基于张量化自编码器的压缩感知
计算机视觉与模式识别
2023-03-14 v1 机器学习
摘要
深度网络可被训练以将图像映射至低维潜空间。在许多情况下，一个集合中的不同图像彼此为形变版本；例如，同一物体具有不同光照、背景或姿态。此外，在许多情况下，图像的部分可能被噪声损坏或缺失像素。本文中，我们的目标是在无法获取真值（干净）图像的情况下，利用形变作为数据的结构先验来恢复图像。此类恢复问题属于压缩感知范畴。我们提出在嵌入空间上学习具有张量环分解的自编码器，以对数据施加结构约束。具体而言，我们在自编码器的瓶颈层使用利用结构化数据集软标签的张量环结构。我们通过实验证明了所提方法在图像修复与去噪应用中的有效性。相较于其他基于生成先验的自监督压缩感知恢复方法，该方法获得了更好的重建质量。
引用
@article{arxiv.2303.06235,
title = {Compressive Sensing with Tensorized Autoencoder},
author = {Rakib Hyder and M. Salman Asif},
journal= {arXiv preprint arXiv:2303.06235},
year = {2023}
}