The Conversion between (x, y, z, r) and (c, c, w, h) in code is not same with the paper?

[xaigogo]

Tanks for your great job and code!

    def refine_xyzr(self, xyzr, xyzr_delta, return_bbox=True):
        ##  z==(h*w).sqrt().log2()
        z = xyzr[..., 2:3]
        new_xy = xyzr[..., 0:2] + xyzr_delta[..., 0:2] * (2 ** z)
        new_zr = xyzr[..., 2:4] + xyzr_delta[..., 2:4]
        xyzr = torch.cat([new_xy, new_zr], dim=-1)
        if return_bbox:
            return xyzr, decode_box(xyzr)
        else:
            return xyzr

请问下论文中的公式4和公式5中都是 z+r 和 z-r 进行计算，为啥这里没有z±r了，直接用z进行计算？ 按论文公式可以理解xyzr_delta的预测意义，但按代码中的写法该如何理解学到的xyzr_delta的意义？ 按代码看，是否可以这样理解预测变量xyzr_delta的意义 xyzr_delta[..., 0:2]=((dx/dy).sqrt(), (dy/dx).sqrt()) ?

def _decode_init_proposals(self, imgs, img_metas):
      ............
      xy = 0.5 * (proposals[..., 0:2] + proposals[..., 2:4])
      wh = proposals[..., 2:4] - proposals[..., 0:2]
      z = (wh).prod(-1, keepdim=True).sqrt().log2()
      r = (wh[..., 1:2]/wh[..., 0:1]).log2()
      ..............

另外在编码 xyzr的时候，为啥 r不直接编码成 r = (wh[..., 1:2]/wh[..., 0:1]).sqrt().log2()， 这样2(z-r)=w, 2(z+r)=h，感觉跟论文描述直观上更一致一点，解码也更省事。

多谢 多谢！

[sebgao]

同学你好，非常感谢对我们工作的兴趣。

第一个问题 “为啥这里没有z±r了，直接用z进行计算”：我们这里更新xyzr的时候以简单起见，没有加上框的长宽比r这个因素，在截稿后我们试了z±r的形式，实际达到的结果差不多；

第二个问题 “如何理解学到的xyzr_delta的意义”：其实可以把(x/z,y/z,z,r)理解为一个欧式空间，所有更新都是在这欧式空间中直接进行的，在这种理解下，xyzr_delta[..., 0:2]=[d(x/z), d(y/z)]，这里的z理解的时候不建议展开形式；

第三个问题 “为啥 r不直接编码成 r = (wh[..., 1:2]/wh[..., 0:1]).sqrt().log2()”：同学你的理解是对的，严格来说应该有个sqrt()；但没有sqrt()的话与论文中也是一致的，在学习dz时只差了0.5的倍数关系，没有本质的差异。

[xaigogo]

多谢 多谢 ~~