MGBPv2：扩展多网格反投影网络
机器学习
2020-03-24 v2 密码学与安全
机器学习
摘要
在此，我们介绍针对 AIM-2019 极端超分辨率挑战赛的解决方案，我们在感知质量（MOS，与真值相似度）上获得第一名，并在高保真度（PSNR）上取得第五名。为应对该挑战，我们引入第二代多网格反投影网络（MGBPv2），其主要改进使系统比前代更具可扩展性与通用性。它结合了多网格算法的可扩展性与迭代反投影的性能。MGBP 原始形式因强递归结构而参数量受限。在 MGBPv2 中，我们从网络起始即充分利用多网格递归；允许网络各模块使用不同参数；简化主模块；最后，允许根据操作尺度调整网络特征数量。对于推理任务，我们引入重叠块方法以进一步支持极大图像（如 8K）的处理。我们的训练策略采用多尺度损失，结合输出及降采样输出图像上的失真和/或感知损失。最终系统可在高质量与高性能间取得平衡。
引用
@article{arxiv.1909.12982,
title = {Robust Membership Encoding: Inference Attacks and Copyright Protection for Deep Learning},
author = {Congzheng Song and Reza Shokri},
journal= {arXiv preprint arXiv:1909.12982},
year = {2020}
}