image-processing - pytorch 仿射网格 : what is the theta input?

Question

尝试使用时 torch.nn.functional.affine_grid ，它需要一个大小为 (N x 3 x 4) 的 theta 仿射矩阵根据 documentation .我认为一般的仿射矩阵是 (N x 4 x 4) . pytorch 中假定的仿射矩阵格式是什么？

3D 旋转仿射输入的示例将是理想的。感谢你的帮助。

Answer 1

您提到的维度适用于 3D 输入的情况，即您希望对输入张量应用 3D 几何变换 x形状b x c x d x h x w .
3D 中点的转换(在 homogeneous coordinates 中表示为 (x, y, z, 1) 中的 4 向量)在一般情况下应该是您指出的 4x4 矩阵。
但是，由于我们限制了齐次坐标，即第四个坐标必须是 1，所以矩阵的第 4 行必须是 (0, 0, 0, 1) (见 this)。
因此，无需对最后一行进行显式编码。

总而言之，由 3x3 旋转 R 组成的 3D 变换和 3d 翻译 t只是 3x4 矩阵:

theta = [R t]