深度生成模型在解决逆问题中的表现如何？
机器学习
2023-12-21 v1 计算机视觉与模式识别
摘要
深度生成模型，如扩散模型、生成对抗网络（GAN）和隐式最大似然估计（IMLE），在解决逆问题方面展现了令人印象深刻的能力。然而，模型生成的解相对于正问题的有效性以及相关不确定性估计的可靠性仍研究不足。本研究评估了近期基于扩散、基于GAN和基于IMLE的方法在三个逆问题（即16倍超分辨率、着色和图像解压缩）上的表现。我们评估了这些模型的输出作为逆问题解的有效性，并对模型关于解的不确定性估计的可靠性进行了深入分析。总体而言，我们发现基于IMLE的CHIMLE方法在生成有效解和可靠的不确定性估计方面优于其他方法。
引用
@article{arxiv.2312.12691,
title = {How Good Are Deep Generative Models for Solving Inverse Problems?},
author = {Shichong Peng and Alireza Moazeni and Ke Li},
journal= {arXiv preprint arXiv:2312.12691},
year = {2023}
}