基于最优传输利用退化稀疏性的无监督复原学习

最优传输(OT)近来被证明是在无显式先验模型时用于无监督复原的一个有前景的准则。尽管具有理论吸引力，OT 在超分辨率、去雨和去雾等具挑战性任务上仍显著落后于监督方法。本文中，我们提出一种\emph{稀疏感知最优传输}(SOT)框架，通过利用一个关键观察来弥合此差距：这些任务中的退化在频域表现出明显的稀疏性。将此种稀疏性先验融入 OT 可显著减少复原逆映射的模糊性并大幅提升性能。我们提供分析表明利用退化稀疏性有益于无监督复原学习。在真实世界超分辨率、去雨和去雾上的大量实验表明，SOT 相较标准 OT 有显著性能增益，同时相较现有监督与无监督方法实现了更优的感知质量。特别地，SOT 在全部三项任务上一致优于现有无监督方法，并缩小了与监督对应方法的性能差距。