请问为什么ReDegNet和f2n的训练要放在一起？

[joe-zxh]

作者您好，这是一篇很有用的工作。

似乎退化模型ReDegNet和画质修复模型f2n(F2NESRGAN)是可以独立训练的。请问为什么训练代码里面他们是共同训练的？

之前也有人提出类似的疑惑，他说去掉之后，训练效果没有那么好： https://github.com/csxmli2016/ReDegNet/issues/5#issue-1819434797

[csxmli2016]

作者您好，这是一篇很有用的工作。

似乎退化模型ReDegNet和画质修复模型f2n(F2NESRGAN)是可以独立训练的。请问为什么训练代码里面他们是共同训练的？

之前也有人提出类似的疑惑，他说去掉之后，训练效果没有那么好： #5 (comment)

如果两个阶段独立训练，会遇到一个问题，无法确定到底DegNet要训练到哪种程度或者哪个epoch需要停止，才会更适合真实的退化场景。所以如果将f2nESRGAN一开始就参与训练复原，会相对就有较高的泛化能力，相当于用了更多类型的退化数据来进行训练。

[joe-zxh]

懂了，感谢作者回复。

共同训练的目的：

1. 提升画质修复模型f2n(F2NESRGAN)的泛化能力。
2. 通过观察特定退化是否能够被f2n修复（比如Figure 1），判断DegNet是否训练完成。