缩空间，为编码器提供一个更好的输入源，辅助编码器输出低码率高画质的压缩效果

1.7K3 0

谈谈随机数

然而，公正的行为不一定会产生公平的结果。相比而言，TRNG更大的优势在于不可预测性，但结果上并不一定平均。 PRNG 伪随机数通过算法产生，计算机因此可以模拟随机行为。...这就是噪声：在三维空间提供高效的，可实现，可重复的伪随机信号。当然，上面的随机算法也能制造出噪声，但比较尖锐，生硬不自然，我们成为White Noise，比如电视上的雪花屏。...学者们根据效率、用途、自然程度（即效果好坏）等方面的衡量，提出了许多希望用程序模拟自然噪声的方法。...例如，Perlin噪声被大量用于云朵、火焰和地形等自然环境的模拟；Simplex噪声在其基础上进行了改进，提到了效率和效果；而Worley噪声被提出用于模拟一些多孔结构，例如纸张、木纹等。...如上图，是Perlin噪声的4次分形叠加产生的灰度图，添加颜色表，模拟地形的一个过程。机器的特点是不易出错，可以完美的执行任务，通过噪声，可以在可控范围内随机的创造出不完美，反而更有质感，真实感。

1.7K11 0

利用噪声构建美妙的 CSS 图形

换句话说，此信号在各个频段上的功率谱密度是一样的，由于白光是由各种频率（颜色）的单色光混合而成，因而此信号的这种具有平坦功率谱的性质被称作是“白色的”，此信号也因此被称作白噪声。...因为，利用白噪声产生的图形，看起不自然，也不太具备美感。观察现实生活中的自然噪声，它们不会长成上面的样子。...柏林噪声这样，我们就自然而然的引入了柏林噪声。 Perlin 噪声 ( Perlin noise ) 指由 Ken Perlin 发明的自然噪声生成算法。...它可能是这样：这里我制作了一张动图，大家可以感受下，每次点击都是一次利用了柏林噪声随机，赋予每个格子不同随机颜色的结果：可以看到，利用柏林噪声随机效果产生的图形，彼此之间并非毫无关联，它们之间的变化是连续的...这两个参数可以理解为控制随机效果的频率和幅度。其中 new Perlin(shuffle) 即运用到了柏林噪声算法。

5782 0

A full data augmentation pipeline for small object detection based on GAN

然而，已经证明，与真实世界的物体相比，常见的重缩放函数会导致伪影，这些伪影会显著扭曲重缩放的物体。后者可以通过目标分割方法来处理，以清除原始背景，然后将目标插入合理的位置，同时调整颜色一致性。...实现最终图像的技术可以使用视频的一系列连续帧或单个图像。多个基于图像（或经典）的解决方案大多是基于重建的算法，这些算法试图通过模拟图像形成模型来解决混叠伪影。...默认的方法是从源图像中复制像素并将其粘贴到目标图像上，但由于合成边界的突然强度变化，这会产生明显的伪影。 Burt和Adelson[37]介绍了拉普拉斯金字塔，一种感兴趣图像的多分辨率表示。...对抗性损失基于鉴别器的概率定义为：其中是HR子集，z是噪声向量。对抗性损失是以不成对的方式计算的，使用LR子集使SLR目标被真实世界的伪影污染。...（2）在图像生成过程中平衡两个分量的相关性——lGadv比lpixel高两个数量级。因此，对抗性损失有助于学习用来自LR子集的噪声和伪影污染HR输入，并且像素损失有助于保留原始输入的视觉特征。

4742 0

Real-ESRGAN超分辨网络

例如：拍照时，照片可能会有几个退化，如相机模糊、传感器噪声、锐化伪影和JPEG压缩编辑并上传到一个社交媒体应用程序，将进一步的压缩和不可预测的噪音当图像在互联网上共享多次时，上述过程会变得更加复杂...经典的退化模型如下： D(.)表示退化过程，主要表现为HR数据（用y表示）先和模糊核做卷积使整个图像模糊，再下采样，然后加入噪声，最后做JPEG压缩。...Overshoot artifacts（过冲伪影）通常与振铃伪影相结合，振铃伪影表现为边缘过渡处增加的跳跃。产生这些伪影的主要原因是信号没有高频限制。...这些artifacts是常见的，并且通常由锐化算法、JPEG压缩产生。从前两幅图中可以看到文字或者线条周围的百变，后两幅图中可以看到线条核文字周围的噪点。...局限性：1）绞合线;2）由GAN训练引起的令人不愉快的伪影;3）未知和分布外退化三、结论在本文中，我们用纯合成的训练对来训练用于真实世界盲超分辨率的实用Real-ESRGAN，为了合成更实用的退化我们提出了一个高阶退化过程

3781 0

TMS与EEG相结合：数据收集和分析的建议和开放问题

这可能是因为单相脉冲波形产生的电场方向更加一致，从而更容易激活神经元。另一项研究发现，单相脉冲波形比双相脉冲波形更容易产生短时程的EEG响应，而双相脉冲波形则更容易产生长时程的EEG响应。...TMS脑电图中的伪影问题：非生理信号和生理信号污染解决方法非生理信号：TMS脉冲引起的，电磁或机械的1.TMS脉冲产生的最大伪影由脑电图电极线回路中产生的电场。...这通常会导致指数衰减电荷时，衰减电流与剩余的极化电压成正比。工件可以由几个具有不同时间常数的不同衰减分量组成。选择非极化的电极材料和电解质，以及通过低接触阻抗，可以最小化极化伪影。...电极运动伪影a) 它可能是由于通过直接接触传递到电极的TMS线圈的振动，以及由磁脉冲在电极和导线中引起的电流引起的排斥磁力；b）由TMS脉冲引起的肌肉抽搐/头部运动；c）线圈或操作者接触电极；d）与运动相关的皮肤拉伸引起皮肤电位移动电极运动伪影和一般来说...一种解决方法是在脉冲之前和之后包含足够的数据，使得这些边界伪影有时间恢复，不影响感兴趣的数据（例如，基线期或TEPs）。另一种解决方法是在高通滤波之前去除脉冲伪影并对连续记录应用滤波，然后再进行分段。

8911 1

压缩率更高，清晰度超越JPEG等算法

比如一张美洲骆驼的照片，原图为768KB，使用JPEG压缩到5.66KB，而Stable Diffusion可以进一步压缩到4.98KB，而且能够保留更多高分辨率的细节以及更少的压缩伪影，肉眼可见地优于其他压缩算法...从潜空间表征的随机噪声开始，使用充分训练的U-Net迭代去除潜空间图像的噪声，用一种更简单的表征输出模型认为它在这个噪声中「看到」的预测，有点像我们在看云的时候，从不规则的图形中还原出脑海里的形状或面孔...为了使用Stable Diffusion作为图像压缩编解码器，算法需要有效地压缩由VAE产生的潜表征。...虽然数据量大大减少了（源图像为压缩图像的155倍大），但效果是非常好的，不过也引入了一些伪影（比如原图的心形图案中不存在伪影）。...有趣的是，这种压缩方案引入的伪影对图像内容的影响比对图像质量的影响更大，而且以这种方式压缩的图像可能包含这些类型的压缩伪影。

1.1K3 0

图像大面积缺失，也能逼真修复，新模型CM-GAN兼顾全局结构和纹理细节

图像修复是指对图像缺失区域进行补全，是计算机视觉的基本任务之一。该方向有许多实际应用，例如物体移除、图像重定向、图像合成等。早期的修复方法基于图像块合成或颜色扩散来填充图像缺失部分。...此外，该研究设计了一种物体感知训练方案，以防止空洞内产生伪影，从而满足现实场景中物体移除任务的需求。该研究进行了广泛的实验表明，CM-GAN 在定量和定性评估方面都显著优于现有方法。...此外，基于 MLP 的映射网络从噪声中生成样式代码 w，以模拟图像生成的随机性。代码 w 与 s 结合产生一个全局代码 g = [s; w]，用于之后的解码步骤。全局空间级联调制。...物体感知训练为训练生成掩码的算法至关重要。本质上，采样的掩码应该类似于在实际用例中绘制的掩码，并且掩码应避免覆盖整个物体或任何新物体的大部分。过度简化的掩码方案可能会导致伪影。...ProFill 能够生成不连贯的全局结构，CoModGAN 产生结构伪影和颜色斑点，LaMa 在自然场景上容易产生较大的图像模糊。

5863 0

图像大面积缺失，也能逼真修复，新模型CM-GAN兼顾全局结构和纹理细节

7761 0

ICA独立成分分析去除EEG伪影

今天分享的这篇利用独立成分分析ICA去除EEG伪影是翻译自jung大神的一篇文章。介绍眼动，眨眼，肌肉，心脏和线的噪音会严重污染脑电图活动，这在脑电解释和分析中会产生非常严重问题。...上面的假设2和3对于EEG（或MEG）数据是非常合理的。给定足够的输入数据，第一个假设也是合理的。该方法使用由ICA算法得出的空间滤波器，并且不需要每个伪像源提供参考通道。...对于每个分量，头皮映射图的振幅(由右侧面板的单独缩放的彩色条给出)给出了由垂直蓝线标记的时间点上组件投影的大小。...实验数据样本移除眨眼和肌肉伪影下图显示了记录的EEG时间序列的3秒部分及其ICA分量激活，四个选定分量的头皮形貌以及通过从数据中删除四个选定EOG和肌肉噪声分量而获得的伪影校正后的EEG信号。...消除上面显示的头皮图的四个伪像成分，然后将其余成分投射回头皮通道，即可产生不含这些伪像的伪像校正EEG数据（右）。

1.6K1 0

ICA独立成分分析去除脑电伪影

今天分享的这篇利用独立成分分析ICA去除EEG伪影是翻译自jung大神的一篇文章。 1 介绍眼动，眨眼，肌肉，心脏和线的噪音会严重污染脑电图活动，这在脑电解释和分析中会产生非常严重问题。...上面的假设2和3对于EEG（或MEG）数据是非常合理的。给定足够的输入数据，第一个假设也是合理的。该方法使用由ICA算法得出的空间滤波器，并且不需要每个伪像源提供参考通道。...一旦从数据中提取了不同大脑和伪影源的独立时程，就可以通过消除伪影源的贡献来得出伪影校正的EEG信号。 2 方法下图显示了该过程的示意图。...2 实验数据样本 ---- 移除眨眼和肌肉伪影下图显示了记录的EEG时间序列的3秒部分及其ICA分量激活，四个选定分量的头皮形貌以及通过从数据中删除四个选定EOG和肌肉噪声分量而获得的伪影校正后的EEG...消除上面显示的头皮图的四个伪像成分，然后将其余成分投射回头皮通道，即可产生不含这些伪像的伪像校正EEG数据（右）。

7703 0

SIGGRAPH 2022 | Palette: 针对图像转换的扩散模型

实验本文将Plaette模型应用于以下四个任务：着色：将输入的灰度图像转换为合理的彩色图像；填充：用真实的内容填入用户指定的图像遮盖区域；去裁剪：将输入的图像沿一个或多个方向扩展，以放大图像；...JPEG压缩恢复：纠正了JPEG压缩的伪影，恢复合理的图像细节。...去裁剪本文在四个方向中的任何一个方向上对 Palette 进行去裁剪训练，或者在所有四边的整个图像边界周围进行去裁剪。...在所有情况下，将遮蔽区域的面积保持在图像的 50% 用高斯噪声填充遮蔽区域，并在推理过程中保持未遮蔽区域不变。我们进一步评估了 Palette 的鲁棒性，通过反复应用左右去裁剪来生成全景图。...JEPG 压缩修复本文以各种 Quailty Factor（QF）压缩的输入上训练 Palette，并增加了任务的难度，在 QF 低至5时进行训练，这通常会产生严重的压缩伪影。

2.9K1 0

点击加载更多

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

Procedural Noise Adversarial Examples for Black-Box Attacks on Deep Neural Networks 论文笔记(2)

如何生成酷炫的背景图片？ | 数字艺术 Perlin Noise

一篇文章搞懂柏林噪声算法，附代码讲解

WebGL进阶——走进图形噪声

刷榜13个暗光增强基准！清华大学联合ETH等开源Retinexformer：亮、暗都有细节｜ ICCV 2023

ICCV 2023 清华ETH提出 Retinexformer 刷新十三大暗光增强榜单

对抗鲁棒分类器神经网络画风迁移

Frontiers in Neuroscience：弥散张量成像(DTI)研究指南

极速高清：让视频更小更清晰，迈向高品质视频

谈谈随机数

利用噪声构建美妙的 CSS 图形

A full data augmentation pipeline for small object detection based on GAN

Real-ESRGAN超分辨网络

TMS与EEG相结合：数据收集和分析的建议和开放问题

压缩率更高，清晰度超越JPEG等算法

图像大面积缺失，也能逼真修复，新模型CM-GAN兼顾全局结构和纹理细节

图像大面积缺失，也能逼真修复，新模型CM-GAN兼顾全局结构和纹理细节

ICA独立成分分析去除EEG伪影

ICA独立成分分析去除脑电伪影

SIGGRAPH 2022 | Palette: 针对图像转换的扩散模型

扫码

相关资讯

热门标签

活动推荐

运营活动

社区

活动

资源

关于

腾讯云开发者

热门产品

热门推荐

更多推荐