MimicGAN：用于盲图像恢复与对抗防御的 corruption-mimicking 方法
计算机视觉与模式识别
2018-11-22 v1 人工智能
机器学习
摘要
求解逆问题一直是计算机视觉中的核心挑战。现有技术要么利用关于退化的先验知识显式构造逆映射，要么使用大量样本直接学习逆映射。然而在实践中，退化的性质可能未知，因此难以对推断合理解的问题进行正则化。另一方面，针对已知退化收集特定任务的训练数据十分繁琐，而对未知退化则不可能实现。我们提出 MimicGAN，一种基于生成对抗网络（GANs）形式图像先验的无监督技术，用于求解一般逆问题。利用 GAN 先验，我们表明可通过一个在测试时学习模仿退化的代理网络，可靠地恢复欠定逆问题的解。我们的系统无需监督训练即可依次估计退化与干净图像，同时在盲图像恢复上优于现有基线。我们还证明 MimicGAN 改进了近期基于 GAN 的对抗攻击防御方法，并代表了当今最强的测试时防御之一。
引用
@article{arxiv.1811.08484,
title = {MimicGAN: Corruption-Mimicking for Blind Image Recovery & Adversarial Defense},
author = {Rushil Anirudh and Jayaraman J. Thiagarajan and Bhavya Kailkhura and Timo Bremer},
journal= {arXiv preprint arXiv:1811.08484},
year = {2018}
}