面向深度图像先验的神经架构搜索
计算机视觉与模式识别
2020-01-15 v1
摘要
我们提出了一种神经架构搜索（NAS）技术，以增强在近期提出的深度图像先验（DIP）框架下无监督图像去噪、图像修复和超分辨率任务的性能。我们表明，进化搜索能够自动优化 DIP 网络的编码器-解码器（E-D）结构与元参数，该网络作为内容特定的先验来正则化这些单图像复原任务。我们的二进制表示编码了非对称 E-D 网络的设计空间，在使用种群规模 500 的情况下，通常经过 10-20 代即可收敛得到内容特定的 DIP。对于多种摄影与艺术内容，优化后的架构在视觉质量上持续优于经典 DIP。
引用
@article{arxiv.2001.04776,
title = {Neural Architecture Search for Deep Image Prior},
author = {Kary Ho and Andrew Gilbert and Hailin Jin and John Collomosse},
journal= {arXiv preprint arXiv:2001.04776},
year = {2020}
}