丘比特的帽子
ACM MM论文分享 Information-growth attention network for image super-resolution.
希望B站能多一些像UP这样的人才，而非各种牟利的机构。
♥ 4 ↩ 1
[微笑]第1000个粉丝
♥ 2 ↩ 1
这波必须[热词系列_三连]
♥ 2
挺好的paper
♥ 1
您好，请问这篇论文以及源代码在哪呢？我没有检索到
↩ 1
终于找到你！
还有测速art那里, 有没有加torch.cuda.synchronize(), rcan有点快呀[喜极而泣]
↩ 2
信息熵和泛化性那里没太懂, 证明了模型复杂度反比与模型泛化性, 但是前面算的是特征图的熵, 能证明特征图的熵正比于模型复杂度吗?
up你好，我在跑github源码的时候发现scale设置为4的时候得到的SR图像是长宽变为原来的2倍，而不是4倍，不知道是不是我测试的有问题？[笑哭]
没太懂为啥特征图作差可以逼近移除互信息呢
这个方法是可以放在图像预处理那里对吧
18分钟那里的熵相加相减是用什么代码去算出来大小的呢[微笑]
↩ 5
论文搜不到啊
Comments
希望B站能多一些像UP这样的人才，而非各种牟利的机构。
♥ 4 ↩ 1
[微笑]第1000个粉丝
♥ 2 ↩ 1
这波必须[热词系列_三连]
♥ 2
挺好的paper
♥ 1
您好，请问这篇论文以及源代码在哪呢？我没有检索到
↩ 1
终于找到你！
↩ 1
还有测速art那里, 有没有加torch.cuda.synchronize(), rcan有点快呀[喜极而泣]
↩ 2
信息熵和泛化性那里没太懂, 证明了模型复杂度反比与模型泛化性, 但是前面算的是特征图的熵, 能证明特征图的熵正比于模型复杂度吗?
↩ 1
up你好，我在跑github源码的时候发现scale设置为4的时候得到的SR图像是长宽变为原来的2倍，而不是4倍，不知道是不是我测试的有问题？[笑哭]
↩ 1
没太懂为啥特征图作差可以逼近移除互信息呢
↩ 2
这个方法是可以放在图像预处理那里对吧
↩ 1
18分钟那里的熵相加相减是用什么代码去算出来大小的呢[微笑]
↩ 5
论文搜不到啊
↩ 1