关于迁移到别的任务上的提问

[EricShenYuQi]

作者您好，有以下三个问题向您请教：
1.YAML文件中的max_sigma对应的就是IR-SDE文中的λ^2吗？想请教这个超参数是怎么确定的？以及我好像没有看到文中有相关的说明（如果有麻烦告诉一下，谢谢）
2.我将您的方法运用到其他非low-level的任务上（在成对数据集的segmentation refine任务），按照道理是可行的“In general, μ and the starting state x(0) can be set to any pair of different images.”。但实际训练中，网络很快收敛，但是validation指标并没有提升，疑似没有学到什么东西。请问对于这样的现象你有什么超参数修改的建议吗？是调整max_sigma，lr，T这些参数吗？
3.“All of our models are trained on an A100 GPU with 40GB memory for about 1.5 days (400 000 iterations), the same as for the CNN-baseline.”文中提到你们训练了400 000 iterations（实际上我在问题2中的实验下1kiterations就收敛了），想请问这么长的训练时间是在多大规模的数据集上进行的，感觉比一般的low-level训练算法时间都要长很多
谢谢！

[Algolzw]

你好。
1）是的，这个超参在IR-SDE中设置为10，而在后来Refusion文章中发现设置为30或者50效果更好。IR-SDE的appendix和Refusion实验中都有说明。
2）在我经验中diffusion网络收敛快只代表很快学到了噪声，但更细节的学习需要更长的时间（即使loss看起来已经很平滑了，但图像质量依然会提升）。
3）low-level像超分啊，降噪啊之类的任务，一般都是40万-60万个迭代，这里我们参考的是SwinIR的设置。我们实验也发现多训练图像质量确实会有提高。