以史为鉴：面向图像复原问题的对比学习通用框架

关注「AIWalker」并星标从此AI不迷路作者丨CSJJJ@知乎来源丨https://zhuanlan.zhihu.com/p/690058897编辑丨极市平台极市导读 本文提出了一种全新的图像复原领域任务通用的对比学习范式：模型对比学习 (Model Contrastive Learning for Image Restoration, MCLIR)。不同于以往复杂的负样本挖掘策略，该方法核心在于目标模型与历史模型之间的对比范式构造，模型对比约束不依赖于特定的任务先验知识，可以轻松应用到多种图像复原任务和多种模型结构中。 >>加入极市CV技术交流群，走在计算机视觉的最前沿“以史为鉴，可以知兴替”。深度神经网络模型在训练过程中产生的历史信息往往被大家所忽视，为了充分利用这一信息，我们提出利用历史训练模型（checkpoints）当作负模型（以此构建负样本）的对比学习通用框架，并在多个图像复原问题中验证了该框架的有效性。欢迎 ………………………………