search

XuecaiHu / Meta-SR-Pytorch

Meta-SR: A Magnification-Arbitrary Network for Super-Resolution (CVPR2019)
551 stars 121 forks source link

Meta-upscale的实现 #68

Closed xjhcassy closed 3 years ago

xjhcassy commented 3 years ago

你这Meta-upscale的实现跟论文不一致啊，代码是先整数上采样，再用Mask取对应的小数尺度的结果，跟论文中直接上采样到小数尺度的过程对不上？？ @XuecaiHu

924544296 commented 3 years ago

我也这么觉得啊，论文里提都没提。。。

Hunter-Murphy commented 3 years ago

你这Meta-upscale的实现跟论文不一致啊，代码是先整数上采样，再用Mask取对应的小数尺度的结果，跟论文中直接上采样到小数尺度的过程对不上？？ @XuecaiHu 大佬能交流一下上采样模块的代码具体实现吗，想请教几个问题

XuecaiHu commented 3 years ago

这里是因为基于pytorch的卷积实现的，为了使用矩阵操作加速才增加了某些不需要预测的点，只是实现的问题，当然可以使用c++加cuda自己实现一个对内存更友好的版本，但是如何优化这部分代码对我来说是相对比较困难了。您理解为先上采样整数倍数，怕是对算法有什么误解。算法本质与文章描述就是一致的。