【杂谈】为什么你在有三AI看不到最新论文的解读，其实一直都有的
有許多朋友都問過我這個(gè)問題，有三兄為什么你不解讀最新的論文呢？今天來給大家說道說道。
最新的論文解讀當(dāng)然是有的
其實(shí)最新的論文解讀一直都是有的，只是沒有放在公眾號(hào)。我們的內(nèi)容生態(tài)分為：書+季劃+知識(shí)星球+直播+微信公眾號(hào)幾大塊，這里我將微信公眾號(hào)列在最后，是因?yàn)楣娞?hào)的生態(tài)是免費(fèi)的，面向的也是所有基礎(chǔ)的人。
雖然我們的公眾號(hào)生態(tài)已經(jīng)很大，一年能做到500篇文章，但這不是我們的全部?jī)?nèi)容。
公眾號(hào)大概有1/4的內(nèi)容，星球大概有1/4的內(nèi)容，剩下1/2的內(nèi)容在書+季劃+直播中。
那么最新文章的解讀在哪里呢？答案是有三AI知識(shí)星球，比如下面是對(duì)近期導(dǎo)致LeCun退出Twitter的PULSE論文的分享解讀。
有三AI知識(shí)星球-網(wǎng)絡(luò)結(jié)構(gòu)1000變
PULSE
PULSE(Photo Upsampling via Latent Space Exploration)是一個(gè)自監(jiān)督的基于圖像生成的超分辨框架，可以實(shí)現(xiàn)高達(dá)64倍的超分辨。
作者/編輯 言有三
一般來說，超分辨就是從低分辨率圖LR到高分辨率圖HR的轉(zhuǎn)換，最簡(jiǎn)單的就是插值法，復(fù)雜一些的就是使用網(wǎng)絡(luò)對(duì)像素進(jìn)行學(xué)習(xí)補(bǔ)全，以MSE為優(yōu)化目標(biāo)的方法的缺陷主要在于結(jié)果會(huì)趨向平均，本質(zhì)上是一系列高分辨率圖像進(jìn)行加權(quán)平均的結(jié)果，因此比較模糊，這無法通過調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)解決，感知損失和GAN框架常被用于對(duì)結(jié)果進(jìn)行改進(jìn)，但仍然會(huì)使得重建結(jié)果不真實(shí)，缺乏細(xì)節(jié)。
PULSE方法則開辟了新的思路，它要找到一個(gè)解，使得從多幅高分辨率圖進(jìn)行下采樣，可以得到同樣的低分辨率圖，如下圖。高分辨率圖則是通過生成網(wǎng)絡(luò)框架生成，比如StyleGAN生成的人臉。
從低分辨率圖到高分辨率圖的轉(zhuǎn)換是一個(gè)一對(duì)多的問題，本框架要解決的問題如下：
其中I是一個(gè)高分辨率的圖片集合，DS就是降采樣操作，上式的意義就是要找到一系列的I組成的集合Rε，使其降采樣后與真實(shí)的低分辨率圖像ILR最接近。
因此，PULSE的整個(gè)流程不是通過給低分辨率圖進(jìn)行逐步上采樣，補(bǔ)充細(xì)節(jié)，而是遍歷生成的HR圖像，并將這些HR圖像對(duì)應(yīng)的LR圖像與輸入圖原圖進(jìn)行對(duì)比，其中最接近的就是解，這是和當(dāng)前大部分超分辨框架的不同之處。
上圖是一個(gè)從原始空間到隱空間的示意圖，其中深色部分表示是一個(gè)比較自然的解區(qū)間，而以FSRNet，FSRGAN為代表的方法則不在這個(gè)解區(qū)間中。PULSE可以約束搜索空間在自然解組成的范圍，從而保證結(jié)果的真實(shí)性。
整個(gè)框架的優(yōu)化目標(biāo)被稱為下采樣目標(biāo)，定義如下：
其中需要求得z滿足下式，其中z分布在一個(gè)高維歐式空間的球形區(qū)域內(nèi)：
下圖展示了一些和其他方法的對(duì)比結(jié)果。
可以看出本方法的細(xì)節(jié)效果要好得多，下表展示的是主觀評(píng)測(cè)分?jǐn)?shù)，可以看出PULSE方法效果已經(jīng)逼近真實(shí)解。
下圖展示了不同失真下的恢復(fù)結(jié)果，可以看出模型的魯棒性非常好。
不過該方法僅會(huì)生成實(shí)際上不存在但看上去很真實(shí)的新面孔，因?yàn)檎鎸?shí)面孔本身的信息就是缺失的，這是不可能恢復(fù)的，必然是一個(gè)答案不唯一的解，可以通過對(duì)生成框架進(jìn)行不同的噪聲輸入擾動(dòng)來獲取。
參考文獻(xiàn)
[1] Menon S, Damian A, Hu S, et al. PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models[J]. arXiv: Computer Vision and Pattern Recognition, 2020.
所有的文章解讀，都以知識(shí)卡片+論文的方式，在知識(shí)星球中進(jìn)行分享，如下：
為什么選擇知識(shí)星球呢？有這么幾個(gè)原因。
(1) 知識(shí)星球可以每天無限發(fā)文，而公眾號(hào)只能發(fā)一次。
(2) 知識(shí)星球可以一起發(fā)圖片，PDF，代碼，并且隨時(shí)都可以更新。
(3) 知識(shí)星球是收費(fèi)的。
所以這實(shí)現(xiàn)了自由的技術(shù)分享，并且可以讓有三獲得一些回報(bào)，內(nèi)容全部在網(wǎng)絡(luò)結(jié)構(gòu)1000變標(biāo)簽中，有好幾百期內(nèi)容。每一篇文章解讀都不是簡(jiǎn)單的信息羅列，而是認(rèn)真研讀過論文的精簡(jiǎn)總結(jié)，選擇的也是比較具有價(jià)值的文章而不是水文。
如果你想跟讀相關(guān)內(nèi)容，那就掃碼加入知識(shí)星球吧，一天不到一塊錢。
星球的內(nèi)容是非常多的，了解詳細(xì)請(qǐng)閱讀文章：
【雜談】有三AI知識(shí)星球一周年了！為什么公眾號(hào)+星球才是完整的？
【雜談】萬萬沒想到，有三還有個(gè)保密的‘朋友圈’，那里面都在弄啥！
各個(gè)方向都有對(duì)應(yīng)的知識(shí)卡片，且會(huì)一直更新。
更看重知識(shí)的完整性
大家也看了我們不少文章了，不知道有沒有注意到，我們的技術(shù)文章有幾個(gè)特點(diǎn)。
(1) 不做單篇文章解讀，而是會(huì)做總結(jié)性質(zhì)的文章，里面必須擁有自己的思考，而不是對(duì)內(nèi)容的簡(jiǎn)單翻譯。
(2) 標(biāo)題永遠(yuǎn)不帶“xx機(jī)構(gòu)，“xx大咖”，“xx會(huì)議”之類的字眼，我希望大家能夠專注于內(nèi)容本身，而不是被這些外物過多吸引眼球。
所以，我們幾乎不會(huì)單獨(dú)就一篇文章來占用公眾號(hào)文章的發(fā)文資源。
關(guān)于論文閱讀
關(guān)于論文的閱讀和學(xué)習(xí)，雖然最新的研究往往有更好的結(jié)果，但對(duì)于還不熟悉該領(lǐng)域的同學(xué)來說，并不一定能夠駕馭，所以建議大家還是循序漸進(jìn)首先儲(chǔ)備好相關(guān)知識(shí)，磨刀不誤砍柴工，這樣可能會(huì)更快。
所以，我們公眾號(hào)準(zhǔn)備了論文閱讀板塊，專門針對(duì)各個(gè)方向，挑選其中值得讀的研究，如下：
【每周論文推薦】 初入深度學(xué)習(xí)CV領(lǐng)域必讀的幾篇文章
【每周CV論文推薦】 掌握殘差網(wǎng)絡(luò)必讀的10多篇文章
【每周CV論文推薦】 初學(xué)者必須精讀的5篇深度學(xué)習(xí)優(yōu)化相關(guān)文章
【每周CV論文推薦】 CV領(lǐng)域中數(shù)據(jù)增強(qiáng)相關(guān)的論文推薦
【每周CV論文推薦】 初學(xué)高效率CNN模型設(shè)計(jì)應(yīng)該讀的文章
【每周CV論文推薦】 初學(xué)目標(biāo)檢測(cè)必須要讀的文章
【每周CV論文推薦】 初學(xué)深度學(xué)習(xí)圖像分割必須要讀的文章
【每周CV論文推薦】 初學(xué)GAN必須要讀的文章
【每周CV論文推薦】 深度學(xué)習(xí)人臉檢測(cè)入門必讀文章
【每周CV論文推薦】 初學(xué)深度學(xué)習(xí)人臉關(guān)鍵點(diǎn)檢測(cè)必讀文章
【每周CV論文推薦】 初學(xué)深度學(xué)習(xí)人臉識(shí)別和驗(yàn)證必讀文章
【每周CV論文推薦】 初學(xué)深度學(xué)習(xí)人臉屬性分析必讀的文章
【每周CV論文推薦】 初學(xué)活體檢測(cè)與偽造人臉檢測(cè)必讀的文章
【每周CV論文推薦】 初學(xué)深度學(xué)習(xí)單張圖像三維人臉重建需要讀的文章
【每周CV論文推薦】 人臉識(shí)別剩下的難題：從遮擋，年齡，姿態(tài)，妝造到親屬關(guān)系，人臉攻擊
【每周CV論文推薦】換臉?biāo)惴ǘ加心男┙?jīng)典的思路？
【每周CV論文】深度學(xué)習(xí)文本檢測(cè)與識(shí)別入門必讀文章
【每周CV論文】深度學(xué)習(xí)圖像降噪應(yīng)該從閱讀哪些文章開始
往期相關(guān)
【星球知識(shí)卡片】殘差網(wǎng)絡(luò)家族10多個(gè)變種學(xué)習(xí)卡片，請(qǐng)收下！
【星球知識(shí)卡片】移動(dòng)端高效率的分組網(wǎng)絡(luò)都發(fā)展到什么程度了？
【星球知識(shí)卡片】注意力機(jī)制發(fā)展如何了，如何學(xué)習(xí)它在各類任務(wù)中的應(yīng)用？
【星球知識(shí)卡片】模型剪枝有哪些關(guān)鍵技術(shù)，如何對(duì)其進(jìn)行長(zhǎng)期深入學(xué)習(xí)
【星球知識(shí)卡片】模型量化的核心技術(shù)點(diǎn)有哪些，如何對(duì)其進(jìn)行長(zhǎng)期深入學(xué)習(xí)
【星球知識(shí)卡片】模型蒸餾的核心技術(shù)點(diǎn)有哪些，如何對(duì)其進(jìn)行長(zhǎng)期深入學(xué)習(xí)
【星球知識(shí)卡片】視頻分類與行為識(shí)別有哪些核心技術(shù)，對(duì)其進(jìn)行長(zhǎng)期深入學(xué)習(xí)
【星球知識(shí)卡片】圖像生成都有哪些核心技術(shù)，如何對(duì)其進(jìn)行長(zhǎng)期深入學(xué)習(xí)
【星球知識(shí)卡片】AutoML都有哪些核心技術(shù)，如何對(duì)其進(jìn)行長(zhǎng)期深入學(xué)習(xí)
總結(jié)
以上是生活随笔為你收集整理的【杂谈】为什么你在有三AI看不到最新论文的解读，其实一直都有的的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【每周CV论文】深度学习图像降噪应该从阅
- 下一篇： 【星球知识卡片】人脸属性编辑都有哪些核心