背景

最近在学习SfMLearner，其中一个非常重要的部分是Differentiable depth image-based rendering，翻译过来就是基于深度的可微图像渲染。这看起来好像很高大上，但是换句话说其实就是要根据深度，在当前影像上生成另一个视角的影像。不多说这个了，这其中一个比较重要的部分就是，双线性采样，论文里图示如下，$I_t$是目标影像（即前文说的另一个视角的影像），$I_t$是原始影像，$I_t$上一个整数坐标$p_t$,根据深度投影到$I_s$上后得到一个浮点型坐标$p_s$；此时就要进行双线性采样，利用$I_s$上的四个点采样出$p_s$的值。

说到这里，我基本说清楚了SfMLearner这个Rendering的原理，但是立马就有一个问题出现在我的脑海里，即这玩意在PyTorch里应该怎么实现。在查阅了ClementPinard的代码SfmLearner-Pytorch后，发现对应的工具是porch.nn.functional.grid_sample。

那问题就来了，这玩意到底怎么用呢？后边，我将配合代码瞅瞅这玩意到底咋回事。当然，我的结论不一定完全对，但至少给一些表面的感觉吧。

参考链接

1. https://pytorch.org/docs/master/nn.functional.html#grid-sample
2. https://github.com/ClementPinard/SfmLearner-Pytorch/blob/master/inverse_warp.py
3. Unsupervised Learning of Depth and Ego-Motion from Video

代码及说明

文档

搞事之前，先简单看一下文档，如下：

torch.nn.functional.grid_sample(
input, 
grid, 
mode='bilinear', 
padding_mode='zeros', 
align_corners=None)

1. 其中input的输入格式是$(N,C,H_{in},W_{in})$；其中$N$对应的是Batch_Size,$C$是通道数量；$H_{in}$，$W_{in}$对应的是影像的高宽；这里说明一下，还有一个5-D的输入，我就不讨论了。
2. grid的输入格式是$(N,H_{out},W_{out},2)$；这个$N$对应的也是Batch_Size；$H_{out}$和$W_{out}$分别对应的是grid的形状，当然，输出的形状和这个也是对应的；最后就是这个2，表示的是grid上一个点的坐标，分别是x坐标和y坐标，但注意坐标值得范围是归一化后的[-1,+1]。
3. mode值得是采样的方式，这个有nearest和bilinear ；nearest就是最邻近采样，bilinear是双线性插值。
4. padding_mode 指的是边缘的处理模式，包括zeros，border和reflection；zeros指的是边缘补充部分为0，border指的是边缘补充部分直接复制边缘区域，reflection指的是边缘补充部分为根据边缘的镜像，举个例子ABC|CBA,，其中|是边缘，CBA是原始图像。
5. align_corners，这个可以说是让我脑袋最大的一个参数，看了半天都没搞懂啥意思；经过多次看文档和写代码测试，我终于有点明白了，这里简单解释一下；当align_corners=True时，坐标归一化范围是图像四个角点的中心;当align_corners=False时，坐标归一化范围是图像四个角点靠外的角点;为了更好的说明这个情况，我画了一个大小为$3\times 3$影像进行说明，如下，其中每一个方格代表一个像素，并且像素坐标在方格中央；这个图已经很清楚了吧，如果还不清楚，后边还有代码测试。
   

代码

为了验证之前的结论，以下有一些代码进行测试。

1. 生成一个3*3的输入

test = torch.rand(1,1,3,3)
test[0][0][0][0]=1 
test[0][0][0][1]=2 
test[0][0][0][2]=3
test[0][0][1][0]=4 
test[0][0][1][1]=5 
test[0][0][1][2]=6
test[0][0][2][0]=7 
test[0][0][2][1]=8 
test[0][0][2][2]=9
print(test)

输入

tensor([[[[1., 2., 3.],
          [4., 5., 6.],
          [7., 8., 9.]]]])

2. 定义采样格网，这里为了简单，只有一个点

sample_one = torch.zeros(1,1,1,2)
sample_one [0][0][0][0] = -1  # x
sample_one [0][0][0][1] = -1  # y

sample_two = torch.zeros(1,1,1,2)
sample_two [0][0][0][0] = -2/3  # x
sample_two [0][0][0][1] = -2/3  # y

sample_thr = torch.zeros(1,1,1,2)
sample_thr [0][0][0][0] = -0.5  # x
sample_thr [0][0][0][1] = -0.5  # y

3. 采样

result_one = torch.nn.functional.grid_sample(test,sample,mode='bilinear',padding_mode="zeros",align_corners=True)
print(result_one )

result_two= torch.nn.functional.grid_sample(test,sample_two ,mode='bilinear',padding_mode="zeros",align_corners=False)
print(result_two)

result_thr= torch.nn.functional.grid_sample(test,sample_thr ,mode='bilinear',padding_mode="zeros",align_corners=True)
print(result_thr)

输出

# result_one 
# 这个很好理解，当`align_corners=True`时，$(-1,-1)$对应的就是`test`的左上角点
tensor([[[[1.]]]]) 

# result_two
# 这个其实很奇葩，当`align_corners=False`时，$(-2/3,-2/3)$对应的才是`test`的左上角点
tensor([[[[1.]]]])

# result_thr
# 当`align_corners=True`时，如果懂双线性插值的话，直接算就可以得到(1*0.5+2*0.5)*0.5+(4*0.5+5*0.5)*0.5=3
tensor([[[[3.]]]])

补充

补充两个代码，分别是在二维影像上进行一次采样和多次采样

class SampleFeatureSingle(nn.Module):
    def __init__(self):
        super(SampleFeatureSingle, self).__init__()
        
    def forward(self,feature,x_move,y_move):
        
        b,c,h,w = feature.shape
                
        x_range = torch.arange(0, w).view(1, 1, w).expand(b,h,w).float() + x_move
        y_range = torch.arange(0, h).view(1, h, 1).expand(b,h,w).float() + y_move

        x_range = 2.*x_range/(w-1) - 1
        y_range = 2.*y_range/(h-1) - 1
        
        grid = torch.stack((x_range,y_range), dim=3)
        
        sample = F.grid_sample(feature,grid,mode='bilinear',padding_mode="zeros",align_corners=True)
        
        return sample

class SampleFeatureMulti(nn.Module):
    def __init__(self):
        super(SampleFeatureMulti, self).__init__()
        
    def forward(self,feature,x_move,y_move):
        
        b,c,t,h,w = feature.shape
        bd,td,hd,wd = x_move.shape
        
        x_range = torch.arange(0, w).view(1, 1, w).expand(b,1,h,w).expand(b,td,h,w).float().cuda() + x_move
        y_range = torch.arange(0, h).view(1, h, 1).expand(b,1,h,w).expand(b,td,h,w).float().cuda() + y_move
        z_range = torch.arange(0, td).view(1, td, 1, 1).expand(b,td,h,w).float().cuda()
        
        x_range = 2.*x_range/(w-1) - 1
        y_range = 2.*y_range/(h-1) - 1
        z_range = 2.*z_range/(td-1) - 1
        
        grid = torch.stack((x_range,y_range,z_range), dim=4)
        
        sample = F.grid_sample(feature,grid,mode='bilinear',padding_mode="zeros",align_corners=True)
        
        return sample

总结

关于torch.nn.functional.grid_sample学习内容就如上了，后续继续看warp的代码，加油！！

最后

以上就是殷勤书包为你收集整理的PyTorch(1.3.0+)：学习torch.nn.functional.grid_sample背景参考链接代码及说明总结的全部内容，希望文章能够帮你解决PyTorch(1.3.0+)：学习torch.nn.functional.grid_sample背景参考链接代码及说明总结所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。