面向计算摄影、图像合成与对抗防御的深度非参数凸化滤波
计算机视觉与模式识别
2023-09-15 v2 机器学习
图像与视频处理
最优化与控制
机器学习
摘要
我们旨在提供一个通用的计算摄影框架，通过深度非参数凸化滤波（DNCF）从不完善的图像中恢复真实场景。该框架由一个非参数深度网络组成，以模拟图像形成背后的物理方程，如去噪、超分辨率、修复和闪光。DNCF 没有依赖于训练数据的参数化，因此对对抗性图像操控具有强泛化性和鲁棒性。在推理过程中，我们还鼓励网络参数非负，并在输入和参数上构造双凸函数，这适用于运行时间不足的二阶优化算法，相比 Deep Image Prior 有 10 倍加速。借助这些工具，我们经验性地验证了其在实时防御图像分类深度网络免受对抗攻击算法侵害方面的能力。
引用
@article{arxiv.2309.06724,
title = {Deep Nonparametric Convexified Filtering for Computational Photography, Image Synthesis and Adversarial Defense},
author = {Jianqiao Wangni},
journal= {arXiv preprint arXiv:2309.06724},
year = {2023}
}