此外研究人员还分析了各个模块对于整体表现的贡献,下面几个表格展示了初始模块、融合重建模块和优化对于整体表现的影响。可以看到好的初始化方法所得到的损失较小,而本文的层级重建方法精度也高于其他方法。
下图还显示了预训练模型与优化方法协同带来的效果提升,在预训练模型的重建基础上,在线优化方法利用自监督的模式为背景图像和遮挡图像重建出更为清晰的细节。
同时总变分的加入也让图像得到了更为平滑和自然的结果:
下面让我再来看看这种方法在实际场景中的表现:
此外研究人员还分析了各个模块对于整体表现的贡献,下面几个表格展示了初始模块、融合重建模块和优化对于整体表现的影响。可以看到好的初始化方法所得到的损失较小,而本文的层级重建方法精度也高于其他方法。
下图还显示了预训练模型与优化方法协同带来的效果提升,在预训练模型的重建基础上,在线优化方法利用自监督的模式为背景图像和遮挡图像重建出更为清晰的细节。
同时总变分的加入也让图像得到了更为平滑和自然的结果:
下面让我再来看看这种方法在实际场景中的表现: