是否有人尝试，直接将输入变为rgb图，结果如何？

[Feynman1999]

为了让模型可以输入rgb图，我将下面的两行代码改了，如下：

  # y = self.backbone(x) + x
  # y = self.upsampler(y)

  up_x = F.upsample_bilinear(x, scale_factor=self.scale_factor)
  y = up_x + self.upsampler(self.backbone(x))

模型的参数是一样的，使用的模型是ECBSR-M16C64，
set5上的psnr为30.6(Y通道)，相比原文中直接超分Y通道少了1.3db(31.92->30.6)，请问这种现象正常吗，按照我的理解，直接超分RGB的结果相比超分Y，结果应该不会差太多？

[summersnowfish]

你好，请问您试了后效果怎么样？可以超分RGB图像吗？

[Feynman1999]

你好，请问您试了后效果怎么样？可以超分RGB图像吗？

我这边实验，M16C64 ，上面代码处理rgb，Y通道比原文直接超分Y通道要少1db以上

[Feynman1999]

少是正常的，毕竟训练不是直接超分y，就是不知道少多少是合理的，有经验的可以给个数值，感谢！

[Feynman1999]

我这边最新的RGB上训练M4C16，最好的结果Y通道上为37.01, 距离文中37.33还是有一定差距

[zhangliukun]

为了让模型可以输入rgb图，我将下面的两行代码改了，如下：

  # y = self.backbone(x) + x
  # y = self.upsampler(y)

  up_x = F.upsample_bilinear(x, scale_factor=self.scale_factor)
  y = up_x + self.upsampler(self.backbone(x))

模型的参数是一样的，使用的模型是ECBSR-M16C64， set5上的psnr为30.6(Y通道)，相比原文中直接超分Y通道少了1.3db(31.92->30.6)，请问这种现象正常吗，按照我的理解，直接超分RGB的结果相比超分Y，结果应该不会差太多？

你这个改都改错了吧，源代码是backbone与输入相加以后一起unsample，你改成了先upsample再相加

[jzdcf]

psnr测试那里也改成了测试三个通道取平均值是吧，rgb的psnr降低应该是正常的吧，毕竟y单通道的黑白图像比rgb单通道有更高的psnr