Další
Živý přenos začne již brzy!
Živý přenos již skončil.
Prezentace ještě nebyla nahrána!
  • title: Finding Discriminative Filters for Specific Degradations in Blind Super-Resolution
      0:00 / 0:00
      • Nahlásit chybu
      • Nastavení
      • Playlisty
      • Záložky
      • Titulky Off
      • Rychlost přehrávání
      • Kvalita
      • Nastavení
      • Debug informace
      • Server sl-yoda-v3-stream-016-alpha.b-cdn.net
      • Velikost titulků Střední
      • Záložky
      • Server
      • sl-yoda-v3-stream-016-alpha.b-cdn.net
      • sl-yoda-v3-stream-016-beta.b-cdn.net
      • 1504562137.rsc.cdn77.org
      • 1896834465.rsc.cdn77.org
      • Titulky
      • Off
      • English
      • Rychlost přehrávání
      • Kvalita
      • Velikost titulků
      • Velké
      • Střední
      • Malé
      • Mode
      • Video Slideshow
      • Audio Slideshow
      • Slideshow
      • Video
      Moje playlisty
        Záložky
          00:00:00
            Finding Discriminative Filters for Specific Degradations in Blind Super-Resolution
            • Nastavení
            • Sync diff
            • Kvalita
            • Nastavení
            • Server
            • Kvalita
            • Server

            Finding Discriminative Filters for Specific Degradations in Blind Super-Resolution

            6. prosince 2021

            Řečníci

            LX

            Liangbin Xie

            Řečník · 0 sledujících

            XW

            Xintao Wang

            Řečník · 0 sledujících

            CD

            Chao Dong

            Řečník · 0 sledujících

            O prezentaci

            Recent blind super-resolution (SR) methods typically consist of two branches, one for degradation prediction and the other for conditional restoration. However, our experiments show that a one-branch network can achieve comparable performance to the two-branch scheme. Then we wonder: how can one-branch networks automatically learn to distinguish degradations? To find the answer, we propose a new diagnostic tool – Filter Attribution method based on Integral Gradient (FAIG). Unlike previous integr…

            Organizátor

            N2
            N2

            NeurIPS 2021

            Účet · 1,9k sledujících

            O organizátorovi (NeurIPS 2021)

            Neural Information Processing Systems (NeurIPS) is a multi-track machine learning and computational neuroscience conference that includes invited talks, demonstrations, symposia and oral and poster presentations of refereed papers. Following the conference, there are workshops which provide a less formal setting.

            Baví vás formát? Nechte SlidesLive zachytit svou akci!

            Profesionální natáčení a streamování po celém světě.

            Sdílení

            Doporučená videa

            Prezentace na podobné téma, kategorii nebo přednášejícího

            A Unified View of cGANs with and without Classifiers
            11:40

            A Unified View of cGANs with and without Classifiers

            Si-An Chen, …

            N2
            N2
            NeurIPS 2021 3 years ago

            Pro uložení prezentace do věčného trezoru hlasovalo 0 diváků, což je 0.0 %

            Differentially Private Empirical Risk Minimization under the Fairness Lens
            15:03

            Differentially Private Empirical Risk Minimization under the Fairness Lens

            Cuong Tran, …

            N2
            N2
            NeurIPS 2021 3 years ago

            Pro uložení prezentace do věčného trezoru hlasovalo 0 diváků, což je 0.0 %

            Deep learning techniques for a real-time neutrino classifier
            02:35

            Deep learning techniques for a real-time neutrino classifier

            Astrid Anker

            N2
            N2
            NeurIPS 2021 3 years ago

            Pro uložení prezentace do věčného trezoru hlasovalo 0 diváků, což je 0.0 %

            Evidential Softmax for Sparse Multimodal Distributions in Deep Generative Models
            11:12

            Evidential Softmax for Sparse Multimodal Distributions in Deep Generative Models

            Phil Chen, …

            N2
            N2
            NeurIPS 2021 3 years ago

            Pro uložení prezentace do věčného trezoru hlasovalo 0 diváků, což je 0.0 %

            HyperSPNs: Compact and Expressive Probabilistic Circuits
            11:08

            HyperSPNs: Compact and Expressive Probabilistic Circuits

            Andy Shih, …

            N2
            N2
            NeurIPS 2021 3 years ago

            Pro uložení prezentace do věčného trezoru hlasovalo 0 diváků, což je 0.0 %

            Ecological Theory of Reinforcement Learning: How Does Task Design Influence Agent Learning?
            9:50:00

            Ecological Theory of Reinforcement Learning: How Does Task Design Influence Agent Learning?

            N2
            N2
            NeurIPS 2021 3 years ago

            Pro uložení prezentace do věčného trezoru hlasovalo 0 diváků, což je 0.0 %

            Zajímají Vás podobná videa? Sledujte NeurIPS 2021