Low-Level-Vision-Notes

通过issues和readme markdown 来记录 low level computer vision 任务研究的一些阅读感想记录

low-level-vision-notes's People

Contributors

Stargazers

Watchers

low-level-vision-notes's Issues

请问这个系列还会更新吗

Deraindrop 相关工作概略

Low Level Vision 热门研究方向

现在low-level vision的热点方向是什么？ - 埃里克不吃香菜的回答 - 知乎
https://www.zhihu.com/question/29880695/answer/531993207

去雨论文与数据集跟踪搜集

去雨论文搜集 DerainZoo

A Survey on Rain Removal fromVideo and Single Image（2019）

A Survey on Rain Removal fromVideo and Single Image

去雨的综述，作者将其分类放在一个github仓库了。https://github.com/hongwang01/Video-and-Single-Image-Deraining

Segmentation-Aware Image Denoising without Knowing True Segmentation

截止2019-11-05 该论文是preprint
Segmentation-Aware Image Denoising without Knowing True Segmentation

相当与分割网络可以训练的参数只有最后转成K channels 的那些3*3卷积层和上采样层，而且没有用到语义信息标签，而且特征嵌入网络的参数是固定的，用的是IMAGENET的欲训练，，但是居然可以work!!!

低级视觉任务与高级视觉任务结合

总概

high low level task 结合可以分为两种：1)利用高级任务去辅助低级任务 2）研究低级任务输出如何更好服务后续高级任务

Segmentation-Aware Image Denoising without Knowing True Segmentation
论文阅读记录 2019 prprint

这篇论文利用语义网络信息来辅助去噪，但是语意网路那边不借助标签监督信息，这区别与传统的联合训练方法)

On the other hand, in the metric of PSNR,
a model trained by minimizing MSE on the image domain
should always outperform a model trained by minimizing a
hybrid weighted loss. Therefore, we emphasize that the goal of
our following experiments is not to pursue the highest PSNR,
but to quantitatively demonstrate the different behaviors between
models with and without segmentation awareness.

论文中这段话说明了采用了joint training 后 psnr大部分时候比不过直接使用MSE训练的去噪模型
从实验表格看确实如此，说明了high-level和low-level task之间的gap. 但是差距似乎不大在论文所提供的实验中. (CDN-CNN-B是直接训练的去噪模型，其余两个是采用了两种不同方式的联合训练的模型：