|
以看见，HiFiC的架构被分成了4个主要部分，其中E为编码器，G为生成器，D为判别器，而P则是E的输出E(x)的概率模型（这里用y表示），也就是P用于模拟y的概率分布。
GANs运作的核心思想在于，需要让架构中的生成器G通过某种方法，「欺骗」判别器D判定样本为真。
而概率模型P，则是达成这步操作的条件。
然后，将E、G、P参数化为卷积神经网络，这样就可以通过率失真优化的条件，对这些网络进行共同训练。
同时，研究者也对已有的几种GANs算法架构进行了微调，使其更适于HiFiC架构。
研究发现，将GANs与深度学习相结合的HiFiC算法取得了意想不到的效果。
模型评估
下图是采用目前几种主流图像质量评估标准，对几种前沿的图像压缩算法与HiFiC算法进行比较的结果。
，如果他们可以对视频做同样的事情的话，我相信Netflix和YouTube会很高兴的。
事实上，在了解HiFiC算法的原理后，会发现它的确不难实现。
接近原图的图像重构算法
此前，相关研究已有采用神经网络进行图像压缩的算法，而随着近年来生成式对抗网络兴起，采用GANs生成以假乱真图像的算法也不在少数。
如果能有办法将二者结合，图像压缩的效果是不是会更好、更接近于人类的感知？
这次图像压缩的模型便是基于二者的特性设计，在基于神经网络的压缩图像算法基础上，采用GANs进一步让生成的图片更接近于人类视觉，在图像大小和视觉感知间达到一个平衡。
四 发展方向
除了上面列出的配网方式外，还有其他一些方向供大家参考。
1. Wi-Fi P2P。使用Wi-Fi Direct技术直接将配网信息通过手机传给设备。
缺点：无奈仅Android手机支持Wi-Fi Direct技术，IOS尚不支持。而且不是所有的安卓手机都支持，导致手机兼容性差，一条腿走路注定了无法普及。
2. 苹果AWDL协议。AWDL可以认为是苹果私有的端上P2P协议，如Air Drop即基于这种协议。无奈协议不开源，即使对协议进行破解，使用起来也存在法务风险。不然可以跟1中方式配合使用，形成互补。
因此，上面两种方式在通用配网中不会成大气候。
3. 针对特定场景的配网：
语音配网(使用本地语音识别技术给带语音识别模块的设备如智能音响配网)。
针对智能摄像头的二维码配网(摄像头主动扫手机APP生成的二维码)等。
借助了自己独特的软硬件优势在相应领域提供体验上佳的配网体验，是物联网发展对细分市场高度定制和优化的表现。
4. DPP(Device Provisioning Protocol)。Wi-Fi Easy Connect的重要组成部分,Wi-Fi Alliance官方制定。由4个步骤组成：
引导：扫描二维码或输入字符串触发，获取对方设备的公钥以及信道、mac等其他信息;
验证：待配与主配通过上一步获得的信息建立安全连接;
配置：配网信息传输给待配设备;
接入：待配设备使用配网信息向目标AP认证并建立连接。
目前DPP还处于标准制定完善阶段，尚未商用。不过一旦官方出来制定一套统一配网标准，其前景还是非常可观的，有望一统江湖，很大程度解决配网碎片化的问题。
在DPP商用之前，设备热点配网(↗)/蓝牙配网(↗)/一键配网(↘)仍然是主流。
（编辑：衡水站长网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
