BubbleCodes的博客

【文献阅读】End-to-end compression-aware computer-generated holography/端到端具有压缩感知能力的计算全息术。

CompressAI的github仓库中Usage-Evaluation给出了传统编解码器的使用帮助，但是并未给出详细的使用方法。本文旨在进行总结使用方法。下图是传统编解码器相关代码的存放地点，其中codecs为各种编解码器类的定义模块module，被__main__调用。各个编解码器的输入参数的要求在codecs中可以找到，数据集路径参数是必须的。# 要注意的是 # 在通过python -m script运行脚本的时候，不需要加上后缀 python -m __main__ jpeg。

为0时，意味着真实分布在这里为0，则真实分布和拟合分布之间的差异不考虑，这样拟合出来的分布往往不局限于多峰分布中的某个峰，而是趋于寻找极大似然估计。而这个近似的直觉思路是通过反向KL散度来设计。但是KL散度中存在上述的intractable的问题，因此希望把KL散度的优化问题转化为其他的优化函数。很小时，KL散度相应权重很小，意味着不考虑拟合分布概率密度小的地方，这样拟合的分布会陷入某个单峰的拟合中。正向KL散度和反向KL散度并不相等，意味着KL散度并不具有对称性，在不同的情况下需要使用不同的公式。

帮我修改论文之前也没有仔细看过我的文章（这句属于我的推测，可能看了但是没看懂，怎么可能看懂，看懂了能不知道我的文章想做什么，核心思想是什么吗？），属于临阵磨枪，只能文字表达方面做修改（而且由于是临时修改，加之他对这个领域不熟悉，属于是乱改），对方案和实验完备性方面无法提出任何有效意见。最近的一个课题从idea的提出到实验，到论文初稿完成，中途一直有和导师以及其他学校的合作者汇报工作进展，算是比较独立地完成，但是直到他给我修改初稿时才理解我这篇文章的目的与核心思想。很苦恼，学术生涯到底会走向何处？

随后由于不可抗逆的原因，现在课题转为了全息图压缩编解码。断断续续地，在各个网络平台上写过一段时间的文字，包括个人经历、技术总结和其他一些乱七八糟的东西，但是缺乏总体性和连贯性，最近一段时间也是断掉这个习惯了，日益感觉到自己的懈怠，脑子里面涌现出一些懊悔的情绪，所以想要借助优快云这个平台再把之前的习惯继承下来。至于能坚持多久，我也不能给出一个肯定的答案。所以之后的博客主题主要集中在常规图像和视频编解码标准和算法的解读，全息图压缩编解码的探索。