Pixel Shuffle 亚像素上采样的实现原理
答案要点
- 通道重排到空间:(N, C·r², H, W) → (N, C, H·r, W·r),本身无可学习参数
- 实现为 reshape 成 (N,C,r,r,H,W),permute 为 (N,C,H,r,W,r),再 reshape 合并
- 前接输出 C·r² 通道的卷积,计算在低分辨率空间完成,比先插值再卷积更省
- 常用于超分辨率(ESPCN),逆操作为 Pixel Unshuffle(space-to-depth)
易错点
- 把 Pixel Shuffle 当成可学习层,参数其实都在前面的卷积里
- 前置卷积输出通道数不是 r² 的整数倍
- 手写时 permute 顺序写错,子像素错位但不报错
- 跨框架转换时忽略通道排列顺序差异
面试官常见追问
- Pixel Shuffle 会产生棋盘格伪影吗?如何缓解?
- 它和 TensorFlow 的 depth_to_space 完全一样吗?
- 和转置卷积、插值上采样怎么选?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。