HDv3模型的复现

[ZFU123456]

flow, mask, merged = self.flownet(torch.cat((imgs, gt), 1), scale=scale, training=training)
loss_l1 = (merged[2] - gt).abs().mean()
loss_smooth = self.sobel(flow[2], flow[2]*0).mean()
# loss_vgg = self.vgg(merged[2], gt)
if training:
self.optimG.zero_grad()
loss_G = loss_cons + loss_smooth * 0.1
loss_G.backward()
self.optimG.step()
else:
flow_teacher = flow[2]
return merged[2], {
'mask': mask,
'flow': flow[2][:, :2],
'loss_l1': loss_l1,
'loss_cons': loss_cons,
'loss_smooth': loss_smooth,
}
想问您使用的是几个loss？是”loss_l1+loss_cons+loss_smooth“三个loss吗？还是仅仅loss_cons + loss_smooth * 0.1？
还想问下作者，使用HDv3复现插多帧模型的时候，训练并不成功，模型的psnr值为2.多，是什么原因呢？

[hzwer]

Hi，我用的是 loss_l1+loss_cons*0.01+loss_vgg(可选)；psnr这么低的情况下，是不是有可能数据喂错了
你可以只用 l1 loss跑通再试别的

[apple1986]

loss_cons

请问这里的loss_cons是什么？谢谢

[hzwer]

@apple1986 是一个 student 向 teacher 学习光流的 loss

[xjjww]

@apple1986 是一个 student 向 teacher 学习光流的 loss
怎么没有teacher网络输出和gt之间的loss？

[hzwer]

@xjjww
... 可能这版本偷懒加在 loss_cons 里面了