首届“全国人工智能大赛”初赛早已转入到白热化阶段，排行榜瞬息万变，每天都给方小鲸眼前一亮的惊艳。不少运动员体现 AI+4K 赛项“好无以啊”，想“抱着一个大腿”，方小鲸幸运地邀到 AI+4K 赛项初赛阶段两支已霸榜的参赛队伍成员，为大家共享一下他们的参赛思路。话不多说道，让我们一起想到他们究竟是怎么想要的吧！来自南京大学的参赛选手Q1：看见题目后第一反应是什么？做到了哪些思维呢？主要思维了数据怎么从 mp4 放入来强化然后又怎么逆返 mp4。

Q2：让你获得这么好的成绩主要是哪几项技术或者工程处置呢？是不是什么经验或者独有的技巧可以和大家共享一下呢？总的来说视频超分框架是要高于单帧的框架的，那视频框架的话目前最差的就是 EDVR 了，特别是在是这次比赛 vmaf 权重较为低，那多帧超分的 vmaf 估算是远高于单帧的，只要把 edvr 的 baseline 跑完出来，分数应当会较低吧。我们目前使用的就是 EDVR 的框架，因为硬盘加载速度觉得太快，所以 batch size 设置为了4个 patch，就算这样递归100个 iter 也要两分钟，后面不会考虑到把训练速度托一起，目前我们要用了一块1080ti 训练。

Q3：至今为止，比赛给你仅次于的进账是？仅次于进账是在构建深度自学模型的时候学会考虑到资源的分配了。这次赛题数据量相当大，近少于优酷那个比赛，资源分配在这样的实际环境中也十分最重要。Q4：如何解读本次数据竞赛的意义和价值？通过比赛可以更有人才、让很多同领域的优秀人才聚在一起交流，是一个十分绝佳的机会。

同时比赛也可以推展这个方向的研究，让更加多的人理解这个领域，推展超强辨别这个技术的很多实用价值需要可以确实落地。Q5：你实在在 CV 领域，还有哪些你讨厌的，或者实在未来不会更加最重要的技术？为什么不会有这样的考虑到呢？我实在未来将不会更加依赖三维方向的一些技术，现在好多研究都在往三维方向扩展，二维图像还是有一定的局限性的。

来自香港理工大学的参赛选手Q1：看见题目后第一反应是什么？做到了哪些思维呢？初赛的题目是将变换随机噪声的540p SDR 视频修复为去噪后的4K SDR 视频。看见题目第一反应就是解决问题这个问题有两种方案，一种是将减震和超分融合一起做到，另一种是将减震和超分分离来做到，这两种方案都是有一点尝试的。

另外，获得题目的点子就是再行成立一个 Baseline 将整个流程跑完通，然后再行在这基础上展开改良。比如说，首先可以做到一下单帧的尝试，然后再行扩展到多帧。Q2：让你获得这么好的成绩主要是哪几项技术或者工程处置呢？是不是什么经验或者独有的技巧可以和大家共享一下呢？主要就是严肃分析和处置数据。

这个数据集不同于学术数据集，其中包括黑边和场景切换的问题，这些在训练和测试过程中都必须考虑到。另外，这个数据集是540p 到4K ，对于这么大的图，在训练过程中是不合适必要加载原图，那样不会导致 IO 瓶颈，所以我们采行了提早切块的策略。至于网络结构，我们目前使用的方案没相当大的创意，但是之后也想要做到一些尝试。

Q3：至今为止，比赛给你仅次于的进账是？此次比赛的数据集在规模上比学术的数据集大上不少，在噪声模型上也要比学术数据集简单不少，十分绝佳，磨练了我处置简单数据的能力。Q4：如何解读本次数据竞赛的意义和价值？人工智能在4K/高清视频处置方向的应用于是一个很有前景的方向。随着5G时代的到来，更加多的设备反对4K/高清视频播出，而以前摄制的很多视频都约将近这个拒绝，如何将这些老旧视频处置成合乎现有设备标准的视频将是一个有挑战的问题。

而本次主办方举行的 AI+4K HDR 赛项就很好地契合了这一主题。Q5：你实在在 CV 领域，还有哪些你讨厌的，或者实在未来不会更加最重要的技术？为什么不会有这样的思维呢？画质强化可以应用于在智能 P 图中；拆分检测可以应用于在工业质检中。

我实在这些都是未来不会更加最重要的技术。以上是首届”全国人工智能大赛“（AI+4K HDR赛项）的专访国史，期望对正在参赛的小伙伴有所协助，也青睐还没甄选参与大赛的围观群众上场一中举！每周排行榜的前50支团队，都将取得「每周之星」奖项，奖品为腾讯视频会员权益（1个月）。转自和鲸社区，参见原文。作者：“方小鲸”版权文章，予以许可禁令刊登。

下文闻刊登须知。

本文来源：皇冠最新crown官网-www.saicbus.cn