赛后,雷锋网采访到了初赛中「AI+4K HDR」赛项第二名得到团队——lzq_cris。
该团队共两位参赛成员,均为算法工程师。
针对晋级作品中的算法、预处理、后处理、工程设计等创新思路,以及他们眼中的「全国人工智能大赛」,两位工程师给出了这样的回答——

「AI+4K HDR」赛项官网:

https://www.kesci.com/home/competition/5d84728ab1468c002ca1825a

预赛亚军竞赛思路分享  NAIC AI4K HDR赛项

赛前时分,我理解的 AI+4K HDR

雷锋网:可以向我们大略先容一下你们的团队吗?是若何的缘故原由使令团队参加了本次大赛呢?

lzq_cris:我们来自大疆影像部,团队成员一共为 2 人;在比赛全体过程中,我们两个人会共同进行论文阅读和代码编写部分。

理解到这次的比赛是一个有时,但之后我们创造大赛的主题与我们部分事情内容干系性较强。
因此,一来希望通过参加大赛磨炼自身能力,同时也想借此机会认识更多在降噪超分方面的大牛。

雷锋网:针对 AI+4K HDR 赛项,团队是如何解读该赛题的呢?能和我们大略先容一下你心中的 AI+4K HDR 吗?

lzq_cris:看到题目之后,我们的第一反应是超分和 tone mapping(即色调映射)。

更详细到 AI+4K HDR,我们的解读是用深度学习的方法来实现传统 4K HDR 中的某些模块;同时,借助 CNN 强大的拟合能力和统一框架,使其有可能取得传统方法难以达到的效果。

赛场秋点兵,改进、打破与分解

雷锋网:面对当前的 AI+4K HDR 形势,团队认为可以从哪些方面实现改进与打破呢?针对该赛道的比赛,团队的解题详细思路是若何的呢?

lzq_cris:目前来看,EDVR 的框架是可用的,它借鉴了传统多帧算法的思路。
但是如果能进一步约束某些模块和白盒化,效果可能会更好;这也是我们认为可以改进与打破的点。

而在详细操作步骤中,首先我们会比拟赛的数据进行剖析,从而将任务分解成多个模块;然后再对各个模块做改进的考试测验;末了达到较空想的作品效果。

雷锋网:作品的设计与后处理方面,都面临了哪些寻衅?在算法优化方面,又做了若何的调度来办理这些问题呢?

lzq_cris:在算法优化方面,我们紧张还是根据详细数据剖析,然后在前后处理方面做了改进,比如:须要考虑转场等成分,然后在此根本上借助了 EDVR 框架进行修正。

由于评估指标跟主不雅观视觉有关系,后处理算法好不好同时影响到主不雅观感想熏染和 PSNR,这就面临着 psnr 和视觉感官的权衡;终极,我们做了大量的实验来进行验证和评估,才使得作品达到了较好的视觉效果。

雷锋网:在比赛中是否有目前碰着无法办理的问题?如果有,你认为目前该技能难点打破的关键在哪呢?

lzq_cris:在比赛过程中,我们最大的困难则在于没有一个很好定义视觉效果和降噪效果指标的情形下,如何更好的平衡评估指标。

由于如果我们只考虑 psnr,那么末了去噪效果会非常明显,但细节部分也都会被抹除;而只是考虑视觉效果的话,psnr 就须要降落。
因此,这也是目前我们所碰着无法办理的问题。

赛后总结,实战得真知

雷锋网:从团队取得的精良成绩,可以看出团队有很强的实力,那在本次竞赛中,团队认为自己都有哪些上风呢?

lzq_cris:参加本次比赛,我们本身由于事情缘故原由实在没什么上风,一没有足够韶光,二没有足够算力。
因此,我们有很多工程上的履历和想法都没来得及验证。

但在剖析完数据和评估指标的根本上,我们考试测验了几种网络设计的方案,然后在性价比最高、出成绩最快的前处理和后处理这些方面做一些实验。

实验结果终极证明了,这种做法能够更好的减少网络繁芜度、节省算力和带宽;同时,通过后处理可使得网络输出只管即便可控,也减少黑盒子的影响。

雷锋网:团队获奖作品都有哪些创新点和值得选手们参考的亮点,可以和我们分享吗?

lzq_cris:在创新方面,我们紧张对两个部分进行了处理;一是剖析数据,二是看评估指标。
个中,数据的问题我们采取了网络设计这样的方法去办理,而针比拟赛本身的评估指标,我们将重心放在了更好的视觉效果方面,并采取了与之相契合的数据内容来实现。

我们也认为对付每位参赛者而言,负责剖析数据和评价指标会是取得精良成绩很主要的条件;除此之外,考虑如何搭建能更好地处理视频失落真的网络也是非常主要的内容。

雷锋网:你认为这一比赛对开拓者最大的磨炼表示在哪里?能否结合团队每位成员的参赛经历和我们谈谈参加比赛对付个人发展有哪些帮助?

lzq_cris:在全体比赛过程中,我们会创造全体数据量是比较大的,而且图像退化过程也比真实场景要繁芜;这些都哀求开拓者须要有较强的剖析和验证数据能力。
这样,我们才能在此根本上更好地设计网络办理问题。

而对付这次的参赛经历,一方面,我们借此机会理解更多前沿的降噪、超分、HDR 等算法,另一方面,也结识了更多领域内的专家,共同磋商并改进干系技能。

除此之外,我们本身的剖析问题能力和处理数据能力都得到了一定的磨炼,这对付今后的开拓之路也是大有裨益。
不管终极成绩如何,这都是一段收成颇丰的经历!

更多信息,关注大赛官网:

http://www.china-ai.ac.cn

雷锋网