ddim中对于time生成的程序语句似乎不对？

[yuanqianguang]

作者您好：
以下是我遇到的问题，望能得到解答。

def ddim_sample(self, batched_inputs, backbone_feats, images_whwh, images, clip_denoised=True, do_postprocess=True):
    batch = images_whwh.shape[0]
    shape = (batch, self.num_proposals, 4)
    total_timesteps, sampling_timesteps, eta, objective = self.num_timesteps, self.sampling_timesteps, self.ddim_sampling_eta, self.objective

    # [-1, 0, 1, 2, ..., T-1] when sampling_timesteps == total_timesteps
    times = torch.linspace(-1, total_timesteps - 1, steps=sampling_timesteps + 1)
    times = list(reversed(times.int().tolist()))
    time_pairs = list(zip(times[:-1], times[1:]))  # [(T-1, T-2), (T-2, T-3), ..., (1, 0), (0, -1)]

这段程序中关于sampling_timesteps设置为1之后，所生成的times似乎是(999,-1)这样的结果，这样的话在下面的for循环中好像就无法实现逐步去噪的作用，循环语句中的内容只会执行一次。按我的理解是，生成#语句中那样的时间步序列，然后循环很多次以达到一个逐步去噪的作用。
是我的理解错误么？望百忙之中回复，谢谢~

[zjutnlper]

你好老哥，问一下问题，为啥里面加噪声的时候，需要对bbox的坐标进行变化，从xyxy变成cxcywh

[yuanqianguang]

你好老哥，问一下问题，为啥里面加噪声的时候，需要对bbox的坐标进行变化，从xyxy变成cxcywh

我的理解是，噪声仅加在xyxy上的话，模型只会学到坐标上的去噪，而宽高尺度去噪是通过隐式的方式去学习的，会比较难学一点。而改为cxcywh的话，模型会去学习坐标去噪和宽高尺度去噪，这样就把宽高尺度上去噪的学习显式化了，模型更容易去学习，我是这样理解的不知道对不对

[zjutnlper]

你好老哥，问一下问题，为啥里面加噪声的时候，需要对bbox的坐标进行变化，从xyxy变成cxcywh

我的理解是，噪声仅加在xyxy上的话，模型只会学到坐标上的去噪，而宽高尺度去噪是通过隐式的方式去学习的，会比较难学一点。而改为cxcywh的话，模型会去学习坐标去噪和宽高尺度去噪，这样就把宽高尺度上去噪的学习显式化了，模型更容易去学习，我是这样理解的不知道对不对

感觉你说的有点道理，老哥你有试过直接加噪在xyxy上吗

[yuanqianguang]

你好老哥，问一下问题，为啥里面加噪声的时候，需要对bbox的坐标进行变化，从xyxy变成cxcywh

我的理解是，噪声仅加在xyxy上的话，模型只会学到坐标上的去噪，而宽高尺度去噪是通过隐式的方式去学习的，会比较难学一点。而改为cxcywh的话，模型会去学习坐标去噪和宽高尺度去噪，这样就把宽高尺度上去噪的学习显式化了，模型更容易去学习，我是这样理解的不知道对不对

感觉你说的有点道理，老哥你有试过直接加噪在xyxy上吗

没有哎，我只是读了一下这个论文，并没有去做复现和尝试

[zjutnlper]

你好老哥，问一下问题，为啥里面加噪声的时候，需要对bbox的坐标进行变化，从xyxy变成cxcywh

我的理解是，噪声仅加在xyxy上的话，模型只会学到坐标上的去噪，而宽高尺度去噪是通过隐式的方式去学习的，会比较难学一点。而改为cxcywh的话，模型会去学习坐标去噪和宽高尺度去噪，这样就把宽高尺度上去噪的学习显式化了，模型更容易去学习，我是这样理解的不知道对不对

感觉你说的有点道理，老哥你有试过直接加噪在xyxy上吗

没有哎，我只是读了一下这个论文，并没有去做复现和尝试

好吧，谢谢老哥了