Low-level Vision 方向考核题目（时限14天）

一、了解 Low-level Vision 并回答基础问题

请学习了解 Low-level Vision 相关基础知识，并回答以下问题：

1. 什么是 Low-level Vision？它通常包括哪些典型任务？请简要解释每个任务的主要目标。

   （提示：可参考如真实世界的图像复原、恶劣天气图像修复等常见任务。）

2. Low-level Vision 与 High-level Vision 有什么本质区别？

   试举出一个各自的典型任务，并说明两者在感知层面或语义层面上的不同关注点。

二、阅读论文并回答问题

背景了解：基于 GAN 的真实世界图像修复方法 —— RealESRGAN

1. 这篇文章主要是做什么？
2. 如何用高质量图像合成真实世界配对的低质量图像？
3. 文章的输入输出是什么？训练和测试阶段的输入输出尺寸各为多大？
4. 这个方法的原理是什么？

进阶任务：基于免训练的 Diffusion-based 修复模型 —— DDNM

1. 扩散模型中反向扩散的原理是什么？
2. 该方法如何通过调整反向扩散的轨迹完成修复任务？
3. 该方法的缺点是什么？

三、代码复现任务

本环节旨在考核学生的实际动手能力，掌握图像复原领域的主流模型实现流程。

1. RealESRGAN

项目地址：https://github.com/xinntao/Real-ESRGAN

• 克隆项目代码并配置环境。
• 使用预训练模型对低分辨率图像进行超分辨率重建。
• 提交测试结果（可包含原始图与重建图对比）及运行日志。

2. DDNM

项目地址：https://github.com/wyhuai/DDNM

• 复现 DDNM 方法，在标准数据集（如 CelebA-HQ 或 ImageNet 子集）上完成图像修复任务（如去噪、补全、去模糊等）。
• 理解其无需微调（training-free）的特性，并分析生成结果。
• 提交修复结果示例与关键代码执行说明。