[問題] 關於ICCV最佳論文SinGAN

[PyTorch (背後骯髒的PY火炬)]

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

--
→ a000000000: 那是假ee真cs刷題仔
→ a000000000: 真ee很慘 不過沒人管
--
※ 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 robert780612: 我記得paper裡面有一段是說影像內不同位置的local
→ robert780612: feature會很類似
→ robert780612: 還有一篇deep image prior也是單張圖就可以train
→ PyTorch: 那traing跟testing是同一張對吧？
→ followwar: NO SINGAN跟deep image prior類似的概念是將
→ followwar: Network要學的是single image的分布
→ followwar: SINGAN在TEST時是丟NOISE進去也可以丟別的image進去
→ followwar: 而hierachical的架構可以幫助學到global->local分布
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
→ yoyololicon: 感覺樓主好像有搞錯東西…
→ yoyololicon: 只有看過image prior, 不過如果sinGAN 也是類似的話
→ yoyololicon: ，這類model 在做的事情和其他大部分model 不太一樣
→ yoyololicon: image prior練出來的weight只有針對那張圖而已，不
→ yoyololicon: 能套到其他圖上
→ KirimaSyaro: 我也是覺得train跟test就是同一張圖
→ KirimaSyaro: 可是不清楚 這樣要怎麼跟SRGAN比較
→ yoyololicon: 大概看完了singan,的確和deep image prior的概念類
→ yoyololicon: 似
→ yoyololicon: train 和test 的圖是同一張沒錯，但train 時的圖是d
→ yoyololicon: ownsample 過的
→ yoyololicon: test 時才是餵原本的解析度
→ yoyololicon: 所以還是能比較R 因為test sample 嚴格來說和traini
→ yoyololicon: ng 時不一樣
→ yoyololicon: 每次要inference一張圖，就是重train，不過training
→ yoyololicon:  通常都很快啦畢竟只有一張