Reading Group 16 Jul 2020 Super Resolution

[lamda-lab]

video link: https://youtu.be/ngURBu-ZxVQ material: sr_overview.pdf

[dnrtn1101]

SR에 대한 전통적인 방식부터 시작해서 최신동향과 future work까지 소개하셔서 너무 유익한 발표였던 것 같습니다. 특히 대부분의 classification network들이 batch-normalization을 사용하고, SR분야에서도 네트워크내에 당연히 넣었었는데, 이에대해 normalization과정에서 정보의 손실이 있을 수 있고 이를 제거해주면서 여유가 생긴 complexity덕분에 layer를 좀 더 깊게 쌓을 수 있었던 EDSR이 매우 인상깊었습니다. 그리고 언제나 cornerstone으로 생각되어지는 논문들이 있기 마련인데, 네트워크를 깊고 복잡하게 쌓아 성능위주의 연구가 진행되었던 SR분야에서 네트워크의 효율성, 그리고 실 사용성?을 contribution으로하여 효율성을 지닌 모델에 대한 시작을 알린 CARN논문도 굉장히 인상깊었습니다. 좋은 발표 감사합니다.

[SeungMinJang]

개인적으로 SR에 대해 처음 접하게 되었는데 기초부터 최신 동향까지 설명을 들을 수 있어 좋았습니다. 무엇보다 참고자료를 다 표시해주시고 마지막에 workshop 및 survey paper도 제시해 주셔서 처음 공부하는 입장으로 정말 좋았습니다. 발표에서 개인적으로 느낀점은 evaluation metrics가 너무 인간이 보는 관점과 다른것 같아 보다 인간적인 표현을 담을 수 있는 metrics를 발전시키는 연구가 진행되면 좋을 것 같다는 생각도 해보았습니다. 좋은 발표 감사합니다.

[Meric3]

좋은 강연 잘 들었습니다. SR에 대해서 잘 정리를 하신 것 같은데 이와 관련하여 review 논문 쓰는 것은 어떠신가요?

[JuneKyu]

좋은 발표 감사합니다. 기초적인 upsampling 방법들 부터, SR 의 초기 아이디어와 발전 과정들을 한번에 이해할 수 있어 좋았습니다. ESPCN 과 같은 subpixel layer 를 사용해서 upscaling 을 하는 방법은 이제 거의 사용되지 않는 건지, 마지막에 CNN layer 를 추가적으로 덧붙인다고 하셨는데, 이 외에 다른 방법으로 연구가 되는지 알아봐야겠습니다.

[JangwookKim]

잘 들었습니다. 혹시 제가 연구 중인 주제에도 적용할 것이 있는지 찾아서 적용해 볼 생각입니다. 17:40 쯤 수많은 네트워크 구조를 한눈에 볼 수 있게 정리된 점이 마음에 드네요. 최신 모델의 문제점을 찾아 계속 보완해나가는 과정을 시간순으로 살펴보는 과정이 인상깊습니다.

[nmhkahn]

@JuneKyu 해당 이슈에 assign을 안하면 알림이 안가서 확인이 어려우니까 다음부터는 이슈를 올릴 때 발표자를 assign 해주세요. @Meric3 이미 서베이 페이퍼가 많이 나와서 크게 의미있는 작업은 아닐듯 합니다.

[sijinkim]

Future work 방향 제시해 준 부분 감사합니다. zero-shot 방식 등 SR 학습 방식에 대한 논문 흥미가 생깁니다. 영상을 다시 보는데, 채팅 사용한 부분은 질문을 확인하기가 어려워 앞으로는 리딩 클럽 진행 중 음성 사용하여 질문 및 코멘트 하는 형식이 고정되어야할 것 같습니다.

[fightnyy]

오늘 reinforcement learning과 관련된 발표 잘 들었습니다. 평소에 한번 들어봤으면 했던 분야였는데 발표해주셔서 감사합니다!!