利用 Wasserstein 损失学习求解反问题
计算机视觉与模式识别
2017-10-31 v1 泛函分析
最优化与控制
摘要
我们提出在反问题训练中使用 Wasserstein 损失。具体而言,我们考虑一种用于不适定反问题的学习型原始-对偶重建方案,该方案在训练中采用 Wasserstein 距离作为损失函数。其动机在于训练数据中的错位,若使用标准均方误差损失,会严重降低重建质量。我们证明,在某些情形下,使用 Wasserstein 损失训练得到的重建算子能正确补偿错位,而使用均方误差训练则得到模糊的重建。此外,我们在计算机断层扫描的一个问题上,通过使用均方误差和最优传输损失分别训练重建算法来演示这些效应。
引用
@article{arxiv.1710.10898,
title = {Learning to solve inverse problems using Wasserstein loss},
author = {Jonas Adler and Axel Ringh and Ozan Öktem and Johan Karlsson},
journal= {arXiv preprint arXiv:1710.10898},
year = {2017}
}
备注
11 pages, 3 figures