通过深度强化学习构建图像复原工具链
计算机视觉与模式识别
2018-04-11 v1
摘要
我们研究了一种通过强化学习进行图像复原的新方法。与现有大多为专门任务训练单一大型网络的研究不同，我们准备了一个工具箱，其中包含不同复杂度、专用于不同任务的小规模卷积网络。我们的方法 RL-Restore 随后学习一种策略，从工具箱中选取适当工具以逐步复原受损图像的质量。我们制定了与每步图像复原程度成正比的逐步奖励函数以学习动作策略。我们还设计了一种联合学习方案来训练智能体与圆工具，以更好地处理不确定性。相较于传统人工设计的网络，RL-Restore 能够以参数更高效的方式，利用动态形成的工具链复原受复杂且未知失真污染的图像。
引用
@article{arxiv.1804.03312,
title = {Crafting a Toolchain for Image Restoration by Deep Reinforcement Learning},
author = {Ke Yu and Chao Dong and Liang Lin and Chen Change Loy},
journal= {arXiv preprint arXiv:1804.03312},
year = {2018}
}
备注
To appear at CVPR 2018 (Spotlight). Project page: http://mmlab.ie.cuhk.edu.hk/projects/RL-Restore/