任务无关的动态特征上采样

这篇研报主要介绍了上采样在计算机视觉中的应用。上采样是稠密预测模型中的关键操作，可以提升空间分辨率和特征图的空间分辨率。然而，常规的上采样算子存在一些问题，如平滑图像边缘细节导致的棋盘效应。为了解决这些问题，研究人员提出了IndexNet，这是一种以索引函数的形式归纳上采样的方法。IndexNet通过动态生成可学习的索引，可以在任何含有上采样环节的网络中使用。此外，研报还介绍了一种同期工作的方法CARAFE，该方法通过生成上采样核与低分辨率特征图中的局部特征相乘来得到上采样点的特征。