基于深度生成模型求解逆问题的中间层优化
机器学习
2021-02-16 v1
摘要
我们提出中间层优化（ILO），一种利用深度生成模型求解逆问题的新型优化算法。与仅对初始潜码进行优化不同，我们逐步改变输入层，从而得到表达能力依次增强的生成器。为探索更高维空间，我们的方法搜索位于由前一层诱导的流形周围一个小 球内的潜码。我们的理论分析表明，通过保持该球半径相对较小，可改进深度生成模型压缩感知的已有误差界。我们通过实验证明，对于包括修复（inpainting）、去噪、超分辨率和压缩感知在内的广泛逆问题，我们的方法优于 StyleGAN-2 和 PULSE 中提出的当前最优（state-of-the-art）方法。
引用
@article{arxiv.2102.07364,
title = {Intermediate Layer Optimization for Inverse Problems using Deep Generative Models},
author = {Giannis Daras and Joseph Dean and Ajil Jalal and Alexandros G. Dimakis},
journal= {arXiv preprint arXiv:2102.07364},
year = {2021}
}