知识卡片
递归生成建模图像上下文
RNN 把先前步骤的信息经隐藏状态传给后续步骤。若把图像像素或图像块按某种顺序展开,便可逐步预测缺失内容并利用已生成的上下文。空间邻接并不天然等同时间顺序,扫描路径会影响依赖表达,长距离结构及高分辨率计算仍难;原书对修复连贯性和样本规模的评价应视具体模型与数据而定。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 1 9 . 3 . 2 基 于 神 经 网 络 算 法 的 图 像 修 复 · 查看原书依据
而把这种时间序列对应到空间图像中,即可建立起空间尺度上像素分布的关系,这便是基于RNN的图像修复方法所采用的策略。
参考来源
- 位置:《智能算法导论》第 185 项《19.3.2 基于神经网络算法的图像修复/RNN》(源文件:`_epub-src/EPUB/xhtml/chapter19_0008.xhtml`)
- 结论依据:正文将 RNN 的序列依赖迁移到空间像素分布,并指出高分辨率、大样本效果的局限;卡片明确展开顺序的假设。
- 原始内容:“把这种时间序列对应到空间图像中,即可建立起空间尺度上像素分布的关系”。