FAD的三通道输入和LFS的灰度图输入

[leeguandong]

我比较疑惑的是，在FAD中的输入是3通道图做DCT，
x_freq = self._DCT_all @ x @ self._DCT_all_T # [N, 3, 299, 299]

但是在LFS时，却要先转成灰度图：
x_gray = 0.299x[:,0,:,:] + 0.587x[:,1,:,:] + 0.114*x[:,2,:,:]
x = x_gray.unsqueeze(1)

x = (x + 1.) * 122.5

文章中，两块应该都是RGB输入，请问为什么LFS时要灰度图输入啊？？

[yyk-wew]

这个是我自己的一种实现方式。原文有提到：

Practically in our experiments, we empirically adopt the window size as 10, the sliding stride as 2, and the number of bands as M = 6, thus the size of the output matrix will be 149 × 149 × 6 if the input image is of size 299 × 299 × 3.

对于299 × 299 × 3的图像来说，直接对RGB三个通道分别做2D-DCT得到的频谱大小为 299 × 299 × 3，如果分6个频段，对三个通道的频谱分别做统计就得到 149 × 149 × 18，也就是 3 × 6 这么多通道，和原文不符。所以我实现的时候先转换为灰度图 299 × 299 × 1，分6个频段统计就是 149 × 149 × 6。

当然，先分别转换为频谱，然后在三个频谱的对应频段上综合统计取mean也能得到相应size的输出，这种情况也值得一试。

[kkpssr]

这个是我自己的一种实现方式。原文有提到：

Practically in our experiments, we empirically adopt the window size as 10, the sliding stride as 2, and the number of bands as M = 6, thus the size of the output matrix will be 149 × 149 × 6 if the input image is of size 299 × 299 × 3.

对于299 × 299 × 3的图像来说，直接对RGB三个通道分别做2D-DCT得到的频谱大小为 299 × 299 × 3，如果分6个频段，对三个通道的频谱分别做统计就得到 149 × 149 × 18，也就是 3 × 6 这么多通道，和原文不符。所以我实现的时候先转换为灰度图 299 × 299 × 1，分6个频段统计就是 149 × 149 × 6。

当然，先分别转换为频谱，然后在三个频谱的对应频段上综合统计取mean也能得到相应size的输出，这种情况也值得一试。

是否可能是ycrbr的y通道?和图像压缩对应