pytorch中torch.nn.functional.grid_sample()函数通俗易懂的理解

def grid_sample(input, grid, mode='bilinear', padding_mode='zeros', align_corners=None)

函数作用是将input图像特征体通过grid映射到output图像特征体上

• input：[B, C, H_in, W_in]
• grid: [B, H_out, W_out, 2]
• output: [B, C, H_out, W_out]

grid中最后一个维度的2表示在input中的相对索引位置（offset），函数的内部主要执行几件事：

1. 遍历output图像的所有像素坐标
2. 比如现在要求output中的（5, 5）坐标的特征向量，若通过查找grid中（5, 5）位置中的offset值为（0.1, 0.2）
3. 根据$[\frac{offse{t}_x+1}{2}(W_{in}-1),\frac{offse{t}_y+1}{2}(H_{in}-1)]$即：$[\frac{0.1+1}{2}(W_{in}-1),\frac{0.2+1}{2}(H_{in}-1)]$得到到对应input图像上的位置坐标。
4. 通过双线性插值得到该点的特征向量。
5. 将该特征向量copy到output图像的(5, 5)位置

注：grid中的offset坐标必须是归一化到[-1, 1]的坐标: $$\begin{gathered} offse{t}_x=\frac{x}{(W_{in}-1)/2}-1 \\ offse{t}_y=\frac{y}{(H_{in}-1)/2}-1 \end{gathered}$$