基于测量条件生成模型的压缩感知
机器学习
2020-11-03 v2 机器学习
摘要
预训练生成器因其利用神经网络先验有效估计信号的能力，已频繁应用于压缩感知（CS）。为了进一步精炼基于 NN 的先验，我们提出了一种框架，使生成器能够利用给定测量中的附加信息进行先验学习，从而对信号给出更精确的预测。由于我们的框架形式简单，可轻易应用于使用预训练生成器的现有 CS 方法。我们通过大量实验证明，我们的框架以大幅优势展现出一致更优的性能，并且对某些应用可将重建误差降低一个数量级。我们还在理论上解释了实验成功：表明我们的框架可略微放宽严苛的信号存在条件，而该条件是为保证信号恢复成功所必需的。
引用
@article{arxiv.2007.00873,
title = {Compressed Sensing via Measurement-Conditional Generative Models},
author = {Kyung-Su Kim and Jung Hyun Lee and Eunho Yang},
journal= {arXiv preprint arXiv:2007.00873},
year = {2020}
}