用于压缩感知的生成器手术
计算机视觉与模式识别
2021-03-02 v2 图像与视频处理
摘要
从压缩测量中恢复图像需要针对待重建图像的信号先验。近期工作探索了使用具有低潜维的深度生成模型作为此类问题的信号先验。然而，其恢复性能受限于较高的表示误差。我们提出了一种利用生成器作为信号先验实现低表示误差的方法。使用预训练生成器，我们在测试时移除一个或多个初始块，并在新的、更高维的潜空间上优化以恢复目标图像。实验表明，对于多种网络架构，重建质量得到显著改善。该方法对训练分布外图像同样表现良好，并与其他最先进（state-of-the-art, SOTA）方法具有竞争力。我们的实验表明，测试时的架构修改可大幅提升生成器信号先验在压缩感知中的恢复质量。
引用
@article{arxiv.2102.11163,
title = {Generator Surgery for Compressed Sensing},
author = {Niklas Smedemark-Margulies and Jung Yeon Park and Max Daniels and Rose Yu and Jan-Willem van de Meent and Paul Hand},
journal= {arXiv preprint arXiv:2102.11163},
year = {2021}
}
备注
Code available at: https://github.com/nik-sm/generator-surgery