PTT數位生活區 / DataScience

[問題] 關於ICCV最佳論文SinGAN

看板DataScience作者 (背後骯髒的PY火炬)時間5年前 (2019/12/04 08:42), 5年前編輯推噓1(1推 0噓 23→)
留言24則, 5人參與, 5年前最新討論串1/1
最近在看ICCV 2019最佳論文SinGAN 不太懂為什麼他可以做到單張training可以 有跟多張圖片大量train的SRGAN相近的SR結果 我的理解是他這個方法training跟testing都是同 一張圖片 跟一般的SRGAN在testing圖片 是training中沒有的很不同 因為SinGAN的training跟testing都是用同一張圖片 所以有點像偷看答案 才能與大量圖片的training SRGAN相比 我的理解有對嗎？ 謝謝 --
→
10/11 07:37,
那是假ee真cs刷題仔
10/11 07:37
→
10/11 07:37,
真ee很慘 不過沒人管
10/11 07:37
-- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.30.32 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1575420128.A.DC8.html
推
12/06 12:15, 5年前 , 1F
我記得paper裡面有一段是說影像內不同位置的local
12/06 12:15, 1F
→
12/06 12:15, 5年前 , 2F
feature會很類似
12/06 12:15, 2F
→
12/06 12:16, 5年前 , 3F
還有一篇deep image prior也是單張圖就可以train
12/06 12:16, 3F
→
12/08 20:43, 5年前 , 4F
那traing跟testing是同一張對吧？
12/08 20:43, 4F
→
12/09 23:25, 5年前 , 5F
NO SINGAN跟deep image prior類似的概念是將
12/09 23:25, 5F
→
12/09 23:27, 5年前 , 6F
Network要學的是single image的分布
12/09 23:27, 6F
→
12/09 23:29, 5年前 , 7F
SINGAN在TEST時是丟NOISE進去也可以丟別的image進去
12/09 23:29, 7F
→
12/09 23:30, 5年前 , 8F
而hierachical的架構可以幫助學到global->local分布
12/09 23:30, 8F
真的那麼神奇？ 還蠻驚訝的 意思是說 我train SinGAN時用一張石頭牆壁的圖去訓練 testing時丟草地或是樹林進去讓他做super resolution也可以做到跟SRGAN相比？ 好像變魔術？ 因為石頭牆跟草地樹林的分佈差很多 ※ 編輯: PyTorch (140.112.30.32 臺灣), 12/11/2019 03:37:38
→
12/11 12:55, 5年前 , 9F
感覺樓主好像有搞錯東西…
12/11 12:55, 9F
→
12/11 12:57, 5年前 , 10F
只有看過image prior, 不過如果sinGAN 也是類似的話
12/11 12:57, 10F
→
12/11 12:57, 5年前 , 11F
，這類model 在做的事情和其他大部分model 不太一樣
12/11 12:57, 11F
→
12/11 12:58, 5年前 , 12F
image prior練出來的weight只有針對那張圖而已，不
12/11 12:58, 12F
→
12/11 12:58, 5年前 , 13F
能套到其他圖上
12/11 12:58, 13F
→
12/11 12:59, 5年前 , 14F
我也是覺得train跟test就是同一張圖
12/11 12:59, 14F
→
12/11 13:00, 5年前 , 15F
可是不清楚 這樣要怎麼跟SRGAN比較
12/11 13:00, 15F
→
12/11 15:35, 5年前 , 16F
大概看完了singan,的確和deep image prior的概念類
12/11 15:35, 16F
→
12/11 15:35, 5年前 , 17F
似
12/11 15:35, 17F
→
12/11 15:36, 5年前 , 18F
train 和test 的圖是同一張沒錯，但train 時的圖是d
12/11 15:36, 18F
→
12/11 15:36, 5年前 , 19F
ownsample 過的
12/11 15:36, 19F
→
12/11 15:36, 5年前 , 20F
test 時才是餵原本的解析度
12/11 15:36, 20F
→
12/11 15:38, 5年前 , 21F
所以還是能比較R 因為test sample 嚴格來說和traini
12/11 15:38, 21F
→
12/11 15:38, 5年前 , 22F
ng 時不一樣
12/11 15:38, 22F
→
12/11 15:45, 5年前 , 23F
每次要inference一張圖，就是重train，不過training
12/11 15:45, 23F
→
12/11 15:45, 5年前 , 24F
通常都很快啦畢竟只有一張
12/11 15:45, 24F
‣ 更多 PyTorch 的文章
文章代碼(AID): #1Tvm3Wt8 (DataScience)
DataScience 近期熱門文章
更多 近期熱門文章 >>
PTT數位生活區 即時熱門文章
更多 即時熱門文章 >>
‣ 更多 PyTorch 的文章
文章代碼(AID): #1Tvm3Wt8 (DataScience)