DeepBinaryMask：学习用于视频压缩感知的二值掩码
计算机视觉与模式识别
2016-07-21 v2 机器学习
摘要
在本文中，我们提出了一种用于视频压缩感知的新型编码器-解码器神经网络模型，称为 DeepBinaryMask。在视频压缩感知中，使用一组编码掩码（感知矩阵）采集一帧，并从中重建出与编码掩码数量相等的多个视频帧。所提出的框架是一个端到端模型，其中感知矩阵与视频重建过程一同进行训练。编码器学习感知矩阵的二值元素，解码器则被训练以恢复未知的视频序列。结果表明，与随机掩码等其他掩码设计相比，在多种压缩感知重建算法中使用从网络训练得到的感知掩码均可改善重建性能。最后，我们的分析与讨论为理解导致重建质量提升的训练掩码设计的特征提供了见解。
引用
@article{arxiv.1607.03343,
title = {DeepBinaryMask: Learning a Binary Mask for Video Compressive Sensing},
author = {Michael Iliadis and Leonidas Spinoulas and Aggelos K. Katsaggelos},
journal= {arXiv preprint arXiv:1607.03343},
year = {2016}
}