将图像重新表征-神经网络给予的新视角
什么是图像?什么是颜色?
0
我们从纯常规图像,RGB,YUV,光谱,等等 C H W(一个tensor) 格式
从面向 通道-2D数组 格式
进阶到面向 2D位置-信号 格式
xy->rgb(x,y∈Z+,rgb∈[0,255])
重新建模了图像,带上实际信息
Pos + Signal(H*W个tensor 并且需pair)
再到此文(主要讲的)的颜色空间
面向 采样数量-数值-位置标签 格式 (rgb->xy)
Num Signal Pos(一个tensor)
从分量视角:X+color_1->Y+color_2,刚好Invertible-Neural-Networks可以做到
我们为什么不用一个坐标分量去预测color分量?,实际数据任然是(X,Y)+color做监督损失
这样建模好处在连hilbert-curve都不用
而且图像似乎本身就有个特点,两个分量XY,UV,θφ