面向深度压缩感知的生成模型对抗训练
图像与视频处理
2021-06-22 v1 机器学习
摘要
深度压缩感知假定数据在潜空间中具有稀疏表示，即其本质为低维。原始数据被假定由低维空间通过低到高维的生成器映射而来。本工作中，我们提出如何设计这样一种适用于压缩感知的、基于深度学习的低到高维生成器，同时满足对潜域中普适对抗扰动的鲁棒性。我们也论证了为何在潜空间中考量噪声。本工作还辅以关于所训练生成器对抗扰动鲁棒性的理论分析。提供了在真实世界数据集上的实验以证实所提的\emph{面向深度压缩感知的生成模型对抗训练}的有效性。
引用
@article{arxiv.2106.10696,
title = {Generative Model Adversarial Training for Deep Compressed Sensing},
author = {Ashkan Esmaeili},
journal= {arXiv preprint arXiv:2106.10696},
year = {2021}
}