。

通过几个例子#xff0c;包括ACNet到RepVGG的发展#xff0c;RIFE插帧、Film插帧#xff0c;以及OpenAI的近期工作#xff0c;阐述了这种转变的重要性。

知乎#xff1a;黄哲威

到揭示新现象的转变。

通过几个例子包括ACNet到RepVGG的发展RIFE插帧、Film插帧以及OpenAI的近期工作阐述了这种转变的重要性。

知乎黄哲威

hzwer链接https://zhuanlan.zhihu.com/p/14170281797

比如说

“构造一系列结构一般用于训练并将其参数等价转换为另一组参数一般用于推理从而将这一系列结构等价转换为另一系列结构”

VGG

我近一两年才逐渐意识到自己阴差阳错做了一篇还不错的论文目前还不知道怎么达到更高水平希望以此为例传达一些经验教训

DAIN

性能但是审稿人买账的不多特别是轻量化模型并不是一个讨喜的研究话题被拒好几次

虽然我们认为某个指标提高就是模型核心竞争力的体现但是全世界大概只有几个小同行共识而且提高一点性能本身不为领域带来什么新的知识

于是我们重写了文章更多的加入了新的发现于是审稿人和读者可以各自寻找心中的哈姆雷特

把先前一些模型的误差解释为光流逆转时忽略了物体空间移动所以我们有更强的动机在轻量化网络中端到端估计中间帧光流

对于为什么要做光流蒸馏先指出输入中间帧信息为“特权”的模型会有高得多的性能

多倍插帧我们发现把目标时间

输入进网络是可以实现控制任意时刻插帧的而且训练之后还可以放入梯度式的时间编码实现场景融合或果冻效应模拟

这样自己都不用强调审稿人每个人都会说这篇论文提出的方法性能很好

我们希望读者觉得论文更有读的价值现在看引用也真的来自很多不同的方向比如有

为什么说

以后想的。

比如说有两次审稿人批评不能做任意时刻插帧我就回复说这个简单把目标时间

输入就行了嘛。

审稿人说没做实验你说个锤子一做才发现效果比预期还好

水平所限当年其实还是没有把这篇论文写的很好写这篇总结是希望下次能做的更优美

不用刷

我们将帧插值的范围扩展到一个新颖的近重复照片插值应用为社区开辟了一个新的探索空间。

我们调整了一个共享权重的多尺度特征提取器并提出了一个尺度无关的双向运动估计器使用常规训练帧来很好地处理小范围和大范围的运动

我们采用基于Gram矩阵的损失函数来修复由大场景运动引起的大范围遮挡从而生成清晰且令人满意的帧

我们提出了一个统一、单阶段的架构以简化训练过程并消除对额外光流或深度网络的依赖

很明显地有一些新东西首先是开辟新的研究范围找到一些以往算法都会挂掉的例子

然后围绕这个问题构建整个论文提出了一系列设计包括结构和损失函数

benchmark

发的一系列东西如果我们从做新现象的角度去审视就能知道为什么它们是好东西

比如说

来高质量长时长的可控视频生成甚至于它的失败例子其实都是很有意思的实验现象

GPT4

o3每一个都展示了前代模型没有的新现象这是它们足以吸引诸多研究者的原因

如果我第一次看到

ChatGPT我会很疑惑怎么会有这样交互水平的对话模型它是不是在时不时联网

人工干预

一开始最吸引我的就是它解决我出的算法题的水平。

虽然它在这方面不如很多经过训练的初中生但是比起其它胡说八道的模型真的强了很多

xxx