ISTA-Net++:面向压缩感知的灵活深度展开网络
计算机视觉与模式识别
2021-03-23 v1 图像与视频处理
摘要
尽管深度神经网络在图像压缩感知(CS)中取得了令人瞩目的成功,但大多数网络在实际应用中处理多比率任务与多场景图像时缺乏灵活性。为应对这些挑战,我们提出了一种新颖的端到端灵活 ISTA 展开深度网络,称为 ISTA-Net++,其具有卓越性能与强灵活性。具体而言,通过开发动态展开策略,我们的模型借助单一模型即可适应处理不同比率的 CS 问题,即多比率任务。进一步利用跨块策略以减少块效应并提升 CS 重建质量。此外,我们采用均衡数据集进行训练,从而在重建多场景图像时带来更强鲁棒性。在四个数据集上的大量实验表明,ISTA-Net++ 在定量指标与视觉质量方面均达到了最先进(state-of-the-art)结果。鉴于其灵活性、有效性与实用性,我们的模型有望作为未来 CS 研究中合适的基线。源代码发布于 https://github.com/jianzhangcs/ISTA-Netpp。
引用
@article{arxiv.2103.11554,
title = {ISTA-Net++: Flexible Deep Unfolding Network for Compressive Sensing},
author = {Di You and Jingfen Xie and Jian Zhang},
journal= {arXiv preprint arXiv:2103.11554},
year = {2021}
}
备注
ICME 2021 ORAL accepted