通过潜在结构感知顺序自编码器的领域泛化演化
Evolving Domain Generalization via Latent Structure-Aware Sequential Autoencoder
Yihao Liu, Hengyuan Zhao, Jinjin Gu, Yu Qiao, Chao Dong
摘要
性能和泛化能力是评估深度学习模型的两个重要方面。然而,目前对超分辨率(SR)网络的泛化能力研究尚属空白。评估深度模型的泛化能力不仅有助于我们理解其内在机制,还允许我们定量测量其适用边界,这对于无限制的真实世界应用非常重要。为此,我们首次尝试提出一个针对SR网络的泛化评估指数,即SRGA。SRGA利用深度网络内部特征的统计特性来衡量泛化能力。特别地,它是一个非参数的、非学习度量的指标。为了更好地验证我们的方法,我们收集了一个基于块的图像评估集(PIES),包括合成和真实世界的图像,涵盖了广泛的退化类型。通过SRGA和PIES数据集,我们对现有的SR模型进行了泛化能力的基准测试。这项工作为未来在低级视觉模型泛化研究提供了见解和工具。