biscuitの博客

决策树，以及熵的应用、信息增益、增益率、基尼指数、CART回归树、预剪枝与后剪枝

CBDNet非对称损失与真实噪声建模、Noise2Void盲点架构、Neighbor2Neighbor成对子采样、Noise2Noise引用、SwinIR Transformer去噪、扩散模型去噪

DnCNN问题定义、残差学习策略（F(y)≈n, x̂=y-F(y)）、Conv+BN+ReLU架构、噪声水平图（noise level map）、L₂损失函数

FFDNet在DnCNN上的两点改进：可调噪声水平图作为输入（推理时σ可控）、下采样子图架构加速计算。DnCNN vs FFDNet对比

NLM非局部均值去噪：搜索窗口、相似度权重、加权平均；BM3D两步流程：Block Matching→3D变换→硬阈值/Wiener滤波→聚合；NLM与BM3D对比

加性高斯白噪声、泊松噪声、椒盐噪声、真实噪声模型、PSNR与SSIM评价指标、去噪方法分类概览

Image2StyleGAN(W+空间与风格混合)、Image2StyleGAN++(N空间与局部编辑)、In-domain GAN Inversion、HairMapper、GANSpace/SeFa隐空间方向探索、StyleCLIP文本驱动编辑

GAN Inversion形式化定义、基于优化（PULSE在Z空间搜索超分）、基于学习（pSp多尺度编码器映射W+）、混合方法（GPEN联合W++N+生成器微调）