完整搜尋頁面 →

DLCV 04・清晰的猜測可能較不忠實

進階DLCV 09・深度影像復原:低階視覺互動圖表

題目說明

一個模糊的觀測同時符合兩種清晰的乾淨訊號。模糊的平均值期望平方誤差最低;清晰的猜測看起來較好,但通常離真相較遠。

試試看:從清晰的 A(偏向程度 1)開始:它的風險比模糊平均值高。把偏向程度滑到 0,看風險降到最小。再把 A 的機率提高到 0.9:清晰的 A 追上來了嗎?它有可能勝過平均值嗎?

先預測

把 P(A) 設為 0.9。清晰的 A 現在很可能是對的。模糊平均值的期望平方誤差還是比較低嗎?

解析

請先回答預測問題,或在準備好時再打開解析。

顯示解析

平均值的風險是 p(1−p) = 0.09,清晰的 A 的風險是 1−p = 0.10。p 越接近 1 差距越小,但永遠不會消失,因為平均值正是期望平方誤差的精確最小化者。

實驗 · DLCV 04・清晰的猜測可能較不忠實

先預測

把 P(A) 設為 0.9。清晰的 A 現在很可能是對的。模糊平均值的期望平方誤差還是比較低嗎?

重建期望均方誤差
0.5
條件平均最小均方誤差
0.25
清晰程度(相鄰取樣總變差)
3

平均互不相容的可能性可最小化期望平方誤差,卻可能移除所有合法乾淨結果都具有的結構。選定一種結果能恢復結構,也可能恢復錯誤的結構。

試試看:從清晰的 A(偏向程度 1)開始:它的風險比模糊平均值高。把偏向程度滑到 0,看風險降到最小。再把 A 的機率提高到 0.9:清晰的 A 追上來了嗎?它有可能勝過平均值嗎?

兩個固定的 8 取樣值模式 A = 00110011 與 B = 11001100,是唯二可能產生同一個模糊觀測的乾淨訊號。P(A|y) = p 由設定提供,並非學得。模糊平均值為 p·A + (1−p)·B。你的重建把平均值混合向 A:(1−m)·平均值 + m·A,所以 m = 1 恰好是 A(清晰的單一樣本),m = 0 則是平均值。風險 = 期望均方誤差,即 p·MSE(A, 輸出) + (1−p)·MSE(B, 輸出),對「哪個模式才是真相」取平均。清晰程度為總變差(相鄰取樣值差的絕對值總和),並非感知品質分數。

方法來源

在互動實驗頁開啟 →