Some questions

[zouwenqin]

你好，可以请教几个问题吗
1.损失部分为什么mse_loss 要乘以255的平方，其他的压缩论文好像都是直接乘以lambda系数

2. 这篇论文我有几个地方不太理解，它这个variable rate主要是体现在同时训练多个lambda参数得到不同的rate还是插值部分得到不同rate
3. 你最终的rd曲线结果是运行哪个文件得到的，我没找到测试文件

[mmSir]

1. 是否乘以255的平方根据你计算mse的源图像取值范围决定：归一化后的取值计算mse应该乘以255的平方。“论文里是直接乘的”，你可以关注那些乘的lambda系数的大小，典型值是512，1024，2048，4096，除以255的平方后，和我代码中的值是很接近的。
2. both
3. 我没有上传测试脚本，你可以参考compressai的测试脚本写一个脚本进行测试

[zouwenqin]

感谢回答！！
有个问题还想请教一下， 我在点云压缩实验中使用这种gain增益的方式，同样是作用在bottleneck的隐变量上，但是有个问题，就是和每个lambda系数单独训练相比，加上gain增益后联合训练的结果中不同系数下的bpp的变化范围明显变窄了许多，psnr的值也十分接近。 我看你的结果好像没有这种问题，你有碰到过这个问题吗？或者你知道可能的原因在那吗？

[mmSir]

的确是有可能出现这样的情况的，训练时间变长一定程度能缓解。有论文发现高码率点会被低码率点训练的更慢，具体可以参考ELFVC这篇文章中的LossModulator，ELF-VC