1. Learning Dual Convolutional Neural Networks for Low-Level Vision

  Low-level vision tasks usually involve the estimation of two components, low-frequency structures and high-frequency details
  低层视觉问题通常涉及到目标结果的结构和细节部分的估计, 这个Dual Conv包含了两个分支, 分别可以端到端的估计目标结果的结构和细节信息。基于估计的结构的细节信息, 目标结果可分别通过特定问题的成像模型(SR, Edge-Preserve Filter)来得到。

  A DualCNN consists of two branches, one shallow sub-network to estimate the structures and one deep sub-network to estimate the details
  Net-S是一个shallow network, 因为它提取的是结构信息, 所以不需要太深, 太深反而会有很大噪声
  Net-D是一个deep network, 需要估计细节, 究竟用多深的网络, 文章下面会在不同的IP的时候用不同的模型

  The modular design of a DualCNN makes it a flexible framework for a variety of low-level vision problems.
  DualCNN就和Siamese一样, 它不是网络模型, 只是一种架构, Net-D和Net-S可以根据实际需要替换成需要的网络模型

---

2. 结构分析

Dual conv architecture

  Loss函数由S, D和S和D相加重构出的最终结果与实际标签之间的loss三者组成
  这里以几个问题理解一下这个复杂的loss function

• X从哪儿来?
    X是ground truth label, 那在SR就是downsample之前的原图, NR就是添加噪声前的原图

• S_gt和D_gt从哪儿来?
    这个也是每个IP不一样, 就是你希望Net-D学出来的Detail图应该是什么样, Net-S学出来的Structure图应该是什么样
    SR的话S图是HR图加上Gaussian Filter, D图是HR - S图, 其实S图就是低通图, D图就是高通图, 获取高通图的途径就是在原图中剪掉低通图

• α λ γ 这三个值的意义是什么?
    类似style transfer(这个回头看一下Andrew Ng这个部分), 这三个值就是看你最终是希望那个学习的结果离Ground Truth更近, 相当于style transfer中的风格loss和值loss的平衡

• ϕ(), ψ()的意义是什么?
    这是Net-S和Net-D学习结果的组合方式, 根据不同的任务来设置, 就是最终的学习结果是如何通过高通图和低通图组合到一起的
    the forms of the functions ϕ(), and ψ(), are knownand depend on the domain knowledge of each task

---

3. Example(SR)

Training Data
we generate the training data by randomly sampling 250 thousands 41�x41 patches from 291 natural images

Ground Truth
S_gt=guassian filter(X)
X就是sample前的原图
D_gt=X−S_gt
高通图

Super Para
ϕ(S)=S, ψ(D)=D
α=1, λ=0.001, γ=0.01
也就是说权重侧重在最终的合成图要尽量像原图