本次线下沙龙的主题为CVPR2021论文研讨会。我们邀请了三位CVPR2021接收论文作者，他们分别是来自香港科技大学的李铎、来自悉尼大学的顾津锦以及来自华南理工大学的戴志港。
三位嘉宾在本次线下沙龙中完成了三场非常优质的分享，不仅为大家分享了他们发布于CVPR2021论文的工作细节与成果，还为大家讲述了CVPR2021论文工作成果和心得。同时，还与现场的同学针对多个延伸问题进行了讨论。沙龙结束后，大家纷纷表示收获颇丰。
为了让更多开发者了解本次三位分享嘉宾的优秀工作，极市对本次分享的三个报告内容进行了整理。
本文是对本次沙龙第二位嘉宾顾津锦的报告整理，他为我们分享的是他发布今年CVPR2021的工作：
Interpreting Super-Resolution Networks with Local Attribution Maps (CVPR2021)
论文：
https://x-lowlevel-vision.github.io/lam.html
PPT和视频可在极市平台公众号后台回复“顾津锦”获取。
论文摘要：得益于深度网络的发明，图像超分辨率（SR）技术得到了快速发展。但是公认的是，深度学习和深度神经网络很难解释。SR网络继承了这种神秘的本质，几乎没有作品试图去理解它们。在本文中，我们对SR网络进行了归因分析，目的是寻找对SR结果有重大影响的输入像素。我们提出了一种新颖的归因方法，称为局部归因图（LAM），该方法继承了积分梯度方法，但具有两个创新点。一种是将高斯模糊图像用作基线输入，另一种是采用渐进模糊函数作为路径函数。基于LAM，我们表明：
（1）涉及的输入像素范围更广的SR网络可以实现更好的性能。
（2）注意网络和非本地网络从更大范围的输入像素中提取特征。
（3）与实际贡献的范围相比，对于大多数深度网络而言，感受野都足够大。
（4）对于SR网络，具有规则条纹或网格的纹理更容易被注意到，而复杂的语义则难以利用。我们的工作为设计SR网络和解释底层视觉深度模型开辟了新的方向
深圳是今年极市线下沙龙的第一站，但其他城市的小伙伴不要着急，可以在下方评论区留言你期待的极市沙龙举办地点，我们的下一站说不定就会在那儿哦~
推荐阅读
极市平台深耕CV开发者领域近5年，拥有一大批优质CV开发者受众，覆盖微信、知乎、B站、微博等多个渠道。通过极市平台，您的文章的观点和看法能分享至更多CV开发者，既能体现文章的价值，又能让文章在视觉圈内得到更大程度上的推广。
对于优质内容开发者，极市可推荐至国内优秀出版社合作出书，同时为开发者引荐行业大牛，组织个人分享交流会，推荐名企就业机会，打造个人品牌 IP。
2.极市平台尊重原作者署名权，并支付相应稿费。文章发布后，版权仍属于原作者。
3.原作者可以将文章发在其他平台的个人账号，但需要在文章顶部标明首发于极市平台
添加小编微信Fengcall（微信号：fengcall19），备注：姓名-投稿
觉得有用麻烦给个在看啦~ 
