- 博客(4)
- 收藏
- 关注
RSS订阅原创 【论文笔记】Details or Artifacts: A Locally Discriminative Learning Approach toRealistic Image Super-Reso
目前超分想要优异的纹理信息，那GAN（生成对抗网络 generative adversarial networks）就是必经之路。但GAN的训练是不稳定的，加入了GAN会生成丰富的细节，同事也会产生伪纹理（Artifacts），artifacts直接影响人的视觉感受。·本文中，作者开发了一个框架来区分GAN生成的伪纹理和真实细节，从而生成artifacts map以规范和稳定模型训练过程。
2022-10-26 16:13:13
2262
1
原创 论文笔记：UA-MT
有标签数据和无标签数据都会输入到student和teacher model中，教师模型和学生模型的架构完全一致（神经网络层数之类的），学生模型利用lable data和预测值计算交叉熵L1，教师模型的预测值和学生模型的预测值计算一致性损失L2，最后L1+L2梯度下降更新学生模型的参数θ，教师模型的参数通过EMA的方式来更新。因此，认知不确定性测量的是训练过程本身所估计的模型参数的不确定性，这种不确定性是可以通过有针对性的调整（增加训练数据等方式）来缓解甚至是解决的。最终可以构成一个不确定性张量。
2022-10-14 21:20:19
905
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人