生成高斯分布掩膜 torch

### 使用 PyTorch 创建高斯分布 Mask

为了创建一个基于高斯分布的掩膜，可以先利用 NumPy 或者其他库生成所需的高斯分布矩阵，之后再将其转换成 PyTorch 的 Tensor 类型以便于后续操作。下面是一个具体的例子：

import numpy as np
import torch

def create_gaussian_mask(shape=(IMAGE_HEIGHT, IMAGE_WIDTH), center=None, sigma=3):
    """
    创建指定形状和中心位置以及标准差sigma的二维高斯分布mask
    
    参数:
        shape (tuple): 输出mask的高度和宽度.
        center (tuple): 中心坐标(x,y)，默认为图像中心.
        sigma (float): 高斯分布的标准差.
        
    返回:
        mask_torch (Tensor): 形状为shape的高斯分布mask tensor.
    """

    x = np.arange(0, shape[1], 1, float)
    y = np.arange(0, shape[0], 1, float)[:,np.newaxis]

    if center is None:
        x0 = shape[1] // 2
        y0 = shape[0] // 2
    else:
        x0 = center[0]
        y0 = center[1]

    # 计算每个像素点到中心的距离平方除以两倍方差后的指数部分
    gaussian_distribution = ((x - x0)**2 + (y - y0)**2) / (-2. * sigma**2)

    # 应用exp函数得到最终的高斯分布值
    exp_result = np.exp(gaussian_distribution)

    # 将numpy数组转化为torch张量
    mask_torch = torch.from_numpy(exp_result).float()

    return mask_torch

此代码片段定义了一个 `create_gaussian_mask` 函数用于生成特定大小、中心位置及标准偏差σ的二维高斯分布蒙版[^2]。

对于上述代码中的变量名如 `IMAGE_HEIGHT`, `IMAGE_WIDTH` 和参数设置应根据实际需求调整。此外，该方法返回的是浮点类型的 PyTorch 张量对象，这使得可以直接应用于支持此类输入的各种深度学习框架中[^3]。