面向实用压缩图像恢复的生成式块先验
计算机视觉与模式识别
2020-10-06 v2 机器学习
摘要
在本文中，我们提出生成式块先验（GPP），其基于块流形模型定义了一种用于压缩图像恢复的生成式先验。与局限于预训练生成器值域空间的习得图像级先验不同，GPP 可使用预训练的块生成器恢复多种自然图像。此外，GPP 保留了生成式先验的优势，如在极低感知率下的高重建质量，同时也具有更广泛的适用性。我们表明，在三种不同的感知模型——已知与未知标定设置下的线性压缩感知，以及非线性相位恢复问题——上，GPP 优于多种无监督与有监督技术。最后，我们提出一种使用 GPP 的联合标定与重建交替优化策略，其在真实世界未标定压缩感知数据集上相对于若干基线表现良好。
引用
@article{arxiv.2006.10873,
title = {Generative Patch Priors for Practical Compressive Image Recovery},
author = {Rushil Anirudh and Suhas Lohit and Pavan Turaga},
journal= {arXiv preprint arXiv:2006.10873},
year = {2020}
}