论文阅读:Rewriting a Deep Generative Model

论文链接:Rewriting a Deep Generative Model 0.摘要 关于GAN等生成网络是如何编码规则和更改规则的,目前尚不清楚。该文章提出一个新的思想:操纵已编码的深度生成模型规则。 论文提出了一些公式来操作深层网络的线性联想记忆(LAM),从而实现操纵规则目的。 论文做了三个工作: – 提出算法。提出了一种修改关联记忆的算法,并证明了可行。 – 提供用户界面。使用户能够交互使用模型。 – 结果对比。在论文方法和其他方法之间进行结果对比。结果显示论文方法具有优势。 1.介绍 我们对模型进行了重写,其目的是添加,删除和更改预训练的深度网络的语义和物理规则。当前的图片编辑工具能够实现对单个输入图像的操作,但是我们的方法能够通过编辑生成模型中的规则来合成无数的新图像。 例如在图1中,我们应用一系列规则更改来编辑一个预先训练在LSUN教堂场景上的StyleGANv2模型。第一个改变去除水印文本模式(a);第二种增加了建筑物前的人群(b);第三个规则用绘制树梢的规则代替了绘制塔顶的规则(c)。创造了一个从塔上长出树木的神奇场景。因为每一次改变都改变了生成模型,每一次改变都构建了一个完整的图像类别,去掉了模型的所有水印,将人安排在多种建筑前,在塔顶创建树木。所示的图像是来自无穷分布的样本。 图1:重写生成器的权重以更改生成规则。 可以将规则更改为:(a)删除水印等图案;(b)加入诸如人等对象;或(c)更换定义,例如使树木从塔中长出来。我们的方法无需编辑单个图像,而是编辑生成器,因此可以使用更改后的规则合成和处理一组无限的图像。

Read More

可编程气球——Kirigami气球

  今天看了一篇论文:Kirigami-inspired inflatables with programmable shapes,主要讲了通过 Kirigami,一种来自日本的剪纸艺术,实现可拉伸机械材料的设计,可以用于一些医疗设备或软材料机器人。   本文是对论文的一个简介,不对论文中涉及的原理和公式进行解释,需要查看详细内容的可以阅读论文原文。   在生活中,气球是随处可见的。但是普通的气球,其形状是在制造后就已经确立了,即吹出来的气球形状除了大小不一样,其形状特征是相似的。论文中提出使用 kirigami(剪纸)方式,可以实现各式各样的气球。并且气球的形状是可以预编程的,即可以通过编程来控制它的形状。在使用之后,还可以恢复原来的形状。   如下图,是可编程气球的一个展示。 (图片来源:This programmable balloon could pave the way for new shape-morphing

Read More

[姚文辉课程笔记]大规模分布式存储系统的混合存储

【混合存储】 混合存储原因是要根据不同存储介质合理使用,提高存储系统性能的同时又不会太大的增大成本。 例如, (1)HDFS中可以将一个副本放在SSD中,其他副本放在磁盘上。 (2)阿里的盘古文件系统中,后台程序定期将SSD上记录的多次随机写合并成一次批量写,将数据写入到HDD的chunk replica文件中,这样能在一定程度上降低写的延迟。 (3)RAMCloud内存存储方案同盘古的混合存储方案比较接近,最明显的不同点是将SSD换成了内存存储。 当数据写入是,所以数据均写入到内存,为了高效利用内存,采用了连续记录日志的方式将数据存放在内存中。同时将数据按照数据所属应用进行划分,分别建立索引,方便对数据进行随机访问。由于内存存储的易失性,所以需要将内存中的数据以异步方式保存到磁盘中。 这种实现策略非常适用于分布式的cache服务,可以充分利用内存的高带宽和低延迟,但是在分布式环境中需要同时配备高速网络,否则其威力得不到发挥。 从上面的例子可以看到,混合存储技术基本是利用高性能小容量高成本的介质来作为低性能大容量低成本的cache来满足业务需求。 0

Read More