@cxumol 哦哦 这篇的图 9 哈 https://www.zdzheng.xyz/files/TNNLS_3D_PersonReID.pdf

@suyeH 哈哈，是。我想先 open 出来，然后再慢慢整理一下。按照 readme 来运行的话，其实也就几个关键 py 。

pifuhd 对于低分辩率的 情况比较差。 很容易出现 孤立的 一块一块的 人残缺不全的结果。

@cxumol 哦哦 您好 ，pifuhd 在其他数据集上，效果还挺差的。迁移能力比较差一些 。 我当时在这篇论文 的 Fig9 里复现过。

https://imgur.com/ibQU3Dk.gif

https://imgur.com/uJOJPE2.gif

https://imgur.com/s3GOPGG.gif

@ohao 这，，，我应该想回学校先，，，

@alw 哈哈。其实大家做久了 2D，3D 就有点难推广，，，只有当 2D 做到很高了，没有啥可做的了，才有人慢慢会转方向

@0x4F5DA2 person search 做出新意比较难。今年 cvpr 有一篇 http://openaccess.thecvf.com/content_CVPR_2020/papers/Chen_Norm-Aware_Embedding_for_Efficient_Person_Search_CVPR_2020_paper.pdf 推荐看看。其他工作的话有点偏工程了，，

@zkhwang 会。所以相对街景和卫星图匹配来说，无人机视角的图像更具优势:1.没有树木遮挡; 2.可以绕着建筑物飞，来实锤目标建筑； 3.可以拍到屋顶，容易和卫星图（都是屋顶）匹配，来定位。

@imn1 哈哈，是的。目前我们也是用模拟器来模拟。最好把在模拟数据上训好的模型在真实数据上测试，也是 work 的。真实的测试数据是 youtube 上面别人用无人机航拍的视频。

@baox2 感谢～

@alphatoad 是的，，所以只收集了国外的学校。google earth 是没有国内数据的。 之前由天津大学的老师用无人机收集，进了好几次派出所解释情况。。

具体论文的说明可见： https://zhuanlan.zhihu.com/p/66408913

代码开源了。Github 地址是 https://github.com/NVlabs/DG-Net

@rayhy 我觉得 human parsing 可能比纯 structure 更靠谱。其实我这里的边缘处理还是有颜色不连续。 另外你仔细看原始的 jpg 训练数据，也有边缘的问题。如果从 jpg 转到 png 会好一点（扯得有点远了）。所以用 dense 的 parsing 可能会好。 题外话，我今年签证被卡了，也不知道能不能去成。。当时 cyclegan 也是 Efros 老板站台宣传的，感觉宣传还是有必要的。

@Showfom 那个是 nvidia research 的大老板。。德国人。。

@SeaRecluse 之前想尝试 nlp。。。其实我也就一篇 nlp 相关的文章，，

@vitalis 感谢

@rayhy 2333 可以的。其实最早这个代码 是用来做项目的。是做 logo retrieval 的。做完以后我慢慢改过来的，所以有很多陋习，，