面向量化压缩感知的深度概率展开模型
计算机视觉与模式识别
2026-05-13 v1
摘要
我们提出一种深度概率展开模型来解决经典的量化压缩感知问题，该模型利用展开框架来提高重建精度和效率。与以往对测量值应用 L2 投影的展开方法不同，我们推导出一种闭式的、数值稳定的似然梯度投影，使模型能够遵循真实的量化物理过程，将硬量化约束转化为软概率引导。此外，我们专门设计了一个高效的双域 Mamba 模块，以动态捕获并融合多尺度局部和全局特征，确保远距离但相关的区域之间的交互。大量实验表明，所提出的方法在性能上超越了先前的工作，达到了最先进的水平，有望推动量化压缩感知在现实生活中的应用。
引用
@article{arxiv.2605.11475,
title = {Deep Probabilistic Unfolding for Quantized Compressive Sensing},
author = {Gang Qu and Ping Wang and Siming Zheng and Xin Yuan},
journal= {arXiv preprint arXiv:2605.11475},
year = {2026}
}