Underwater 系列coding记录
前言
今天是空无一人的实验室，anyway，我在趁着被迫去做别的事情之前做着自己喜欢的topic，何尝不是一种幸运。
我明明什么都没写，这种东西有什么好点赞收藏的，都是机器人吧
Water-splatting
文章全篇最核心的公式：
用于估计 β B \beta_B βB, β T \beta_T βT, c m c_m cm 的MLP，以及球谐函数编码都是直接调用的tcnn。MLP是一个128维的隐藏层，输入16，输出9 。球谐函数输入3，输出16，degree=4.
gps["medium_mlp"] = list(self.medium_mlp.parameters())
gps["direction_encoding"] = list(self.direction_encoding.parameters())
n_input_dims=16, n_output_dims=9
'encoding': {
'offset': 0.0, 'otype': 'Identity', 'scale': 1.0},
'network': {
'activation': 'Sigmoid',
'n_hidden_layers': 1,
'n_neurons': 128,
'otype': 'FullyFusedMLP',
'output_activation': 'None'},
'otype': 'NetworkWithInputEncoding'
看起来高斯的球谐函数和MLP的球谐函数是分开编码的。
4DGaussian
最关心的肯定是它的deformable network，如下：
deform_network(
(timenet): Sequential(
(0): Linear(in_features=9, out_features=64, bias=True)