-
Notifications
You must be signed in to change notification settings - Fork 20
New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
经过我的实验,没有必要复现论文的网络结构 #6
Comments
请问您是怎么使用avgpool,像unet一样用pool downsample吗 |
@ChenyangQiQi 对,用来替换掉frequency transform的 |
您也使用了fuse,denoise以及refine的结构,是吗? |
@ChenyangQiQi 我只用了fuse的前一帧和当前帧组合的结构,具体的卷积等细节不一样 |
@zrongcheng 能够分享或者具体说下你的网络结构吗?我用avgpool和conv替换后,效果好像不是很好 |
@xuwenju123 重点了解一下color transofrm和frequency transform,这俩在论文中的结构,其实可以用更简单的结构替换掉;比如avgpool替换的是论文中的LL,不过还需resize进行concat,conv是最后用来降卷积通道的 |
@zrongcheng 我也用avgpool替换LL,但是你用resize进行concat,conv降维这里结构就改动得比较大了,这里不是很好理解你的结构。为什么avgpool后resize(和什么)concat,能够再详细交流下吗? |
小波变换对于对线的边缘表现不是很好,想请教一下你所说的使用的简单结构能解决这种问题吗?直接使用卷积替代color transofrm和frequency transform效果不好,一是没法保证变换的可逆性,二是收敛起来对于fusion的逻辑不能很好的实现?请问有何建议 |
经过我的实验,没有必要复现论文的网络结构,包括color transofrm和frequency transform,我仅仅使用简单的avgpool和conv就超过了和论文一样结构的结果;fuse,denoise,refine结构值得借鉴,特别是fuse,其余的可自行发挥。
The text was updated successfully, but these errors were encountered: