`apply!` and `Buffered` projective transforms fail on `BoundingBox`/`Polygon` items
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 3/5
- Tempo stimato
- 1-2 giorni
- Idoneità per principianti
- 70/100
- Tipo di issue
- Bug
- Chiarezza
- Specificata chiaramente
- Stato di attività
- Attiva
- Ambito
- backend
Direzione di ricerca
Start by locating the apply! dispatch for ProjectiveTransform and the project/project! methods it calls; the report identifies the missing forwarding for ItemWrapper values such as BoundingBox and Polygon. Compare that path with apply(::Transform, ::ItemWrapper) and check the tests covering buffered and in-place transforms. Done means the reported examples work for wrapped items while the existing unbuffered behavior remains covered.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Applying a buffered projective transform to items that include an ItemWrapper (BoundingBox, Polygon) throws a MethodError, while the unbuffered apply works:
using DataAugmentation, StaticArrays
img = Image(rand(64, 64))
bbox = BoundingBox([SVector(10.0, 10.0), SVector(40.0, 50.0)], (64, 64))
tfm = ScaleRatio((0.5, 0.5))
apply(tfm, (img, bbox)) # works
apply(Buffered(tfm), (img, bbox)) # errors
apply!(apply(tfm, bbox), tfm, bbox) # errors
ERROR: MethodError: no method matching project(::CoordinateTransformations.LinearMap{SMatrix{2, 2, Float32, 4}}, ::BoundingBox{2, Float64, SVector{2, Float64}}, ::Bounds{2})
apply(::Transform, ::ItemWrapper) unwraps the item before transforming it, but the in-place path apply!(buf, ::ProjectiveTransform, item) → project! → project is called on the wrapper itself, and neither project nor project! has methods for ItemWrappers. Forwarding them to the wrapped item and rewrapping the result should fix it.
Seen with DataAugmentation v0.3.5 on Julia 1.13.
🧔♂️🤖 Assisted by AI
- Lingua principale
- Julia
- Stelle
- 47
- Fork
- 18
- Merge medio
- 33m
- PR unite (30g)
- 1
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di FluxML/DataAugmentation.jl
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 35/100
FluxML/DataAugmentation.jl#104 · 4 commenti ·
-
make the transforms callableAperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 48/100
FluxML/DataAugmentation.jl#79 · 1 reazione ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
-
documentation
Difficoltà 3/5 1-2 giorni Idoneità per principianti 55/100
-
integration with FluxApertadocumentation
Difficoltà 3/5 1-2 giorni Idoneità per principianti 35/100
FluxML/DataAugmentation.jl#56 · 2 commenti ·
Tutte le issue di FluxML/DataAugmentation.jl
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
MagneticResonanceImaging/MRIReco.jl#366 ·
I maintainer di solito rispondono entro 3 giorni
-
`AdamW` gives `NaN` for zero-gradient entries of `Float16` parameters (epsilon underflows to 0)Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 79/100
FluxML/Optimisers.jl#253 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
JuliaGraphs/GraphNeuralNetworks.jl#736 ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
I maintainer di solito rispondono entro 1 giorno
-
`poissonians` is not public, unlike `brownians` and `jumps`Forse già presa @isaacsas l’ha presa oggi. Aperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 86/100
SciML/ModelingToolkit.jl#5389 ·
I maintainer di solito rispondono entro 2 giorni