初赛亚军竞赛思路分享 — NAIC AI+4K HDR赛项

雷锋网按：经过 一个多月的激烈角逐，首届「全国人工智能大赛」初赛完成了比拼。经过客观评审和严格的主观评审之后，官网公布了双赛项初赛综合排行榜，并宣布了初赛综合排行榜前 100 支团队晋级复赛的获奖消息。

赛后，雷锋网采访到了初赛中「AI+4K HDR」赛项第二名获得团队——lzq_cris。该团队共两位参赛成员，均为算法工程师。针对晋级作品中的算法、预处理、后处理、工程设计等创新思路，以及他们眼中的「全国人工智能大赛」，两位工程师给出了这样的回答——

「AI+4K HDR」赛项官网：

https://www.kesci.com/home/competition/5d84728ab1468c002ca1825a    

赛前时分，我理解的 AI+4K HDR

雷锋网：可以向我们简单介绍一下你们的团队吗？是怎样的原因驱使团队参加了本次大赛呢？

lzq_cris：我们来自大疆影像部，团队成员一共为 2 人；在比赛整个过程中，我们两个人会共同进行论文阅读和代码编写部分。

了解到这次的比赛是一个偶然，但之后我们发现大赛的主题与我们部分工作内容相关性较强。因此，一来希望通过参加大赛锻炼自身能力，同时也想借此机会认识更多在降噪超分方面的大牛。

雷锋网：针对 AI+4K HDR 赛项，团队是如何解读该赛题的呢？能和我们简单介绍一下你心中的 AI+4K HDR 吗？

lzq_cris：看到题目之后，我们的第一反应是超分和 tone mapping（即色调映射）。

更具体到 AI+4K HDR，我们的解读是用深度学习的方法来实现传统 4K HDR 中的某些模块；同时，借助 CNN 强大的拟合能力和统一框架，使其有可能取得传统方法难以达到的效果。

赛场秋点兵，改进、突破与分解

雷锋网：面对当前的 AI+4K HDR 形势，团队认为可以从哪些方面实现改进与突破呢？针对该赛道的比赛，团队的解题详细思路是怎样的呢？

lzq_cris：目前来看，EDVR 的框架是可用的，它借鉴了传统多帧算法的思路。但是如果能进一步约束某些模块和白盒化，效果可能会更好；这也是我们认为可以改进与突破的点。

而在具体操作步骤中，首先我们会对比赛的数据进行分析，从而将任务分解成多个模块；然后再对各个模块做改进的尝试；最后达到较理想的作品效果。

雷锋网：作品的设计与后处理方面，都面临了哪些挑战？在算法优化方面，又做了怎样的调整来解决这些问题呢？

lzq_cris：在算法优化方面，我们主要还是根据具体数据分析，然后在前后处理方面做了改进，比如：需要考虑转场等因素，然后在此基础上借助了 EDVR 框架进行修改。

因为评估指标跟主观视觉有关系，后处理算法好不好同时影响到主观感受和 PSNR，这就面临着 psnr 和视觉感官的权衡；最终，我们做了大量的实验来进行验证和评估，才使得作品达到了较好的视觉效果。

雷锋网：在比赛中是否有目前遇到无法解决的问题？如果有，你认为目前该技术难点突破的关键在哪呢？

lzq_cris：在比赛过程中，我们最大的困难则在于没有一个很好定义视觉效果和降噪效果指标的情况下，如何更好的平衡评估指标。

因为如果我们只考虑 psnr，那么最后去噪效果会非常明显，但细节部分也都会被抹除；而只是考虑视觉效果的话，psnr 就需要降低。因此，这也是目前我们所遇到无法解决的问题。

赛后总结，实战得真知

雷锋网(公众号：雷锋网)：从团队取得的优秀成绩，可以看出团队有很强的实力，那在本次竞赛中，团队认为自己都有哪些优势呢？

lzq_cris：参加本次比赛，我们本身由于工作原因其实没什么优势，一没有足够时间，二没有足够算力。因此，我们有很多工程上的经验和想法都没来得及验证。

但在分析完数据和评估指标的基础上，我们尝试了几种网络设计的方案，然后在性价比最高、出成绩最快的前处理和后处理这些方面做一些实验。

实验结果最终证实了，这种做法能够更好的减少网络复杂度、节省算力和带宽；同时，通过后处理可使得网络输出尽量可控，也减少黑盒子的影响。

雷锋网：团队获奖作品都有哪些创新点和值得选手们参考的亮点，可以和我们分享吗？

lzq_cris：在创新方面，我们主要对两个部分进行了处理；一是分析数据，二是看评估指标。其中，数据的问题我们采用了网络设计这样的方法去解决，而针对比赛本身的评估指标，我们将重心放在了更好的视觉效果方面，并采用了与之相契合的数据内容来实现。

我们也认为对于每位参赛者而言，认真分析数据和评价指标会是取得优秀成绩很重要的条件；除此之外，考虑如何搭建能更好地处理视频失真的网络也是非常重要的内容。

雷锋网：你认为这一比赛对开发者最大的锻炼体现在哪里？能否结合团队每位成员的参赛经历和我们谈谈参加比赛对于个人成长有哪些帮助？

lzq_cris：在整个比赛过程中，我们会发现整个数据量是比较大的，而且图像退化过程也比真实场景要复杂；这些都要求开发者需要有较强的分析和验证数据能力。这样，我们才能在此基础上更好地设计网络解决问题。

而对于这次的参赛经历，一方面，我们借此机会了解更多前沿的降噪、超分、HDR 等算法，另一方面，也结识了更多领域内的专家，共同探讨并改进相关技术。

除此之外，我们本身的分析问题能力和处理数据能力都得到了一定的锻炼，这对于今后的开发之路也是大有裨益。不管最终成绩如何，这都是一段收获颇丰的经历！

更多信息，关注大赛官网：

http://www.china-ai.ac.cn 

雷锋网

。