像素自适应卷积神经网络
计算机视觉与模式识别
2019-04-12 v1 图形学
机器学习
摘要
卷积是CNN的基本构建模块。其权重在空间上共享这一事实是其被广泛使用的主要原因之一，但也是其主要局限，因为它使卷积与内容无关。我们提出一种像素自适应卷积（PAC）操作，这是对标准卷积简单而有效的修改，其中滤波器权重与依赖于可学习的局部像素特征的空间变化核相乘。PAC是若干流行滤波技术的推广，因此可用于广泛的用例。具体而言，我们展示了当PAC用于深度联合图像上采样时达到最先进的性能。PAC还提供了全连接CRF（Full-CRF）的有效替代方案，称为PAC-CRF，其表现具有竞争力，同时速度显著更快。此外，我们还证明PAC可作为预训练网络中卷积层的直接替换，带来一致的性能提升。
引用
@article{arxiv.1904.05373,
title = {Pixel-Adaptive Convolutional Neural Networks},
author = {Hang Su and Varun Jampani and Deqing Sun and Orazio Gallo and Erik Learned-Miller and Jan Kautz},
journal= {arXiv preprint arXiv:1904.05373},
year = {2019}
}
备注
CVPR 2019. Video introduction: https://youtu.be/gsQZbHuR64o