Severe quality degradation issue when using the DCVC-DC Intra model !!!
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Idoneità per principianti
- 30/100
- Tipo di issue
- Bug
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- python
- Ambito
- computer-vision, machine-learning
Direzione di ricerca
Inizia da IntraNoAR in DCVC-DC/src/models/image_model.py e dal percorso del checkpoint in DCVC-DC/checkpoints/download.py. Riproduci i risultati di compressione riportati utilizzando i pesi cvpr2023_video_psnr.pth.tar forniti e le immagini RGB di Vimeo90K collegate. Il lavoro è completato quando viene identificata la causa del degrado, viene documentato il comportamento atteso e viene chiarito se sono necessari script di training aggiuntivi per frame intra e inter.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
First of all, I want to express my gratitude for releasing both your code and pre-trained model weights for all the settings.
The testing results closely align with the data reported in your paper, particularly regarding the UVG, HEVC-B, and MCL-JCV datasets.
Recently, I conducted tests on the intra model IntraNoAR of DCVC-DC using the provided pre-trained weights (cvpr2023_video_psnr.pth.tar) from this link. My tests involved using images from a different dataset in the RGB color space for research purposes. Unfortunately, during this process, I encountered issues that led to instability in my model during training.
It took some time for me to debug my implementation, and I finally found that the main issue stemmed from the degradation of the I-frame when compressed by your intra model. I didn't update any learnable parameters in the model which means the result should be the same as the pre-trained model you provided.
Here is the result of the degraded compressed image
-
image 1
Degraded image
Ground truth -
image 2
Degraded image
Ground truth -
image 3
Degraded image
Ground truth -
image 4
Degraded image
Ground truth -
image 5
Degraded image
Ground truth -
image 6
Degraded image
Ground truth
All the images above were downloaded from the original video sources of the commonly used training dataset Vimeo90K, accessible via this link.
Could you please test your intra model with the provided images to check for any problems? Additionally, it would be greatly appreciated if you could provide an additional training script for both your intra-frame and inter-frame models.
- Lingua principale
- Python
- Stelle
- 837
- Fork
- 138
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Nessun modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di microsoft/DCVC
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 45/100
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 45/100
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
Tutte le issue di microsoft/DCVC
Issue simili
-
area: agents area: docs good first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
openapi/gknowledge#23 ·
-
get() for StrEnumForse già presa @FeJo5952 l’ha presa oggi. Apertagood first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
collective/icalendar#1921 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
Improvement Python Spans
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
getsentry/sentry-python#7994 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
alphagov/notifications-api#5004 ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
equinor/radix-flux#3922 ·
I maintainer di solito rispondono entro 1 giorno