2022.3.8

阅读的文献Improved EDVR Model for Robust and Efficient Video Super-Resolution

EDVR基础上改进的， 设计了这两个模块preprocessing module consisting of rigid convolution sub-modules and feature enhancement sub-modules

还设计了时域三维卷积融合模块（三维卷积不是二维卷积，课本（最常见的））

第三：channel attention approach（新的通道注意机制

Video enhancement with task-oriented flow）

时域三维卷积，效果好，而且三维卷积数目越多，结果越好。思想是将连续的帧视为一个多通道的特征图，通过时间序列对帧进行重组，形成特征图的深度，从而提取出时空冗余 

它这些创新点。都是借鉴的，比如这个论文某个模块 的创新点咋加到另一个网络模块中？

没代码这论文。。。；

backbone：骨干网络，比如alexnet，ZFnet，VGG，googlenet...

benchmark：性能指标，比如accuracy，内存消耗，模型复杂度，或者在性能上很有代表性的算法框架。

baseline：

而basicvsr可以作为一个baseline

baseline一词应该指的是对照组，基准线，就是你这个实验有提升，那么你的提升是对比于什么的提升，被对比的就是baseline。

比如你要研究一个新的模型，你是在前人的模型基础上新增加了一些组件，别人也基本都是在这个模型上进行修改，那这个模型就叫做baseline model——基准模型。听名字就能听出来，就是你自己模型的一个基准，一个基本的框架，模型再复杂，最根本的框架是差不多的。

basic和iconvsr

 

这个project，

work_dirs即保存的就是工作日志，即实验记录。

tools里面有很多工具，train test等

这个tests里面的东西没搞太明白干嘛用的e

mmedit里面的apis装的是啥也没core也是

但是这个mmedit里面有basicvsr——net就是网络模型

EDVR：

一个模块：PCD：级联金字塔可变对齐模块。

:TSA融合模块，（时空注意机制应用于时域和空域）

挑战和改进在于：对齐、融合这两个点。

PCD：不同于以往的光流模块，它是能够每个帧的特征is applied

这两个模块看都看不懂e。。。。。。。

可变形卷积网络：

就是之前的卷积核是个固定的几乘几，而现在可变形的就是

 

可以任意形状。

transformer就像那种最基本的baseline，比如cnn卷积网络一样。它是一套基本网络，现在好多是把cnn的改成transformer。但是如果这两者能结合在一起肯定就更好。