梯度监督的作用似乎不是非常明显？

[Lucky-Jay]

你好

我这边可视化了开源的BiRefNet-matting-epoch_100.pth和BiRefNet-portrait-epoch_150.pth两个抠图模型对梯度预测的结果图

结果如下：
BiRefNet-matting-epoch_100.pth：

          BiRefNet-portrait-epoch_150.pth：
          ![Image](https://github.com/user-attachments/assets/a022890d-7e31-43b6-83c3-ab2cb1d8232e)
          ![Image](https://github.com/user-attachments/assets/56448566-e6b3-432c-a542-03f8bdf6bb82)
          ![Image](https://github.com/user-attachments/assets/2ea0a847-4e56-4987-a376-fc31b6dc1a58)
          ![Image](https://github.com/user-attachments/assets/9bf609db-d5dd-4b22-857e-57cf694c7333)

结果包含了对训练集中两张图片的梯度预测和梯度gt，我发现对图像梯度的学习效果并不理想

并且我在训练时也发现梯度学习的loss早期之后就几乎没有下降

以上的实验均是在matting的设置下进行的

因此，我有点怀疑外部监督（梯度的监督）的作用是否足够，我的感受是挺有限的

[ZhengPeng7]

我其实也感觉比较有限😂, 特别是在大规模的使用场景训练下. 说实话这种辅助task的影响是不会很直接的, 可以后续加重它的权重看看.