面向未知朝向压缩感知的等变先验
机器学习
2022-06-29 v1 信号处理
机器学习
摘要
在压缩感知中，目标是从欠定线性测量系统中重建信号。因此，需要关于感兴趣信号及其结构的先验知识。此外，在许多场景中，信号在测量前具有未知朝向。为解决此类恢复问题，我们提出使用等变生成模型作为先验，其将朝向信息封装于潜空间中。由此，我们表明具有未知朝向的信号可通过在这些模型的潜空间上进行迭代梯度下降来恢复，并给出额外的理论恢复保证。我们构建了一个等变变分自编码器，并将其解码器用作压缩感知的生成先验。我们讨论了所提方法在收敛与延迟方面的潜在额外收益。
引用
@article{arxiv.2206.14069,
title = {Equivariant Priors for Compressed Sensing with Unknown Orientation},
author = {Anna Kuzina and Kumar Pratik and Fabio Valerio Massoli and Arash Behboodi},
journal= {arXiv preprint arXiv:2206.14069},
year = {2022}
}