Nov, 2020

残差网络的有效抗锯齿方法

PDF
TL;DR通过在关键位置上放置不可训练的模糊滤波器和使用平稳激活函数来缓解频率混叠现象，这些简单的架构更改在图像分类和识别上产生了显著的提高，并且没有引入额外的可训练参数。
image pre-processingfrequency domaincomputer visionfrequency aliasingout-of-distribution generalization
发现论文，激发创造
  • 探究卷积神经网络中抗锯齿的更深层次

    通过提供一个自适应、内容感知的低通滤波层，该文章提出了一种解决深度学习中降采样导致失真的问题的有效方法，并在多项任务中展示其效果，从而避免失真，同时保留用于识别的有用信息。

    Aug, 2020

  • 深度卷积网络中混淆对泛化的影响

    本文研究了深度卷积网络中混叠对泛化性能的影响，并表明数据增强方案由于所使用的结构存在结构性限制而无法防止其影响。通过从频率分析理论中获得了启发，我们对 ResNet 和 EfficientNet 架构进行了更深入的研究，评估了它们各自主要组成部分中混叠和信息丢失之间的权衡。我们展示了如何通过在关键位置插入非可训练低通滤波器来减轻混叠，特别是在网络缺乏学习它们的能力的地方。这些简单的架构改变在 i.i.d. 和分布之外条件下显着提高了泛化性能，例如在 ImageNet-C [11] 上的自然破坏的图像分类和 Meta-Dataset [26] 上的小样本学习。在不引入额外的可训练参数和使用开源代码库的默认超参数的情况下，两个数据集都取得了最先进的结果。

    Aug, 2021

  • 语义分割与频率混叠的结合

    本研究通过详细分析硬像素错误，将其分为三类：虚假响应、合并错误和位移；发现了硬像素与混叠现象之间的定量关联，并提出了去混叠滤波器（DAF）和频率混合（FreqMix）模块来减轻混叠问题，从而在语义分割和低光实例分割任务中取得了持续的改进。

    Mar, 2024

  • 频率 Mip-AA：抗锯齿神经辐射场的频率 Mip 表示

    利用基于网格的表示和频域表示的频谱 MipAA 方法，通过利用尺度特定的低通滤波器（LPF）和可学习的频谱遮罩，在保留重要细节的同时有效消除锯齿因素，以解决 Neural Radiance Fields 在生成 3D 场景和渲染不同相机距离下的图像时的走样问题。

    Jun, 2024

  • 频域学习

    通过在频域进行学习和频道选择，我们提出了减少冗余和显著信息以提高图像分类精度的学习方法，得出使用该方法的 ResNet-50、MobileNetV2 和 Mask R-CNN 在图像分类和实例分割上表现更好的结论。

    Feb, 2020

  • 微小目标检测中抗锯齿的重要性

    应用 WaveCNet 实现抗混叠的小物体检测，通过在 CNN 中使用 WaveletPooling 层来替换下采样过程以抑制混叠，并通过改进骨干网络进一步提高检测性能和减少参数数量，实验结果表明该方法在三个数据集上取得了新的最优结果。

    Oct, 2023

  • 频率低切池化 —— 插入即用以抵御灾难性过拟合

    本文介绍了一种去除伪影的下采样操作 ——FrequencyLowCut pooling，并通过结合 FGSM 的对抗训练在模型鲁棒性和过拟合方面取得了显著改善。

    Apr, 2022

  • 无别名生成对抗网络

    介绍了一种改进的生成敌对网络，通过改进信号处理过程以消除混叠引起的问题，实现了小型结构变化，并具有完全等变性，可以更好地适用于视频和动画。

    Jun, 2021

  • 快速图像超分辨率的频域神经网络

    本文介绍了一种基于频域卷积定理的神经网络用于图像超分辨率，该网络采用 Hartley 变换作为替代傅里叶变换消除复数，具有很高的计算效率，并能适用于在计算机视觉和图像处理等其他领域中通常使用频域表示的问题。实验证明，该网络比文献中其他替代品的速度快 1 到 2 个数量级，性能损失微不足道。

    Dec, 2017

  • 随机频率屏蔽以提高超分辨率和去噪网络

    本文探讨超分辨率和降噪问题中的盲问题，提出优化方法，使用随机频率掩蔽网络调节，以达到还原图像并提高性能。

    Mar, 2020