
机器之心专栏北京邮电大学-模式识别与智能系统实验室GitHub地址:该研究的主要贡献包括:在相同的带宽压缩下,与商业和标准进行比较,由于过度拟合的特性,该方法展示了更有潜力的结果。图1方法动机和发现图......
机器之心专栏
北京邮电大学-模式识别与智能系统实验室
GitHub地址:
该研究的主要贡献包括:
在相同的带宽压缩下,与商业和标准进行比较,由于过度拟合的特性,该方法展示了更有潜力的结果。
图1
方法
动机和发现
图2
,其中i表示第i个模型,j表示第j个通道,k表示SR模型的第k层卷积。对于随机选择的图像,可以计算
和
之间的余弦距离,来衡量这两组特征图之间的相似度。对于图2中的特征图,该研究计算了
,
和
和
之间的关系可以通过线性函数近似建模。这也是该研究提出CaFM模块的动机。
图3
内容感知特征调制模块(CaFM)
图4
联合训练
对于SR图片
VSD4K数据集
定性定量分析
主实验对比
VScodec
定性比较