利用循环生成模型进行压缩图像恢复
计算机视觉与模式识别
2017-05-05 v2
摘要
从压缩感知测量中重建信号是一个不适定问题。本文中，我们利用循环生成模型 RIDE 作为图像先验，用于压缩图像重建。循环网络能够建模图像中的长程依赖关系，因此适合处理压缩成像重建中的全局复用问题。我们使用反向传播到输入和投影梯度法，结合 RIDE 进行最大后验推断。我们提出了一种基于熵阈值的方法，以很好地保留图像中的纹理。在模拟和真实数据上，我们的方法相比最近的全局重建方法（如 D-AMP 和 TVAL3）展现出了更优越的重建效果。
引用
@article{arxiv.1612.04229,
title = {Compressive Image Recovery Using Recurrent Generative Model},
author = {Akshat Dave and Anil Kumar Vadathya and Kaushik Mitra},
journal= {arXiv preprint arXiv:1612.04229},
year = {2017}
}
备注
Submitted to ICIP 2017