07｜具体视觉任务：重建、增强、深度与视频

研究定位

检测与分类主要输出语义；这一组任务要恢复高分辨率像素、透明度、深度或未来/中间帧，因此损失函数、评价指标和不确定性都不同。

RDN 用密集连接与局部、全局特征融合恢复细节。Meta-SR 根据目标像素位置和放大倍率生成重建权重，尝试支持任意倍率。要注意：生成的高频纹理不一定是真实细节；PSNR/SSIM 与主观感知质量也可能冲突。

HDRNet 在低分辨率分支预测双边网格中的局部仿射变换，再对高分辨率输入切片应用，兼顾效率和边缘。DeepLPF 把可解释的局部参数滤波器放进网络，说明端到端学习也能保留传统图像处理先验。

I = αF + (1 − α)B

抠图预测连续 alpha，而不是普通前景/背景二分类。头发、烟雾和半透明边缘的 α 位于 0 到 1 之间，评价时要特别看边缘和梯度质量。

单张 RGB 恢复绝对深度存在尺度歧义。相关方法利用视频、相机运动和静止人物构造监督。读结果时要先确认输出是绝对深度、相对深度，还是只在尺度/平移不确定性下成立。

视频插帧要同时估计运动、遮挡和新出现区域，多帧信息能减少只看前后两帧的歧义。PredNet 则比较每层的预测与实际输入，向上传递预测误差，体现“通过预测学习世界结构”的思路。

像素级输出不等于像素级正确。模型可能生成看似合理但并不真实的细节；所以评价必须同时考虑数值误差、感知质量、边缘、时间连续性和任务特有的不确定性。

重建、增强、深度和视频任务都涉及不确定性：同一个低分辨率图像可能对应多个合理高清结果，单目深度也存在尺度歧义。后续记录时要区分像素指标、感知质量和几何一致性。

可以补一个失败案例库：高频纹理幻觉、过增强、透明边缘、反光表面、快速运动和遮挡。研究这些失败样例，比只看平均 PSNR、SSIM 或 benchmark 排名更有价值。